AlphaFold 3

本软件包提供了 AlphaFold 3 推理流程的实现。获取模型参数的方法详见下文。您仅可使用直接从 Google 获得的 AlphaFold 3 模型参数。使用需遵守使用条款。

任何披露使用本源代码、模型参数或其生成输出所产生研究结果的出版物，均应引用论文《Accurate structure prediction of biomolecular interactions with AlphaFold 3》（https://doi.org/10.1038/s41586-024-07487-w）。

有关该方法的详细说明，另请参阅补充信息。

AlphaFold 3 也可通过 alphafoldserver.com 进行非商业用途使用，但其配体和共价修饰的可选项更为有限。

如有任何问题，请联系 AlphaFold 团队：alphafold@google.com。

获取模型参数

本代码库包含 AlphaFold 3 推理所需的全部代码。您可以从 https://storage.googleapis.com/alphafold3/af3.bin.zst 下载 AlphaFold 3 模型参数。使用需遵守使用条款。

安装与运行首次预测

详见安装文档。

安装 AlphaFold 3 后，您可以使用如下所示的输入 JSON 文件（命名为 fold_input.json）测试您的设置：

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

然后，您可以使用以下命令运行 AlphaFold 3：

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

你可以向 run_alphafold.py 命令传递多种标志，若要列出所有标志，请运行 python run_alphafold.py --help。控制 AlphaFold 3 运行哪些部分的两个基本标志如下：

• --run_data_pipeline（默认值为 true）：是否运行数据处理流程，即基因和模板搜索。此部分仅使用 CPU，耗时较长，可在没有 GPU 的机器上运行。
• --run_inference（默认值为 true）：是否运行推理。此部分需要 GPU。

AlphaFold 3 输入

请参见 输入文档。

AlphaFold 3 输出

请参见 输出文档。

性能

请参见 性能文档。

已知问题

已知问题记录在 已知问题文档 中。

如果问题未在 已知问题 或 问题跟踪器 中列出，请创建问题。

引用本工作

任何公开披露使用本源代码、模型参数或由此产生的输出所获得的研究成果的出版物，均应引用：

@article{Abramson2024,
  author  = {Abramson, Josh and Adler, Jonas and Dunger, Jack and Evans, Richard and Green, Tim and Pritzel, Alexander and Ronneberger, Olaf and Willmore, Lindsay and Ballard, Andrew J. and Bambrick, Joshua and Bodenstein, Sebastian W. and Evans, David A. and Hung, Chia-Chun and O’Neill, Michael and Reiman, David and Tunyasuvunakool, Kathryn and Wu, Zachary and Žemgulytė, Akvilė and Arvaniti, Eirini and Beattie, Charles and Bertolli, Ottavia and Bridgland, Alex and Cherepanov, Alexey and Congreve, Miles and Cowen-Rivers, Alexander I. and Cowie, Andrew and Figurnov, Michael and Fuchs, Fabian B. and Gladman, Hannah and Jain, Rishub and Khan, Yousuf A. and Low, Caroline M. R. and Perlin, Kuba and Potapenko, Anna and Savy, Pascal and Singh, Sukhdeep and Stecula, Adrian and Thillaisundaram, Ashok and Tong, Catherine and Yakneen, Sergei and Zhong, Ellen D. and Zielinski, Michal and Žídek, Augustin and Bapst, Victor and Kohli, Pushmeet and Jaderberg, Max and Hassabis, Demis and Jumper, John M.},
  journal = {Nature},
  title   = {Accurate structure prediction of biomolecular interactions with AlphaFold 3},
  year    = {2024},
  volume  = {630},
  number  = {8016},
  pages   = {493–-500},
  doi     = {10.1038/s41586-024-07487-w}
}

致谢

AlphaFold 3 的发布离不开以下人员的宝贵贡献：

Andrew Cowie、Bella Hansen、Charlie Beattie、Chris Jones、Grace Margand、Jacob Kelly、James Spencer、Josh Abramson、Kathryn Tunyasuvunakool、Kuba Perlin、Lindsay Willmore、Max Bileschi、Molly Beck、Oleg Kovalevskiy、Sebastian Bodenstein、Sukhdeep Singh、Tim Green、Toby Sargeant、Uchechi Okereke、Yotam Doron 以及 Augustin Žídek（工程负责人）。

我们也向来自 Google 和 Isomorphic Labs 的合作伙伴表示感谢。

AlphaFold 3 使用了以下独立的库和软件包：

• abseil-cpp 和 abseil-py
• Docker
• DSSP
• HMMER Suite
• Haiku
• JAX
• libcifpp
• NumPy
• pybind11 和 pybind11_abseil
• RDKit
• Tokamax
• tqdm

感谢所有这些库和软件包的贡献者与维护者！

联系我们

如果您有本概述中未涵盖的任何问题，请通过 alphafold@google.com 联系 AlphaFold 团队。

我们非常希望听到您的反馈，并了解 AlphaFold 3 在您的研究中如何发挥作用。请通过 alphafold@google.com 与我们分享您的故事。

许可与免责声明

本产品并非 Google 官方支持的产品。

版权所有 2024 DeepMind Technologies Limited。

AlphaFold 3 源代码和模型参数

AlphaFold 3 源代码根据 Apache 许可证 2.0 版（以下简称“许可证”）授权；您只有遵守许可证的规定，才能使用其源代码。您可以在 http://www.apache.org/licenses/LICENSE-2.0 获取许可证副本。

AlphaFold 3 模型参数是根据 AlphaFold 3 模型参数使用条款（以下简称“条款”）提供的；您只有遵守条款的规定，才能使用这些参数。您可以在 https://github.com/google-deepmind/alphafold3/blob/main/WEIGHTS_TERMS_OF_USE.md 获取条款副本。

除非适用法律要求，否则 AlphaFold 3 及其输出均按“原样”提供，不提供任何明示或暗示的保证或条件。您应自行负责判断使用 AlphaFold 3、或使用/分发其源代码或输出是否合适，并承担与此类使用或分发以及您根据相关条款行使权利和履行义务相关的任何及所有风险。输出是具有不同置信度的预测，应谨慎解读。在依赖、发布、下载或以其他方式使用 AlphaFold 3 资产之前，请谨慎行事。

AlphaFold 3 及其输出仅用于理论建模。它们并非为临床用途而设计、验证或批准。您不应将 AlphaFold 3 及其输出用于临床目的，或依赖它们获取医疗或其他专业建议。任何有关这些主题的内容仅作信息参考之用，不能替代专业人士的建议。有关权限和限制的具体规定，请参见相关条款。

第三方软件

使用上述致谢部分中提及的第三方软件、库或代码，可能受单独的条款、条件或许可规定约束。您对第三方软件、库或代码的使用须遵守此类条款，在使用前应确保能够遵守任何适用的限制或条款与条件。

镜像和参考数据库

以下数据库已：(1) 由 Google DeepMind 进行镜像；(2) 部分包含在推理代码包中用于测试目的，并可通过以下参考获取：

• BFD（已修改），由 Steinegger M. 和 Söding J. 开发，经 Google DeepMind 修改，可在知识共享署名 4.0 国际许可协议下获取。详情请参见AlphaFold 蛋白质组论文的方法部分。
• PDB（未修改），由 H.M. Berman 等人开发，不受任何版权限制，在CC0 1.0 通用（CC0 1.0）公共领域贡献协议下完全免费提供给非商业和商业使用。
• MGnify: v2022_05（未修改），由 Mitchell AL 等人开发，不受任何版权限制，在CC0 1.0 通用（CC0 1.0）公共领域贡献协议下完全免费提供给非商业和商业使用。
• UniProt: 2021_04（未修改），由 UniProt 联盟开发，可在知识共享署名 4.0 国际许可协议下获取。
• UniRef90: 2022_05（未修改），由 UniProt 联盟开发，可在知识共享署名 4.0 国际许可协议下获取。
• NT: 2023_02_23（已修改）详情请参见AlphaFold 3 论文的补充信息。
• RFam: 14_4（已修改），由 I. Kalvari 等人开发，不受任何版权限制，在CC0 1.0 通用（CC0 1.0）公共领域贡献协议下完全免费提供给非商业和商业使用。详情请参见AlphaFold 3 论文的补充信息。
• RNACentral: 21_0（已修改），由 RNAcentral 联盟开发，不受任何版权限制，在CC0 1.0 通用（CC0 1.0）公共领域贡献协议下完全免费提供给非商业和商业使用。详情请参见AlphaFold 3 论文的补充信息。