Update README.md

README.md

 # Ankh_PyTorch
-
+## 模型介绍
 Ankh是首个通用型蛋白质语言模型，在谷歌的TPU-V4上训练，以极大减少参数，实现了更高的准确率、更便捷的资源获取，从而促进研究创新，并超越了现有最先进性能的模型。
+## 模型结构
+模型核心是一个基于MSA Transformer架构的神经网络，包括两个主要组件：Sequence to Sequence Model和Structure Model，这两个组件通过迭代训练进行优化，以提高其预测准确性。
+## 数据集
+推荐使用AlphaFold2中的开源数据集，包括BFD、MGnify、PDB70、Uniclust、Uniref90等,数据集大小约3TB。
+
+我们提供了一个脚本download_all_data.sh用于下载使用的数据集和模型文件：
+
+    git clone https://github.com/agemagician/Ankh.git
+    ./scripts/download_all_data.sh 数据集下载目录
+
+## 推理
+### 环境配置
+提供[光源](https://www.sourcefind.cn/#/service-details)拉取推理的docker镜像：
+* 推理镜像：docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:alphafold2-2.2.1-centos7.6-dtk-22.04.2-py38
+
+激活镜像环境：
+
+`source /opt/dtk-22.04.2/env.sh`
+
+`source /opt/openmm-hip/env.sh`
+
+测试目录：
+
+`/opt/docker/test`
+
+### 推理
+我们分别提供了基于Jax的单体和多体的推理脚本，版本依赖：
+* Jax(DCU版本) >= 0.3.14
+* TensorFlow2(DCU版本) >= 2.7.0
+
+设置DOWNLOAD_DIR路径和output_dir路径。确保输出目录存在，并且您有足够的权限对其进行写入。
+
+    # Set to target of download all databases
+    DOWNLOAD_DIR = '/path/to/database'
+
+    # Path to a directory that will store the results.
+    output_dir = '/path/to/output_dir'
+
+#### 单体
+
+    python3 run_alphafold.py \
+    --fasta_paths=monomer.fasta \
+    --output_dir=./ \
+    --max_template_date=2020-05-14 \
+    --model_preset=monomer \
+    --run_relax=true \
+    --use_gpu_relax=true
+
+或者使用`./run_monomer.sh`
+
+##### 单体推理参数说明
+monomer.fasta为推理的单体序列；--output_dir为输出目录；--model_preset选择模型配置；--run_relax=true为进行relax操作；--use_gpu_relax=true为使用gpu进行relax操作（速度更快，但可能不太稳定），--use_gpu_relax=false为使用CPU进行relax操作（速度慢，但稳定）；
+若添加--use_precomputed_msas=true则可以加载已经搜索对齐的序列，否则默认进行搜索对齐；
+
+#### 多体
+
+    python3 run_alphafold.py \
+    --fasta_paths=multimer.fasta \
+    --output_dir=./ \
+    --uniprot_database_path=/data/uniprot/uniprot_trembl.fasta \
+    --pdb_seqres_database_path=/data/pdb_seqres/pdb_seqres.txt \
+    --pdb70_database_path= \
+    --max_template_date=2020-05-14 \
+    --model_preset=multimer \
+    --run_relax=true \
+    --use_gpu_relax=true
+
+或者使用`./run_multimer.sh`
+
+##### 多体推理参数说明
+multimer.fasta为推理的多体序列，data为数据集下载路径，其他参数同单体推理参数说明一致。
+
+### 输出
+`--output_dir`目录结构如下：
+```
+<target_name>/
+    features.pkl
+    ranked_{0,1,2,3,4}.pdb
+    ranking_debug.json
+    relaxed_model_{1,2,3,4,5}.pdb
+    result_model_{1,2,3,4,5}.pkl
+    timings.json
+    unrelaxed_model_{1,2,3,4,5}.pdb
+    msas/
+        bfd_uniclust_hits.a3m
+        mgnify_hits.sto
+        uniref90_hits.sto
+        ...
+```
+
+## 准确率数据
+测试数据：[casp14](https://www.predictioncenter.org/casp14/targetlist.cgi)、[uniprot](https://www.uniprot.org/)，
+使用的加速卡:1张 DCU 1代-16G
+
+准确性数据：
+| 数据类型 | 序列类型 | 序列标签 | 序列长度 | GDT-TS | GDT-HA | LDDT | TM score | MaxSub | RMSD |
+| :------: | :------: | :------: | :------: |:------: |:------: | :------: | :------: | :------: |:------: |
+| fp32 | 单体 | T1026 | 172 | 0.849 | 0.658 | 75.050 | 0.901 | 0.851 | 1.6 |
+| fp32 | 单体 | T1053 | 580 | 0.941 | 0.789 | 92.316 | 0.985 | 0.935 | 1.1 |
+| fp32 | 单体 | T1091 | 863 | 0.492 | 0.332 | 85.083 | 0.740 | 0.388 | 6.7 |
+
+## 源码仓库及问题反馈
+* https://developer.hpccube.com/codes/modelzoo/AlphaFold2
+## 参考
+* [https://github.com/deepmind/alphafold](https://github.com/deepmind/alphafold)