AlphaFold3 是由谷歌 DeepMind 公司于 2024 年开发的人工智能 (AI) 工具。AlphaFold 3 模型采用了基于扩散的架构，不仅能够预测蛋白质结构，还能精确预测包括核酸、小分子、离子和修饰残基在内的复合物结构。
与以往的专门工具相比，AlphaFold 3 在准确性上取得了巨大飞跃：
该教程将介绍如何快速部署并使用 AlphaFold3 预测蛋白质。
教程链接：https://go.openbayes.com/dfmJK
使用云平台：OpenBayes
http://openbayes.com/console/signup?r=sony_0m6v
登录 http://OpenBayes.com，在「公共教程」页面，选择「AlphaFold3 蛋白质预测 Demo」教程。
页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
选择「NVIDIA A6000」以及「PyTorch」镜像，OpenBayes 平台上线了新的计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。可以使用文章开头的邀请链接，获得 RTX 4090 使用时长！
稍等片刻，待系统分配好资源，当状态变为「运行中」后，点击「打开工作空间」。
下面演示运行步骤：
1. 进入工作空间后，我们新建一个终端，输入「conda activate /input0/af3」进入开发环境。
2. 将想要预测的蛋白质文件放在指定目录。
指定输入文件：run_alphafold.py
您可以通过以下两种方式之一提供输入该文件：
- 单个输入文件：使用 --json_path 标志后跟单个 JSON 文件的路径。
- 多个输入文件：使用 --input_dir 标志，后跟 JSON 文件目录的路径。
3.输入以下命令运行 AlphaFold 3：
python ./alphafold3/run_alphafold.py --json_path /openbayes/home/input/alphafold_input.json --model_dir /input1/ --db_dir /input0/AF3_database/ --output_dir /openbayes/home/output
4. 生成结果均可在教程中找到介绍。
5. 等待模型计算完成后，可在 /home/output/2pv7 目录中找到 cif 文件，将其下载到本地。
本教程采取 VScode 中的 Protein Viewer 插件进行可视化展示，将文件下载到本地后，打开 VScode 并安装插件。
使用 Protein Viewer 打开下载好的 cif 文件即可。
