Πρόβλεψη Μοριακών Δομών με AlphaFold 2 και 3

Εισαγωγή

Τον Οκτώβριο του 2024, το Νόμπελ Χημείας αναγνώρισε το έργο του AlphaFold 2, ενός μοντέλου βαθιάς μάθησης που αναπτύχθηκε από την Google DeepMind και προβλέπει με ακρίβεια την τρισδιάστατη δομή μιας πρωτεΐνης αποκλειστικά από την ακολουθία αμινοξέων της. Το να πούμε ότι αυτό το έργο είναι επαναστατικό φαίνεται υποτιμητικό, δεδομένου του κρίσιμου ρόλου που παίζουν οι πρωτεΐνες στις βιολογικές διαδικασίες και του πόσο αλληλένδετη είναι η δομή μιας πρωτεΐνης με τη λειτουργία της. Ιστορικά, οι ερευνητές αφιέρωναν ολόκληρο το διδακτορικό τους ή χρόνια της καριέρας τους προσπαθώντας να λύσουν τη δομή ενός μόνο πρωτεϊνικού μορίου χρησιμοποιώντας πειραματικές μεθόδους όπως η ακτινογραφία X ή η κρυο-ηλεκτρονική μικροσκοπία. Αυτό επιβράδυνε αρκετούς τομείς της βιολογικής έρευνας, συμπεριλαμβανομένου του εντοπισμού καλών υποψηφίων φαρμάκων για τη θεραπεία μιας πληθώρας διαταραχών που επί του παρόντος είναι ανίατες.

Κύρια Συμπεράσματα

• Το AlphaFold 2 δεν προορίζεται να ανταγωνιστεί τις πειραματικές τεχνικές του εργαστηρίου, αλλά να παρέχει ελέγξιμες υποθέσεις που μπορούν να καθοδηγήσουν τους ερευνητές στην πρόβλεψη της δομής των πρωτεϊνών. Το AlphaFold 2 εκπαιδεύτηκε με δεδομένα από την Τράπεζα Δεδομένων Πρωτεϊνών.

• Το AlphaFold 3 διαθέτει επιπλέον δυνατότητες πέρα από το AlphaFold 2, συμπεριλαμβανομένης της ικανότητας να προβλέπει τις δομές σύνθετων που περιέχουν όλους τους μοριακούς τύπους που υπάρχουν στην Τράπεζα Δεδομένων Πρωτεϊνών, εκτός από τα μόρια νερού. Το AlphaFold 3 μπορεί να χειριστεί:

  • Σύμπλοκα πρωτεϊνών με DNA, RNA, μικρά μόρια-συνδέτες και ιόντα
  • Δομές με μετα-μεταφραστικές τροποποιήσεις πρωτεϊνών (συμπεριλαμβανομένης της γλυκοζυλίωσης)

• Τanto το AlphaFold 2 όσο και το 3 χρησιμοποιούν MSA (Πολλαπλή Στοίχιση Ακολουθιών) ως είσοδο, αλλά το AlphaFold 3 χρησιμοποιεί αλυσίδες RNA εκτός από πρωτεΐνες.

• Το AlphaFold 2 είναι δωρεάν για χρήση υπό την άδεια Apache 2.0, ενώ το AlphaFold 3 περιορίζεται σε μη εμπορική χρήση.

Προαπαιτούμενα

Δεδομένου ότι αυτό το άρθρο καλύπτει την πρόβλεψη της μοριακής δομής, συνιστούμε να έχετε ή να αποκτήσετε εξοικείωση με τα βιομόρια και τη σχετική βιολογική ορολογία (π.χ. πρωτεΐνες, RNA, λιγάνδες κ.λπ.). Θα χρειαστεί επίσης να ζητήσετε τις παραμέτρους του μοντέλου Alphafold 3 για να χρησιμοποιήσετε το μοντέλο Alphafold 3 μη εμπορικά. Η πρόσβαση μπορεί να χορηγηθεί μέσα σε 2-3 εργάσιμες ημέρες.

Επιπλέον, για να ακολουθήσετε τις οδηγίες ανάπτυξης, το άρθρο υποθέτει γνώση τεχνικών εννοιών, συμπεριλαμβανομένης της υποδομής cloud (Linux-Console.net GPU Droplets), λειτουργιών μέσω γραμμής εντολών (SSH, git) και containerization χρησιμοποιώντας Docker.

Κατανόηση των Εισόδων

Πολλαπλή Σειριακή Στοίχιση

Το AlphaFold2 χρησιμοποιεί Πολλαπλή Σύζευξη Ακολουθιών (MSA) για να κατανοήσει τις εξελικτικές σχέσεις μεταξύ των πρωτεϊνών. Η MSA είναι αποτελεσματική επειδή η λογική λέει ότι τα αμινοξέα που έρχονται σε επαφή μεταξύ τους έχουν πιθανότητες να εμφανίσουν αμφότερα μεταλλαγές εάν προκληθεί μια μετάλλαξη.

Αρχιτεκτονική Μοντέλου (AF2 vs. AF3)

Κατανόηση των Αποτελεσμάτων

Δείκτες Εμπιστοσύνης

Το AlphaFold παρέχει δείκτες αξιοπιστίας, όπως pLDDT, pTM και PAE.

pLDDT

Το pLDDT (προβλεπόμενο τεστ διαφοράς τοπικών αποστάσεων) αναφέρεται στην πρόβλεψη της τιμής LDDT (Τοπικό Τεστ Διαφοράς Αποστάσεων). Αυτή η τιμή είναι ένα μέτρο της εμπιστοσύνης στη τοπική δομή ανά κατάλοιπο. Με άλλα λόγια, πόσο σίγουροι είμαστε ότι η προβλεπόμενη δομή συμφωνεί με μια πειραματική δομή. Αυτή η τιμή κυμαίνεται από 0 έως 100, όπου οι υψηλότερες τιμές υποδεικνύουν μεγαλύτερη εμπιστοσύνη και συνήθως πιο ακριβή πρόβλεψη.

pTM και ipTM

Ο προβλεπόμενος βαθμός μοντελοποίησης προτύπου (pTM) και ο βαθμός προβλεπόμενης μοντελοποίησης προτύπου διεπαφής (ipTM) προκύπτουν και οι δύο από το βαθμό μοντελοποίησης προτύπου, ο οποίος μετρά την ακρίβεια ολόκληρης της δομής. Ένας βαθμός pTM άνω του 0,5 υποδηλώνει ότι η προβλεπόμενη αναδίπλωση του συμπλέγματος μπορεί να ταιριάζει με την πραγματική δομή. Το ipTM αξιολογεί τη προβλεπόμενη σχετική θέση των υπομονάδων: τιμές πάνω από 0,8 δείχνουν προβλέψεις υψηλής εμπιστοσύνης, κάτω από 0,6 υποδηλώνουν πιθανή αποτυχία, και 0,6-0,8 είναι αβέβαιο. Για μικρές δομές ή μικρές αλυσίδες (κάτω από 20 μονάδες), η βαθμολόγηση TM γίνεται υπερβολικά αυστηρή, παράγοντας τιμές pTM κάτω από 0,05· εδώ, το PAE ή το pLDDT δείχνουν καλύτερα την ποιότητα της πρόβλεψης.

ΑΕ

Το PAE, προβλεπόμενο σφάλμα ευθυγράμμισης, είναι ένα μέτρο του πόσο σίγουρος είναι το AlphaFold 2 για τη σχετική θέση και προσανατολισμό δύο αμινοξέων (μονάδων) στη προβλεπόμενη δομή. Οι υψηλότερες τιμές αντιστοιχούν σε μεγαλύτερο προβλεπόμενο σφάλμα και συνεπώς σε χαμηλότερη εμπιστοσύνη.

Πρέπει να χρησιμοποιήσω το AlphaFold 2 ή 3;

Το AlphaFold 3 ξεπερνά το AlphaFold 2 σε ακρίβεια και μπορεί να προβλέψει σύμπλοκα πολλαπλών μορίων, αλλά οι διαφορές αδειοδότησης σημαίνουν ότι το AlphaFold 2 παραμένει απαραίτητο για πολλούς χρήστες. Το AlphaFold 2 διατίθεται ελεύθερα για ακαδημαϊκή και εμπορική χρήση με την άδεια Apache 2.0, ενώ το AlphaFold 3 περιορίζεται μόνο σε μη εμπορική χρήση, δεν μπορείτε να το χρησιμοποιήσετε για εμπορική έρευνα, για να εκπαιδεύσετε ανταγωνιστικά μοντέλα ML ή να παράγετε αποτελέσματα για εμπορικούς σκοπούς. Επιπλέον, οι βαθμολογίες εμπιστοσύνης του AlphaFold 3 για τα πολυμερή επηρεάζονται σε μεγάλο βαθμό από μη πολυμερές πλαίσιο, όπως ιόντα ή συνδέτες, επομένως για μελέτες μόνο πολυμερών, όπως αλληλεπιδράσεις πρωτεΐνης-πρωτεΐνης, μπορεί να χρειαστεί να προσθέσετε μόρια με βάση τα συμφραζόμενα για να λάβετε αξιόπιστες βαθμολογίες, ενώ το AlphaFold 2 αποφεύγει αυτή την πολυπλοκότητα αν και με ελαφρώς χαμηλότερη ακρίβεια. Δεδομένων αυτών των παραγόντων, η Google DeepMind συνεχίζει να υποστηρίζει το AlphaFold 2 ως πολύτιμο εργαλείο για έρευνα και ανάπτυξη.

Alphafold 2 στο Linux-Console.net

Το AlphaFold 2 απαιτεί τη λήψη περίπου ~2,5 TB γενετικών βάσεων δεδομένων (UniRef90, MGnify, BFD, κτλ.). Θα χρειαστεί να συνδέσουμε έναν Όγκο Αποθήκευσης Block (2,5 TB για το AF2 ή 1 TB για το AF3) για να φιλοξενήσει τις γενετικές βάσεις δεδομένων.

Βήμα 1: Ρύθμιση Περιβάλλοντος (AF2)

Επιλέξτε την εικόνα Ubuntu «AI/ML Ready» για να βεβαιωθείτε ότι οι οδηγοί NVIDIA και το Docker είναι προεγκατεστημένα.

Συνδεθείτε στο GPU Droplet σας μέσω SSH:

ssh root@your_droplet_ip

Χρειαζόμαστε επίσης να διασφαλίσουμε ότι το σύστημά μας είναι ενημερωμένο.

Ενημερώστε τον τοπικό δείκτη πακέτων σας.

sudo apt update && sudo apt upgrade -y

Κατεβάστε τις γενετικές βάσεις δεδομένων και τις παραμέτρους του μοντέλου. Αυτό το βήμα μπορεί να πάρει λίγο χρόνο.

scripts/download_all_data.sh /path/to/your/storage > download.log 2> download_error.log &

Βήμα 3: Δημιουργήστε την εικόνα Docker και εγκαταστήστε τις εξαρτήσεις

docker build -f docker/Dockerfile -t alphafold .
pip3 install -r docker/requirements.txt

Βήμα 4: Εκτέλεση του Μοντέλου

python3 docker/run_docker.py \
  --fasta_paths=your_protein.fasta \
  --max_template_date=2022-01-01 \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

Alphafold 3 στο Linux-Console.net

Θα σας δείξουμε επίσης πώς να τρέξετε το AlphaFold 3 χρησιμοποιώντας τα GPU Droplets μας. Σημειώστε ότι αυτό το μοντέλο περιορίζεται σε μη εμπορική χρήση. Συμπληρώστε αυτή τη φόρμα για να λάβετε πρόσβαση στις παραμέτρους του μοντέλου. Η άδεια συνήθως χορηγείται εντός 2-3 εργάσιμων ημερών.

Βήμα 1: Ρύθμιση Περιβάλλοντος (AF3)

Επιλέξτε την εικόνα Ubuntu «AI/ML Ready» για να βεβαιωθείτε ότι οι οδηγοί NVIDIA και το Docker είναι προεγκατεστημένα.

Συνδεθείτε στο GPU Droplet σας μέσω SSH:

ssh root@your_droplet_ip

Βήμα 2: Κλωνοποιήστε το Αποθετήριο

Εγκαταστήστε το git και κατεβάστε το αποθετήριο AlphaFold 3:

git clone https://github.com/google-deepmind/alphafold3.git
cd alphafold3

Βήμα 3: Εκτέλεση του Μοντέλου Alphafold 3

docker build -t alphafold3 -f docker/Dockerfile .

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DB_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

Συχνές Ερωτήσεις

Ποιες είναι οι κύριες διαφορές μεταξύ του AlphaFold 2 και του AlphaFold 3;

Ενώ το AlphaFold 2 επανάστασε την πρόβλεψη της δομής των πρωτεϊνών, το AlphaFold 3 διευρύνει σημαντικά τους ορίζοντες. Οι βασικές διαφορές περιλαμβάνουν:

• Μοριακό Εύρος: Το AF2 επικεντρώνεται σχεδόν αποκλειστικά στις πρωτεΐνες. Το AF3 μπορεί να προβλέψει συμπλέγματα που περιλαμβάνουν DNA, RNA, λιγκάνδες και ιόντα.
• Αρχιτεκτονική: Το AF2 χρησιμοποιεί τη μονάδα «Evoformer», ενώ το AF3 αξιοποιεί έναν απλούστερο «Pairformer» και μια κεφαλή βασισμένη σε διάχυση.
• Άδεια χρήσης: Αυτό είναι το σημαντικό. Το AF2 υπάγεται στην άδεια Apache 2.0 (επιτρέπεται η εμπορική χρήση), ενώ το AF3 περιορίζεται προς το παρόν σε μη εμπορική χρήση.

Γιατί χρειάζομαι 2,5 TB αποθήκευσης για το AlphaFold 2;

Το ίδιο το μοντέλο δεν καταλαμβάνει πολύ χώρο αποθήκευσης - είναι στην πραγματικότητα οι γενετικές βάσεις δεδομένων. Το AlphaFold 2 βασίζεται στην Πολλαπλή Σειριακή Ευθυγράμμιση (MSA) για να κατανοήσει πώς έχουν εξελιχθεί οι πρωτεΐνες. Για να το κάνει αυτό, χρειάζεται να αναζητήσει μέσα από τεράστιες βιβλιοθήκες όπως οι UniRef90, MGnify και η Μεγάλη Φανταστική Βάση Δεδομένων (BFD).

Σημείωση: Εάν έχετε περιορισμένο χώρο αποθήκευσης, το AlphaFold 3 απαιτεί μικρότερο αποτύπωμα βάσης δεδομένων (~1 TB) σε σύγκριση με ολόκληρο το πακέτο AlphaFold 2.

Πώς μπορώ να ερμηνεύσω τους βαθμούς εμπιστοσύνης $pLDDT$;

Το pLDDT (προβλεπόμενο Τοπικό Τεστ Διαφοράς Αποστάσεων) είναι ένα μέτρο εμπιστοσύνης ανά υπόλειμμα σε κλίμακα από 0 έως 100:

• <απόσπασμα>

  90: Υψηλή εμπιστοσύνη· αυτές οι περιοχές είναι πιθανό να είναι πολύ ακριβείς και μπορούν να χρησιμοποιηθούν για λεπτομερή ανάλυση της δομής.

• 70 - 90: Καλή αυτοπεποίθηση· η σπονδυλική στήλη είναι πιθανώς σωστή.
• 50 - 70: Χαμηλή εμπιστοσύνη· να είστε προσεκτικοί.
• < 50: Πολύ χαμηλή εμπιστοσύνη· αυτές οι περιοχές συχνά είναι «ενδογενώς ακατάστατες», που σημαίνει ότι δεν έχουν σταθερή τρισδιάστατη δομή μόνες τους.

Μπορώ να τρέξω το AlphaFold σε ένα τυπικό Droplet χωρίς GPU;

Τεχνικά, το «δίπλωμα» (συμπερασματολογία) θα μπορούσε να τρέξει σε CPU, αλλά θα ήταν απαγορευτικά αργό - αυτό θα χρειάζονταν ημέρες ή εβδομάδες για σύνθετες δομές που μια GPU χειρίζεται σε λεπτά. Επιπλέον, οι εικόνες Docker του AlphaFold είναι βελτιστοποιημένες για το εργαλείο CUDA της NVIDIA. Για οποιαδήποτε πρακτική έρευνα, ένα GPU Droplet από το Linux-Console.net είναι ουσιαστικά απαραίτητο.

Τι είναι μια συμβολοσειρά SMILES και γιατί το AlphaFold 3 τη χρειάζεται;

Το SMILES σημαίνει Απλοποιημένο Σύστημα Εισαγωγής Μοριακής Γραμμής. Είναι ένα σύστημα σημειογραφίας που αναπαριστά τις χημικές δομές ως μία ακολουθία κειμένου. Δεδομένου ότι το AlphaFold 3 μπορεί να προβλέψει πώς οι πρωτεΐνες αλληλεπιδρούν με μικρά φαρμακευτικά μόρια (λιγάνδια), παρέχετε τη δομή του φαρμάκου μέσω μιας ακολουθίας SMILES (π.χ., CC(=O)OC1=CC=CC=C1C(=O)O για την Ασπιρίνη).

Η προβλεπόμενη δομή είναι «τελική»;

Όχι απαραίτητα. Αν και το AlphaFold είναι εξαιρετικά ακριβές, είναι ένα προβλεπτικό μοντέλο και όχι μια πειραματική παρατήρηση. Στην ανακάλυψη φαρμάκων ή στη μοριακή βιολογία, το AlphaFold χρησιμοποιείται καλύτερα για τη δημιουργία υποθέσεων που μπορούν να ελεγχθούν, αλλά για να καθοδηγήσει επαληθεύσιμα πειράματα στο εργαστήριο.

Συμπέρασμα

Συγχαρητήρια που τα κατάφερες. Μόλις (ελπίζουμε με επιτυχία) ανέπτυξες το Alphafold 2 και/ή 3 σε ένα GPU Droplet του Linux-Console.net με Αποθηκευτικό Χώρο Volume του Linux-Console.net. Το AlphaFold καθιστά τη δομική βιολογία πιο προσιτή, επιτρέποντας στους ερευνητές παγκοσμίως να αποκτούν γνώσεις που θα απαιτούσαν χρόνια δαπανηρής πειραματικής εργασίας. Ωστόσο, ορισμένοι ερευνητές προειδοποιούν ότι η αποκλειστική εξάρτηση από το AlphaFold χωρίς πειραματική επικύρωση —ιδιαίτερα στην ανακάλυψη φαρμάκων— μπορεί να οδηγήσει σε λανθασμένα μηχανιστικά μοντέλα, υπογραμμίζοντας τη συνεχιζόμενη σημασία του συνδυασμού υπολογιστικών προβλέψεων με εργαστηριακή επαλήθευση. Πέρα από την άμεση επιστημονική του επίδραση, το AlphaFold αποτελεί παράδειγμα για το πώς η τεχνητή νοημοσύνη μπορεί να αντιμετωπίσει σύνθετες επιστημονικές προκλήσεις, προσφέροντας μια εικόνα για το πώς τα υπολογιστικά εργαλεία θα συνεχίσουν να αναδιαμορφώνουν την κατανόησή μας για τον φυσικό κόσμο και την ικανότητά μας να αντιμετωπίζουμε επείγουσες προκλήσεις στην επιστημονική ανακάλυψη.

Αναφορές και Επιπρόσθετοι Πόροι

Άρθρο AlphaFold 2: Πολύ ακριβής πρόβλεψη δομής πρωτεϊνών με το AlphaFold

Άρθρο AlphaFold3: Ακριβής πρόβλεψη δομής βιομοριακών αλληλεπιδράσεων με το AlphaFold 3

Πολυπλήρες Ευθυγράμμιση Ακολουθιών: Αυτός είναι ένας εξαιρετικός πόρος για να αναπτύξετε την αντίληψή σας γύρω από την MSA.

Πρόβλεψη δομών πρωτεϊνών με ColabFold και AlphaFold2 Colab: Αυτό θα σας παρέχει ένα υπόβαθρο για την εκτέλεση του AlphaFold χωρίς να χρειάζεται να εγκαταστήσετε και να τρέξετε το πλήρες λογισμικό AlphaFold2. Εδώ, οι πιο σημαντικές παράμετροι που μπορούν να αλλάξουν είναι: ο αριθμός των επαναλήψεων (recycles), το βάθος του πολλαπλού ευθυγραμμισμένου ακολουθιακού (MSA), οι τυχαίοι σπόροι που χρησιμοποιούνται για την αρχικοποίηση των προβλέψεων και το αν θα παρέχετε μια δομή προτύπου. Η έξοδος του ColabFold περιλαμβάνει αρχεία PDB, τιμές/διαγράμματα pLDDT, αρχείο MSA κ.ά.

Συχνές Ερωτήσεις για τον Διακομιστή AlphaFold: Ο Διακομιστής AlphaFold είναι μια ακόμη εναλλακτική για την εκτέλεση του AlphaFold3.

Ευχαριστούμε που μάθατε με την Κοινότητα Linux-Console.net.