AlphaFold3 Pipeline

集成 ColabFold (MSA) + AlphaFold3 的一站式蛋白质结构预测工具。

服务器: mgmt

核心功能

• 轻量实现: 无需任何数据/模型装载，一键执行预测。
• 自动化全流程: 从 FASTA 直接到结构预测，自动处理 JSON 生成、MSA 计算和 AF3 推理。
• 远程工作: 支持直接指定远程输入/输出路径 (e.g., user@host:/path)，自动处理文件传输。
• 多分子类型支持: 通过简单扩展的 FASTA 格式支持 DNA, RNA, Ligands (SMILES/CCD) 混合复合物预测。
• 批处理: 支持单任务、批量循环或并行 (parallel) 运行。
• 模块化设计: 支持单独运行 MSA、JSON 生成或 AF3 预测步骤。
• 断点恢复: 支持从中断点继续执行（resume 模式）。

快速开始

以下全部在 mgmt 节点进行

1. 配置环境 (首次运行)

   echo 'export PATH="/public/home/jxtang/bin:$PATH"' >> ~/.zshrc
   source ~/.zshrc

2. 基础运行 (FASTA -> 结构)

   af3_pipeline.sh full input.fa /tmp/output

3. 查看帮助 （查看详细的帮助文档）

   af3_pipeline.sh -h

运行模式

模式	描述	MSA 来源
full	完整流程 (FASTA -> ColabFold MSA -> AF3)	ColabFold (API/Local)
msa	仅计算 MSA	ColabFold (API/Local)
af3	原生预测 (FASTA -> AF3)	AF3 内置 MSA 计算
resume	恢复执行（从任务目录继续）	-
json	仅转换 FASTA 到 AF3 JSON	不含 MSA
transfer	仅传输结果	-

full vs af3 模式对比

特性	full 模式	af3 模式
MSA 计算	ColabFold (API 或 Local)	AlphaFold3 内置
速度	快（MSA 预计算）	较慢（一步完成）
灵活性	可单独调试 MSA 步骤	一体化运行
推荐场景	生产环境、大批量	快速测试、小批量

常见用法示例

1. 标准蛋白质预测（推荐）

# 使用 ColabFold MSA 的完整流程
af3_pipeline.sh full protein.fa /tmp/output

2. 原生预测（使用 AF3 内置 MSA）

# 无需预计算 MSA，直接运行 AF3
af3_pipeline.sh af3 protein.fa /tmp/output

3. 恢复中断的任务

# MSA 完成后 AF3 中断，从断点继续
af3_pipeline.sh resume /tmp/output/task_name

# 恢复执行并传输结果到远程
af3_pipeline.sh resume /tmp/output/task_name --transfer-to user@host:/path

4. 远程文件处理 (推荐)

脚本自动下载远程输入文件，计算完成后自动回传结果，无需手动 scp。

# 输入在远程，输出回传远程
af3_pipeline.sh full user@mg:~/data/input.fa user@mg:~/results/

5. 多分子/复合物预测 (DNA/RNA/小分子)

在 FASTA 中使用特殊格式支持非蛋白分子：

>complex_job
# 蛋白链 A
MKFLILLFN...
# 蛋白链 B
:MGLSDGEW...
# DNA 链 (格式: dna|序列)
:dna|ATCGATCG
# 配体 (格式: smiles|SMILES_STRING)
:smiles|CC(=O)OC1=CC=CC=C1C(=O)O

所有待预测的序列都应当存储在一个 xx.fa 文件中，xx.fa 格式如下： e.g., 对于单体蛋白而言是

>proteinA
MKFLILLFN...

对于蛋白复合物 AB （或者更多

>proteinA:proteinB
MKFLILLFN:MGLSDGEW

对于蛋白复合物 A 的同源寡聚

>proteinA:proteinA1
MKFLILLFN:MKFLILLFN

对于蛋白质-小分子，下面两种写法都可以，支持 CCD 以及 smiles 输入，| 右侧类型表示输入的是 ligand/ccd 还是下面的 rna/dna

>ProteinA:Ligandsmiles
MKFLILLFN:smiles|C1=NC(=C2C(=N1)N(C=N2)
>ProteinA:LigandCCD
MKFLILLFN:ccd|ATP
>ProteinA:LigandCCDA:LigandCCDA
MKFLILLFN:ccd|ATP|2

对于蛋白质-核酸

>ProteinA:NucleDNA
MKFLILLFN:dna|AAATTGTT
>ProteinA:NucleRNA
MKFLILLFN:rna|AAAUUGUU

同一个 fa 文件中上述的每个任务都可以写在一个文件中， 然后直接运行结构预测：

af3_pipeline.sh full xx.fa /tmp/output

6. 远程服务

目的：让任务的输入和输出存储在 mg 节点，运行执行程序地址在 mgmt 节点

实现：脚本支持通过 rsync 实时跨服务器执行，只需输入和输出远端地址即可

af3_pipeline.sh full user@host:/path/xx.fa. user@host:/path/output
# 比如准备的 fasta 文件在mg节点 /dataStor/home/jxtang/my_task.fa,  输出地址在 mg 节点 /dataStor/home/jxtang/output
# 在 mgmt 执行程序
af3_pipeline.sh full jxtang@mg:/dataStor/home/jxtang/my_task.fa jxtang@mg:/dataStor/home/jxtang/output

7. 高效 MSA 策略

API 调用的是 api.colabfold.com 提供的 MSA 远程服务，对小批量（小于三十个）友好；

大批量数据建议走本地数据库模式进行 MSA 检索。

# 使用 API 模式 (默认, 快速)
af3_pipeline.sh full -m api input.fa /tmp/output
# 使用本地数据库模式 (更全面, 需较长时间)
af3_pipeline.sh full -m local input.fa /tmp/output

8. 仅生成 JSON (用于检查或手动提交)

通过 json 模式支持 alphafold 输入文件制作，不含 MSA 与 template

af3_pipeline.sh json input.fa /tmp/output

命令手册

af3_pipeline.sh [模式] [选项] <输入> <输出>

模式	描述
full	完整流程 (FASTA -> ColabFold MSA -> AF3)
msa	仅计算 ColabFold MSA
af3	原生预测 (FASTA -> AF3，使用 AF3 内置 MSA)
resume	恢复执行（从任务目录继续）
json	仅转换 FASTA 到 AF3 JSON
transfer	仅传输结果

常用选项:

• -g, --gpu ID: 指定 GPU (e.g., -g 0)
• -n, --task-name NAME: 指定任务名 (默认使用输入文件名)
• -m, --msa-method METHOD: MSA 方式 api 或 local (仅 full/msa 模式)
• --no-template: 禁用模板 (适用于 de novo 蛋白)
• --transfer-to PATH: 完成后传输结果到指定路径
• --keep-temp: 保留临时目录 (调试用)

输出结构

/tmp/output/task_name/
├── msa/               # MSA 结果 (json) - full/msa 模式
├── json/              # 输入 JSON - af3 模式
├── af3/               # 结构文件 (cif) 和摘要 (json)
└── logs/              # 运行日志

SSH 免密配置（远程文件传输需要）

# 生成密钥 
ssh-keygen -t rsa -b 4096      
# 复制到 mg 服务器     
ssh-copy-id your_user@mg
# 验证
ssh your_user@mg