接下來是安裝docker，

? 其實(shí)之前公司幫忙安好了conda版的，可以通過module模式加載af2環(huán)境，類似deepEM_hancer_dev。就是沒下載Database，我一開始下載Database失敗，以為他沒裝好，一怒之下把所有alphafold相關(guān)的文件夾都刪干凈了，自然啥都沒有了。

? ? ? ? 為了不破壞集群環(huán)境，一開始嘗試使用conda版安裝，但是后面被我把conda環(huán)境搞壞了，報(bào)錯(cuò)逐漸加重，一開始是少數(shù)幾條命令報(bào)錯(cuò)，搞到第二天，幾乎所有conda命令都報(bào)錯(cuò)，而且也不彈出報(bào)錯(cuò)信息了，就卡住。??應(yīng)該是conda的python,user site-packages沒有隔離時(shí),運(yùn)行了pip install導(dǎo)致,但是我解決不了。看了下conda環(huán)境目錄的cryosparc還能正常運(yùn)行，deepEMhancer和Topaz現(xiàn)在都可以依賴cryosparc運(yùn)行，應(yīng)該也沒問題。還好，不算搞砸。

? ? ? ? 那只能用docker安裝了。docker我報(bào)了很多錯(cuò)，查了許多教程，所以下面的命令可能是冗余的。

一開始列出可安裝的docker版本號(hào)

yum list docker-ce --showduplicates | sort -r

沒結(jié)果

需要設(shè)置鏡像倉庫。

sudo yum install -y yum-utils \

device-mapper-persistent-data \

lvm2

顯示：都安裝好的

設(shè)置穩(wěn)定版?zhèn)}庫：

sudo yum-config-manager \

? --add-repo \

? https://download.docker.com/linux/centos/docker-ce.rep

然后再運(yùn)行上述命令，

yum list docker-ce --showduplicates | sort -r

可以的，就挑了一個(gè)版本安裝

?sudo yum install docker-ce-24.0.2-1 docker-ce-cli-24.0.2-1 containerd.io

報(bào)錯(cuò)

yum clean all

yum makecache

再運(yùn)行上面的安裝特定版本，成功安裝

啟動(dòng)docker

systemctl start docker

啟動(dòng)不了，報(bào)錯(cuò)

上面的命令可能有些是有用的，但我不清楚哪些有用。

yum update -y

yum install -y yum-utils device-mapper-persistent-data lvm2

yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

yum install docker-ce

啟動(dòng)docker

systemctl start docker

docker run hello-world

成功！

接下來設(shè)置非root啟動(dòng)docker

官方文檔

https://docs.docker.com/engine/install/linux-postinstall/#manage-docker-as-a-non-root-user

?sudo usermod -aG docker spuser

spuser是用戶名

應(yīng)用更改

newgrp docker

測(cè)試

?docker run hello-world

成功

接下來在docker中安裝?NVIDIA Container Toolkit for GPU support. 我們集群是CentOS7.9,就按官方文檔安裝。

Setup the repository and the GPG key:

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \

?? curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.repo | sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo

sudo yum-config-manager --enable libnvidia-container-experimental

sudo yum clean expire-cache

sudo yum install -y nvidia-container-toolkit

sudo nvidia-ctk runtime configure --runtime=docker

sudo systemctl restart docker

sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi

上面的命令是檢查是否成功，命令輸入的版本號(hào)和自己版本號(hào)是不一樣的。

我輸入上述命令失敗后，又使用alphafold教程里的命令

docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi

雖然我的cuda版本是11.2，高于11.0，還是失敗。當(dāng)時(shí)以為沒裝好，又反復(fù)找教程卸了重裝。

后來發(fā)現(xiàn)

sudo docker run --gpus all --rm nvidia/cuda:10.0-base nvidia-smi

輸入這個(gè)成功，看來檢測(cè)時(shí)也不能用版本太高的命令。

docker build -f docker/Dockerfile -t alphafold .

pip3 install -r docker/requirements.txt

等一兩個(gè)小時(shí)吧，就好了。

有教程改腳本，更改輸出目錄，但其實(shí)運(yùn)行alphafold時(shí)命令里可以添加輸出位置，不需要在腳本里改，但我還是改了

?cd alphafold/docker

?vim alphafold/docker/run_docker.py

output_dir后面改為輸出結(jié)果的絕對(duì)路徑

運(yùn)行官方命令報(bào)錯(cuò)，索性用下面這個(gè)命令（所以改非管理員權(quán)限運(yùn)行docker改了個(gè)寂寞，最后還得管理員才不報(bào)錯(cuò)）

sudo python3 /絕對(duì)路徑alphafold/docker/run_docker.py \

? --fasta_paths=/絕對(duì)路徑/linker.fasta \

? --max_template_date=2023-06-09（當(dāng)天或者當(dāng)天前一天，我傾向于前一天） \

? --model_preset=monomer（多條鏈的復(fù)合物就是multimer） \

? --data_dir=/絕對(duì)路徑/Database \

? --gpu_devices=0,1（GPU編號(hào)） \

? --output_dir=/絕對(duì)路徑/prediction/test

運(yùn)行上，會(huì)有報(bào)錯(cuò)消息，不影響運(yùn)行

?

TPU是谷歌創(chuàng)建的專用集成電路，可配合tensorflow使用

rocm是AMD顯卡加速

plugin那個(gè)可能跟tensorflow有關(guān)，不管了。

運(yùn)行jackhmmer時(shí)間久了會(huì)報(bào)錯(cuò)，斷開ssh

client_loop: send disconnect: Connection reset

但是我們服務(wù)器不是這樣的，就算好幾天不運(yùn)行任務(wù)也不會(huì)自動(dòng)斷開。只能是腳本運(yùn)行時(shí)出問題所以斷開。

另外確實(shí)輸出了文件，但是不確定是什么時(shí)候生成的

使用stat ranked_0.pdb查看生成時(shí)間，但系統(tǒng)時(shí)間是亂的（換算一下是次日上午八點(diǎn)，但凌晨2點(diǎn)不到就已經(jīng)斷開ssh了），也不能確定。（這個(gè)如果有人知道為什么，是否需要解決，希望評(píng)論告知，不勝感謝）

為了測(cè)試運(yùn)行是否靠譜，使用colab運(yùn)行相同序列

AlphaFold.ipynb - Colaboratory (google.com)

This Colab notebook allows you to easily predict the structure of a protein using a slightly simplified version of?AlphaFold v2.3.2.

? ? ? ?這個(gè)版本運(yùn)行到第五步會(huì)出錯(cuò)，不過在jackhmmer這一步進(jìn)行序列比對(duì)時(shí)，花費(fèi)的時(shí)間和我在本地進(jìn)行的相似，1h42min,從而說明jackhmmer運(yùn)行時(shí)間久是正常的。

AlphaFold2.ipynb - Colaboratory (google.com)

ColabFold v1.5.2-patch: AlphaFold2 using MMseqs2，這個(gè)可能更輕量化。運(yùn)行成功了。

值得注意的是，選取預(yù)測(cè)的結(jié)果時(shí)，看文件名的rank值,rank0最可信。而不是根據(jù)model數(shù)，以前我用的都是model5。

比較colab和我本地運(yùn)行的結(jié)果，發(fā)現(xiàn)跨膜區(qū)基本相似，但都和未發(fā)表結(jié)構(gòu)差別不小。

? ? ? ? 胞外有兩部分，一個(gè)相對(duì)穩(wěn)定，第二部分取向不定。colab的簡化的模型預(yù)測(cè)的5種結(jié)果取向角度范圍窄。本地運(yùn)行的范圍寬，而且rank0和colab相比，第二部分靈活區(qū)差別非常大，沒有重合。根據(jù)一個(gè)低分辨率的電子云密度來放的話,他們似乎可以分別放進(jìn)成filp的兩個(gè)map中。這部分的取向和我憑感覺往密度里搭的完全不同。有一定參考意義，真實(shí)什么樣子還要靠繼續(xù)計(jì)算電子云密度。

? ? ? ? 隨后又從github issues 區(qū)找了一個(gè)jackhmmer fail的話題，copy了解決辦法提供的fasta文件的一段序列，進(jìn)行本地運(yùn)行，確保輸入沒問題。也運(yùn)行成功了。

運(yùn)行沒問題，alphafold應(yīng)該是搭成了。接下來把database拷到另一臺(tái)集群，再搭建應(yīng)該快很多。