AlphaFold3中文使用说明

1. 在线网站

AlphaFold3网站 目前支持两种输入方式，一种是手动填写每个任务的输入，另一种是将任务以json的格式上传，后者更加适合批量任务。由于手动填写输入的方式简单，本文不再赘述。下文主要演示json输入的用法。

用例1. 使用json输入预测蛋白结构

①根据输入文件，准备json文件。

图1. 展示了json输入文件中的一个任务示例，包括任务名（name）、随机种子（modelSeed）和蛋白序列（sequence）。本例中的蛋白序列包括4条待建模的序列（s1-s4，分别为TCR alpha, TCR beta, HLA, epitope）。

②打开AlphaFold Server（需要google帐号和科学上网），上传json文件（每个账号每天配额20个任务）。

图2. 通过json上传任务。右图中绿色方框代表上传的任务解析成功。

③挨个检查、投递上传的任务。

图3. 依次投递任务。

④投递后运行中的任务可以通过In progress标签查看。

图4. 查看运行中的任务。

⑤下载已完成任务（Completed），或在网页上初步查看结果。质量指标可以参考2.3。

图5. 已完成任务的下载。

2. 本地命令行

2.1 运行示例

首先，本地部署AF3，机器配置和部署方法可参考《AlphaFold3中文安装教程》。

然后，使用 JSON 输入文件（以下演示了一个名为alphafold_input.json的json输入文件）测试。

{
  "name": "2PV7",
  "sequences": [
    {
      "protein": {
        "id": ["A", "B"],
        "sequence": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG"
      }
    }
  ],
  "modelSeeds": [1],
  "dialect": "alphafold3",
  "version": 1
}

测试命令如下。

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DATABASES_DIR>:/root/public_databases \
    --gpus all \
    alphafold3 \
python run_alphafold.py \
    --json_path=/root/af_input/fold_input.json \
    --model_dir=/root/models \
    --output_dir=/root/af_output

2.2 AF3输入

A）指定输入

可以通过以下两种方式向run_alphafold.py提供输入：

• 单个输入文件：使用--json_path，后跟一个 JSON 文件的路径
• 多个输入文件：使用--input_dir，后跟 JSON 文件目录的路径

B）输入格式

JSON格式中sequence部分允许的字段汇总如下（详见b.1）。

此外，JSON格式其它部分包括name, modelSeeds, bondedAtomPairs（详见b.2）, userCCD（详见b.3）, dialect（详见b.4）, version

b）JSON最外层结构

{
  "name": "Job name",    #任务名称，被用于命名输出文件。
  "modelSeeds": [1, 2],  #随机种子整数列表，提供n个（n>=1）种子，获得n个预测结构。
  "sequences": [
    {"protein": {...}},
    {"rna": {...}},
    {"dna": {...}},
    {"ligand": {...}}
  ],                      #序列字典的列表，每个字典定义一个分子实体。
  "bondedAtomPairs": [...],    #（可选）共价键合原子的列表。
  "userCCD": "...",            #（可选）用户提供的CCD。适用于：SMILES不足；自定义分子需要与其他实体结合；RDKit无法生成构象。
  "dialect": "alphafold3",  #输入JSON的风格，必须设置为alphafold3。参考JSON兼容性。
  "version": 1              #输入JSON的版本，必须设置为1。
}

b.1 序列

序列（sequences）指定蛋白链、RNA 链、DNA 链和配体。序列中的每个实体都必须有一个唯一ID。
蛋白链示例

{
  "protein": {
    "id": "A",    #一或多个大写字母，指定该蛋白链每个拷贝的唯一 ID。将被用于输出 mmCIF 文件。指定 ID 列表（如[“A”、“B”、“C”]）意味着同源链有多个拷贝。
    "sequence": "PVLSCGEWQL",    #氨基酸序列
    "modifications": [
      {"ptmType": "HY3", "ptmPosition": 1},
      {"ptmType": "P1L", "ptmPosition": 5}
    ],                   #（可选）翻译后修饰PTM列表，每个修饰都使用 CCD 和 1-based 的残基位置来指定。
    "unpairedMsa": ...,  #（可选）该链的多序列比对，使用 A3M 格式（等同于FASTA，但允许用"-"表示gap）指定。
    "pairedMsa": ...,    #（不推荐使用）
    "templates": [...]   #（可选）结构模板列表。
  }
}

RNA链示例

{
  "rna": {
    "id": "A",    #一或多个大写字母，指定该 RNA 链每个拷贝的唯一 ID。将被用于输出的 mmCIF 文件。指定 ID 列表（如[“A”、“B”、“C”]）意味着同源链有多个拷贝。
    "sequence": "AGCU",    #RNA 序列
    "modifications": [
      {"modificationType": "2MG", "basePosition": 1},
      {"modificationType": "5MC", "basePosition": 4}
    ],                  #（可选）修饰列表，每个修饰都使用其 CCD 和 1-based 位置来指定。
    "unpairedMsa": ...  #（可选） 该链的多序列比对，使用 A3M 格式指定。
  }
}

DNA链示例

{
  "dna": {
    "id": "A",        #一或多个大写字母，指定该 DNA 链每个拷贝的唯一 ID。将被用于输出的 mmCIF 文件。指定 ID 列表（如[“A”、“B”、“C”]）意味着同源链有多个拷贝。
    "sequence": "GACCTCT",    #DNA 序列
    "modifications": [
      {"modificationType": "6OG", "basePosition": 1},
      {"modificationType": "6MA", "basePosition": 2}
    ]            #（可选）修饰列表，每个修饰都使用其 CCD 和 1-based 位置来指定。
  }
}

配体示例
配体可通过 3 种不同格式指定。①CCD编码：使用 2022-09-28 的 CCD。如指定了多个 CCD，可能需要指定这些代码之间的键和/或与其他实体的键。②SMILES字符串：这可以指定不在 CCD 中的配体。如果使用 SMILES，则不能指定与其他实体的共价键，因为这些键依赖于特定的原子名称。③用户提供的 CCD + 自定义配体编码：这可以指定 CCD 中没有的配体，同时还支持指定与其他实体的共价键，以及在 RDKit 无法生成构象时的备份参考坐标。

{
  "ligand": {
    "id": ["G", "H", "I"],    # 一或多个大写字母，指定该配体的唯一ID。也将被用于输出的 mmCIF 文件。指定 ID 列表（如[“A”、“B”、“C”]）意味着配体有多个拷贝。
    "ccdCodes": ["ATP"]       #（可选）CCD编码列表。可以是标准 CCD 编码，或用户提供的 CCD 自定义编码。
  }
},
{
  "ligand": {
    "id": "J",
    "ccdCodes": ["LIG-1337"]
  }
},
{
  "ligand": {
    "id": "K",
    "smiles": "CC(=O)OC1C[NH+]2CCC1CC2"   #（可选）使用 SMILES 定义的配体。
  }
}

多序列比对（MSA）

蛋白和RNA允许设置自定义MSA。如果没有设置，数据管道将按照论文中的描述，使用 Jackhmmer/Nhmmer在基因数据库中搜索，自动构建MSA。

MSA有3种模式：①（推荐选项）如果未设置unpairedMsa字段，AF3将自动构建 MSA。②如果unpairedMsa字段设置为空，AF3将不会构建MSA，输入模型的MSA为空。③（专家选项）如果unpairedMsa字段设为自定义A3M字符串，AF3将使用提供的MSA。

如果为蛋白设置了unairedMsa字段，则必须明确设置pairedMsa字段（通常为空字符串）和templates（可以是模板列表或空列表）。
在设置自定义MSA时，必须确保MSA 是有效的 A3M 文件；第一个序列与查询序列完全相同；如果删除 MSA hits 的所有插入序列，则所有序列的长度与查询序列完全相等。

只有在折叠多链时，MSA配对才有意义，因为需要找到一种沿序列维度连接各条链MSA的方法。如果只是简单地沿序列维度连接单个 MSA 矩阵，并进行填充以使所有 MSA 深度相同，那么连接的 MSA 中可能会出现由来自不同生物体的序列组成的行。为了确保MSA同一行的序列来自同一生物体，AF3 的方法是在pairedMsa中查找 UniProt organism ID，并根据此信息对序列进行配对。
建议用户手动配对或使用适当软件的输出结果，然后仅使用unpairedMsa字段提供 MSA。这种方法可以精确控制每个序列在 MSA 中的位置，而不是依赖pairedMsa中名称匹配的后处理方法。

手动设置unairedMsa时，pairedMsa必须保持未设置状态（即JSON中没有pairedMsa关键字）？

结构模板（templates）

只能为蛋白指定结构模板。

"templates": [
  {
    "mmcif": ...,
    "queryIndices": [0, 1, 2, 4, 5, 6],
    "templateIndices": [0, 1, 2, 3, 4, 8]
  }
]

模板被指定为一个 mmCIF 字符串，其中包含一个结构模板链和一个0-based映射（将查询残基索引映射到模板残基索引）。映射使用两个相同长度的列表指定。
可以提供多个结构模板。注意，如果提供的 mmCIF 包含一个以上的链，则会出现错误，因为无法确定哪个链应被用作模板。

b.2 共价键

bondedAtomPairs字段用于指定共价键，这主要用于对共价配体和定义的多CCD配体（如多糖）建模。目前还不支持在多聚物实体之间或内部定义共价键。
键以成对原子（source，destination）的形式指定，每个原子使用 3 个字段进行唯一定位：①实体 ID：对应于该实体的id字段。②残基 ID：1-based 的残基索引。对于单残基配体，只需将其设置为 1。③原子名称：给定残基中唯一的原子名称。蛋白/RNA/DNA 残基或 CCD 配体的原子名称可在 CCD 中查找到。这也解释了为什么 SMILES 配体不支持键：没有原子名称可用于定义键。这一缺陷可以通过使用用户提供的 CCD 格式来解决。
键示例

"bondedAtomPairs": [
  [["A", 145, "SG"], ["L", 1, "C04"]],   #共价配体：键位于链A（残基145，原子SG）和链L（残基1，原子C04）之间；
  [["J", 1, "O6"], ["J", 2, "C1"]]       #多糖：键位于同一实体链J（残基1，原子O6）与（残基2，原子C1）之间；
]

多糖（glycans）与蛋白残基结合，通常由多种化学成分组成。为了定义多糖，需要定义一个包含多糖所有化学成分的新配体，然后定义连接多糖和蛋白残基的键，以及多糖内部各个化学成分之间的所有键。
例如，要定义以下由 4 个成分（CMP[1-4]）组成、并与蛋白链A中的天冬酰胺结合的多糖：

 ⋮
ALA            CMP4
 |              |
ASN ―― CMP1 ―― CMP2
 |              |
ALA            CMP3
 ⋮

b.3 用户提供CCDs

有两种方法可以为CCD中未定义的自定义配体建模。如果配体未与其他实体结合，可使用 SMILES字符串 定义。否则，就必须使用 CCD mmCIF格式 定义该配体。

定义后，需要为该配体指定一个不与现有CCD配体名冲突的名称，名称中避免使用下划线。新定义的配体可以通过自定义名作为标准CCD配体，并使用具名原子方案将键连接到配体上。

用户提供的CCD必须以字符串形式传入userCCD字段。JSON不允许在字符串内换行，因此必须使用换行符（\n）来分隔行。化学式等字符串也应使用单引号而非双引号。
主要信息包括原子名称和元素、化学键以及理想坐标（pdbx_model_Cartn_{x,y,z}_ideal）。如果 RDKit 无法生成配体的构象，理想坐标实质上就是配体的结构模板。userCCD也可用于重新定义CCD中的标准化学成分。如需重新定义理想坐标，这将非常有用。
下面是重新定义成分 X7F 的 userCCD 示例，用于说明所需的部分。为便于阅读，换行符未被 \n 替换。

data_MY-X7F
#
_chem_comp.id MY-X7F
_chem_comp.name '5,8-bis(oxidanyl)naphthalene-1,4-dione'
_chem_comp.type non-polymer
_chem_comp.formula 'C10 H6 O4'
_chem_comp.mon_nstd_parent_comp_id ?
_chem_comp.pdbx_synonyms ?
_chem_comp.formula_weight 190.152
#
loop_
_chem_comp_atom.comp_id
_chem_comp_atom.atom_id
_chem_comp_atom.alt_atom_id
_chem_comp_atom.type_symbol
_chem_comp_atom.charge
_chem_comp_atom.pdbx_align
_chem_comp_atom.pdbx_aromatic_flag
_chem_comp_atom.pdbx_leaving_atom_flag
_chem_comp_atom.pdbx_stereo_config
_chem_comp_atom.pdbx_backbone_atom_flag
_chem_comp_atom.pdbx_n_terminal_atom_flag
_chem_comp_atom.pdbx_c_terminal_atom_flag
_chem_comp_atom.model_Cartn_x
_chem_comp_atom.model_Cartn_y
_chem_comp_atom.model_Cartn_z
_chem_comp_atom.pdbx_model_Cartn_x_ideal
_chem_comp_atom.pdbx_model_Cartn_y_ideal
_chem_comp_atom.pdbx_model_Cartn_z_ideal
_chem_comp_atom.pdbx_component_atom_id
_chem_comp_atom.pdbx_component_comp_id
_chem_comp_atom.pdbx_ordinal
MY-X7F C02 C1 C 0 1 N N N N N N 48.727 17.090 17.537 -1.418 -1.260 0.018 C02 MY-X7F 1
MY-X7F C03 C2 C 0 1 N N N N N N 47.344 16.691 17.993 -0.665 -2.503 -0.247 C03 MY-X7F 2
MY-X7F C04 C3 C 0 1 N N N N N N 47.166 16.016 19.310 0.677 -2.501 -0.235 C04 MY-X7F 3
MY-X7F C05 C4 C 0 1 N N N N N N 48.363 15.728 20.184 1.421 -1.257 0.043 C05 MY-X7F 4
MY-X7F C06 C5 C 0 1 Y N N N N N 49.790 16.142 19.699 0.706 0.032 0.008 C06 MY-X7F 5
MY-X7F C07 C6 C 0 1 Y N N N N N 49.965 16.791 18.444 -0.706 0.030 -0.004 C07 MY-X7F 6
MY-X7F C08 C7 C 0 1 Y N N N N N 51.249 17.162 18.023 -1.397 1.240 -0.037 C08 MY-X7F 7
MY-X7F C10 C8 C 0 1 Y N N N N N 52.359 16.893 18.837 -0.685 2.443 -0.057 C10 MY-X7F 8
MY-X7F C11 C9 C 0 1 Y N N N N N 52.184 16.247 20.090 0.679 2.445 -0.045 C11 MY-X7F 9
MY-X7F C12 C10 C 0 1 Y N N N N N 50.899 15.876 20.515 1.394 1.243 -0.013 C12 MY-X7F 10
MY-X7F O01 O1 O 0 1 N N N N N N 48.876 17.630 16.492 -2.611 -1.301 0.247 O01 MY-X7F 11
MY-X7F O09 O2 O 0 1 N N N N N N 51.423 17.798 16.789 -2.752 1.249 -0.049 O09 MY-X7F 12
MY-X7F O13 O3 O 0 1 N N N N N N 50.710 15.236 21.750 2.750 1.257 -0.001 O13 MY-X7F 13
MY-X7F O14 O4 O 0 1 N N N N N N 48.229 15.189 21.234 2.609 -1.294 0.298 O14 MY-X7F 14
MY-X7F H1 H1 H 0 1 N N N N N N 46.487 16.894 17.367 -1.199 -3.419 -0.452 H1 MY-X7F 15
MY-X7F H2 H2 H 0 1 N N N N N N 46.178 15.732 19.640 1.216 -3.416 -0.429 H2 MY-X7F 16
MY-X7F H3 H3 H 0 1 N N N N N N 53.348 17.177 18.511 -1.221 3.381 -0.082 H3 MY-X7F 17
MY-X7F H4 H4 H 0 1 N N N N N N 53.040 16.041 20.716 1.212 3.384 -0.062 H4 MY-X7F 18
MY-X7F H5 H5 H 0 1 N N N N N N 50.579 17.904 16.365 -3.154 1.271 0.830 H5 MY-X7F 19
MY-X7F H6 H6 H 0 1 N N N N N N 49.785 15.059 21.877 3.151 1.241 -0.880 H6 MY-X7F 20
#
loop_
_chem_comp_bond.comp_id
_chem_comp_bond.atom_id_1
_chem_comp_bond.atom_id_2
_chem_comp_bond.value_order
_chem_comp_bond.pdbx_aromatic_flag
_chem_comp_bond.pdbx_stereo_config
_chem_comp_bond.pdbx_ordinal
MY-X7F O01 C02 DOUB N N 1
MY-X7F O09 C08 SING N N 2
MY-X7F C02 C03 SING N N 3
MY-X7F C02 C07 SING N N 4
MY-X7F C03 C04 DOUB N N 5
MY-X7F C08 C07 DOUB Y N 6
MY-X7F C08 C10 SING Y N 7
MY-X7F C07 C06 SING Y N 8
MY-X7F C10 C11 DOUB Y N 9
MY-X7F C04 C05 SING N N 10
MY-X7F C06 C05 SING N N 11
MY-X7F C06 C12 DOUB Y N 12
MY-X7F C11 C12 SING Y N 13
MY-X7F C05 O14 DOUB N N 14
MY-X7F C12 O13 SING N N 15
MY-X7F C03 H1 SING N N 16
MY-X7F C04 H2 SING N N 17
MY-X7F C10 H3 SING N N 18
MY-X7F C11 H4 SING N N 19
MY-X7F O09 H5 SING N N 20
MY-X7F O13 H6 SING N N 21
#
_pdbx_chem_comp_descriptor.type SMILES_CANONICAL
_pdbx_chem_comp_descriptor.descriptor 'Oc1ccc(O)c2C(=O)C=CC(=O)c12'
#

b.4 JSON兼容性

run_alphafold.py提供了一个转换器，可通过检查 JSON 最外层（top-level）是否为列表来判定输入 JSON 的格式（alphafoldserver，alphafold3）。如果检测到输入格式是alphafoldserver，则将其转换为 alphafold3格式。

2.3 AF3输出

输出目录结构

对于每个输入作业，AF3 都会将所有输出写入一个目录，目录名称由作业名决定。例如作业名"My first fold (test)"，则输出写入名为"my_first_fold_test"的目录。
输出目录结构示例：作业名：“Hello Fold”。该作业使用 1 个种子和 3 个样本运行。

hello_fold/
├── seed-1234_sample-0/    #2) 包含每个样本和种子结果的子目录
│   ├── confidences.json          ##置信度JSON
│   ├── model.cif                 ##预测结构的mmCIF
│   └── summary_confidences.json  ##置信度摘要JSON
├── seed-1234_sample-1/
│   ├── confidences.json
│   ├── model.cif
│   └── summary_confidences.json
├── seed-1234_sample-2/
│   ├── confidences.json
│   ├── model.cif
│   └── summary_confidences.json
├── TERMS_OF_USE.md  #使用条款
├── hello_fold_confidences.json           #4b) 排名靠前预测的置信度JSON
├── hello_fold_data.json    #1) 数据管道添加MSA和模板数据后的任务输入JSON
├── hello_fold_model.cif                  #4a) 排名靠前预测的mmCIF
├── hello_fold_summary_confidences.json   #4c) 排名靠前预测的置信度摘要JSON
└── ranking_scores.csv                  #3)所有预测的排名得分

置信度指标

pLDDT：每个原子的置信度估计值。取值范围 0-100，数值越大表示置信度越高。pLDDT 旨在预测只考虑多聚物距离的修改版 LDDT 分数。对于蛋白质，这与 lDDT-Cα 类似，但颗粒度更细，因为它可以因原子而异，而不仅仅是因残基而异。对于配体原子，修改后的 LDDT 只考虑配体原子与多聚物之间的误差，而不考虑其他配体原子。对于DNA/RNA，修改后的 LDDT 采用了更宽的半径（30 Å），而不是 15 Å。
PAE：对预测结构中两个tokens之间相对位置和方向误差的估计。数值越大，表示预测误差越大，因此可信度越低。对于蛋白质和核酸来说，PAE 分数与 AlphaFold2 基本相同，后者是根据蛋白质骨架构建的框架来衡量误差的。对于小分子和翻译后修饰，则是根据参考构象中的近邻原子为每个原子构建一个框架。
pTM和ipTM：两者都来自模板建模（TM）得分。这衡量了整个结构的准确性。pTM > 0.5 意味着预测的复合物整体折叠结构可能与真实结构相似。ipTM衡量预测的复合物内亚基相对位置的准确性。ipTM>0.8 表示高质量预测，<0.6则表示预测失败，0.6-0.8属于灰色区域，预测可能正确也可能不正确。TM得分对小结构或短链的要求非常严格，因此当tokens少于 20 个时，pTM会小于0.05；在这种情况下，PAE 或 pLDDT 可能更能反映预测质量。

多种子和多样本结果

默认情况下，模型会对每个种子采样 5 个预测值。所有样本和种子中排名最靠前的预测结果位于输出目录的顶层。所有样本及其相关的可信度都在输出目录的子目录中。

要对整个复合体进行排序，请使用ranking_score（越高越好）。该分数使用整体结构可信度（pTM 和 ipTM），但也包括惩罚冲突（clashes）和奖励不出现伪螺旋的无序区域，这些额外项意味着该分数只能用于结构排序。
如果对特定的实体或相互作用感兴趣，可能需要通过特异于该链或链对的指标进行排序，而不是整个复合体。在这种情况下，请使用下文所述的每链或每链对置信度指标进行排序。

置信JSON中的指标

对于每个预测样本，都会提供两个 JSON 文件。一个文件包含摘要指标（整个结构、每条链或每对链），另一个文件包含完整的一维或二维数组。

Summary

ptm：0-1之间的标量，表示完整结构的预测 TM 分数。
iptm：0-1之间的标量，表示完整结构中的界面预测 TM 分数。
fraction_disordered：0-1 之间的标量，表示预测结构中无序结构的比例。通过可及表面积衡量。
has_clash：布尔值，表示结构中是否存在大量冲突原子（>50%；或>100个冲突原子）。
ranking_score：计算公式为 0.8ipTM + 0.2pTM + 0.5disorder - 100has_clash。
chain_pair_pae_min：一个 [num_chains, num_chains] 数组。元素（i，j）包含限制在链 i 的行和限制在链 j 的列中的最小PAE值。这与两条链是否相互作用有关，在某些情况下可用于区分binder。
chain_pair_iptm：一个 [num_chains, num_chains] 数组。对角线外元素（i, j）包含仅限于链 i 和链 j tokens 的 ipTM。对角线内元素（i, i）包含仅限于链 i 的 pTM。当知道两条链相互作用时，可用于对两条链之间的特定界面进行排序。
chain_ptm： 一个[num_chains]数组。元素 i 包含限于链 i 的 pTM。可用于对单个链进行排序。
chain_iptm： 一个[num_chains]数组，给出每条链与所有其他链之间界面的平均置信度。可用于对特定链进行排序，如果只关心该链与复合物其他部分的结合位置，而不知道它与哪些其他链相互作用。配体通常就是这种情况。

Full array

pae： 一个 [num_tokens, num_tokens] 数组。元素（i, j）表示当使用标记 i 的框架将预测结果与真实值对齐时，标记 j 位置的预测误差。
atom_plddts： 一个[num_atoms]数组，元素 i 表示预测中原子 i 的 pLDDT。
contact_probs： 一个[num_tokens, num_tokens] 数组。元素（i，j）表示标记 i 和标记 j 接触的预测概率（每个标记的代表原子之间的距离为 8 Å）。
token_chain_ids： 一个[num_tokens]数组，表示预测中每个标记对应的链 id。
atom_chain_ids： 一个[num_atoms]数组，表示预测中每个原子对应的链 id。

参考

AlphaFold Sever
AlphaFold 3 Input
AlphaFold 3 Output