1. AlphaFold 简介与运行环境概述
各位同学，我们先来聊聊 AlphaFold 到底是什么。简单说，它是一个用深度学习来预测蛋白质三维结构的系统。以前做结构生物学，得靠 X 射线晶体学、冷冻电镜这些实验手段，一个结构走下来常常要几个月甚至几年。AlphaFold 把这个时间压缩到了几个小时——嗯，对计算资源的要求也确实不低。
我刚开始接触 AlphaFold 的时候，是在 2021 年夏天。那时候刚看到 DeepMind 发表的 Nature 文章，说实话，第一反应是“有那么神吗？”后来我自己搭环境跑了一轮，看到输出的 PDB 文件跟实验结构叠在一起，RMSD 只有一两个埃，确实被震撼到了。从那天起，我就开始把 AlphaFold 集成到日常的蛋白设计流程里了。
1.1 发展历程：从 CASP13 到 AlphaFold2.3
AlphaFold 不是一步登天的。它的迭代过程很清晰：
- AlphaFold 1 (CASP13, 2018)：首次把深度学习用在蛋白质结构预测上。用的是接触图预测+结构组装，效果已经领先传统方法，但跟实验结构还有差距。
- AlphaFold2 (CASP14, 2020)：架构推倒重来，用 Evoformer + Structure Module 端到端生成坐标。CASP14 上中位 GDT 达到 92.4，基本跟实验结构打平了。我们组当时是第一批在内部拿到源码的团队之一。
- AlphaFold2.3 (2022 后)：开源社区的持续优化，包括多聚体支持、MSA 搜索优化、推理加速。现在我日常用的就是 2.3 版本，搭配 UniClust30 + ColabFold 的定制化数据库，稳定性好了不少。
| 版本 | 发布时间 | 核心改进 | 我对它的评价 |
|---|---|---|---|
| AlphaFold 1 | 2018.12 | 深度学习接触图 | 开了个好头，但实战还不够 |
| AlphaFold2 | 2020.11 | Evoformer+端到端 | 真正颠覆了结构预测 |
| AlphaFold2.3 | 2022.07 | 多聚体、推理加速 | 日常干活最稳定的版本 |
一点小经验：我刚上手时直接跑 AlphaFold2 的 full 数据库，结果硬盘直接爆了。后来改用 ColabFold 的 reduced 数据库，预测质量基本没降，但磁盘占用从 2TB 降到 20GB。新手建议从 reduced 数据库开始。
1.2 应用场景：AlphaFold 能帮我们做什么
坦白讲，AlphaFold 不是万能的。但在下面这几个方向，它已经成了标准工具——
- 结构生物学：为实验数据提供初始模型，加速分子置换、冷冻电镜的模型搭建。我们去年有个项目，拿到冷冻电镜 3.5Å 的密度图后，直接用 AlphaFold 预测的结构去拟合，省了三个月的模型搭建时间。
- 药物研发：预测靶点蛋白的三维结构，辅助虚拟筛选和分子对接。你想想看，很多药物靶点根本没有实验结构，以前只能做同源建模，一个蛋白折腾两三周。AlphaFold 半小时给出候选结构，虽然不能直接用于对接，但做先导化合物优化足够了。
- 酶工程/蛋白质设计：快速评估突变对结构的影响。我在做酶的定向进化时，会先用 AlphaFold 跑十几个突变体的结构，筛掉明显会破坏折叠的突变，再去实验室做湿实验。这样能省下大量筛选时间。
- 合成生物学：预测全新设计的蛋白是否可折叠。我们组最近在做 de novo 设计，AlphaFold 的 pLDDT 分数已经成了判断设计好坏的首选指标。
遇到过一次教训：用 AlphaFold 预测膜蛋白的外区结构很准，但跨膜区的构象变化预测经常跟实验对不上。后来我发现是 MSA 里序列多样性不够导致的。膜蛋白 MSA 深度不够的情况下，输出结果要格外谨慎。
1.3 运行环境：硬件与软件栈概览
AlphaFold 对机器是有要求的。说白了，它不是一个“装个包就能跑”的轻量级工具。
硬件最低要求（能跑得动）
- GPU：NVIDIA GPU 至少 8GB 显存。我个人的经验是，RTX 3080 (10GB) 能跑单条 500 氨基酸以下的序列，但多聚体就会爆显存。
- CPU：8 核以上，用于 MSA 搜索（HHblits/Jackhmmer 很吃单核性能）。
- 内存：32GB 起步，推荐 64GB。
- 存储：全量数据库约 2.2TB；小规模数据库约 60GB。
软件环境
- 操作系统：Linux 首选（Ubuntu 20.04/22.04 最稳）。Windows 通过 WSL2 也能跑，但坑不少。
- CUDA 与 cuDNN：CUDA 11.x（对应 TF 2.8-2.11）；cuDNN 8.x。
- Python：3.7-3.10（TF 兼容性限制）。
- 框架：TensorFlow 2.8-2.11（2.12+ 有已知兼容性问题）。
- 核心工具：HHsuite、Jackhmmer、HMMER、Kalign、OpenMM（用于 relaxation）。
- 容器化：Docker 或 Singularity（我建议用 Docker，环境隔离最彻底）。
AlphaFold 官方提供了 Docker 镜像，我个人建议你直接拉镜像，别自己手动装依赖。原因很简单——依赖版本锁死非常严格，我亲眼见过同事手动编译 OpenMM 卡了三天才跑通。
典型安装流程（Docker 方式）
# 拉取官方镜像
docker pull catgumag/alphafold:2.3.2-cuda11.4
# 下载数据库（建议先下载 reduced 版本）
# scripts/download_all_data.sh 会在当前目录创建 databases 文件夹
# 运行预测
docker run --gpus all -v /path/to/data:/data \
catgumag/alphafold:2.3.2-cuda11.4 \
python /app/alphafold/run_alphafold.py \
--fasta_paths=/data/input/test.fasta \
--output_dir=/data/output \
--model_preset=monomer \
--db_preset=reduced_dbs \
--use_gpu_relax=True
节省时间的小技巧：每次跑前先检查数据库是否完整。我踩过的坑——数据库下载了一半就中断，运行了 10 分钟才报错。可以先跑 python scripts/check_db_completeness.py 确认。
1.4 本章知识体系速览
上面这张图把第一章的知识骨架串起来了。说白了，你要掌握三个核心模块：
- 发展历程：知道 AlphaFold 怎么走到今天，每个版本卡了什么瓶颈，为什么现在的 2.3 版本最稳定。
- 应用场景：搞清楚自己要在什么场景下用它——做结构解析、药物筛选还是蛋白设计，对配置和参数的要求完全不同。
- 运行环境：这部分是后面调试的基础。硬件不够、数据库缺失、依赖版本冲突，是初学者最容易翻车的三个地方。