PSP - 蛋白質(zhì)與核酸(RNA\DNA)復(fù)合物結(jié)構(gòu)預(yù)測 RoseTTAFoldNA 算法框架

這篇具有很好參考價值的文章主要介紹了PSP - 蛋白質(zhì)與核酸(RNA\DNA)復(fù)合物結(jié)構(gòu)預(yù)測 RoseTTAFoldNA 算法框架。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

歡迎關(guān)注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/134208615

Paper: Accurate prediction of nucleic acid and protein-nucleic acid complexes using RoseTTAFoldNA

GitHub: RoseTTAFold2NA

蛋白結(jié)構(gòu)預(yù)測蛋白與dna復(fù)合物,AI for Biotech,RNA,蛋白質(zhì)RNA復(fù)合物,RoseTTAFoldNA

蛋白質(zhì)-核酸復(fù)合物 (Protein - Nucleic Acid Complexes)，在生物學(xué)中發(fā)揮著關(guān)鍵作用。盡管蛋白質(zhì)結(jié)構(gòu)預(yù)測方面，最近取得了相當大的進展，但是，與已知復(fù)合物沒有同源性的蛋白質(zhì)-核酸復(fù)合物的結(jié)構(gòu)預(yù)測，在很大程度上是一個尚未解決的問題。RoseTTAFold2NA 將 RoseTTAFold 端到端深度學(xué)習(xí)方法，擴展到核酸和蛋白質(zhì)-核酸復(fù)合物的建模。已訓(xùn)練的網(wǎng)絡(luò) RoseTTAFoldNA，可以快速生成 3D 結(jié)構(gòu)模型，并且對蛋白質(zhì)-DNA 和蛋白質(zhì)-RNA 復(fù)合物以及 RNA 三級結(jié)構(gòu)進行置信估計。在這三種情況下，置信預(yù)測的準確性，都比當前最先進的方法高得多。 RoseTTAFoldNA 應(yīng)廣泛用于模擬天然存在的蛋白質(zhì)-核酸復(fù)合物的結(jié)構(gòu)，以及設(shè)計序列特異性 RNA 和 DNA 結(jié)合蛋白。

David Baker 組的工作，作者 Minkyung Baek

1. Docker 配置

Docker 環(huán)境：

# 下載 glm-nvidia-pytorch-1.11.0-cu116-py3.tar
docker image load -i glm-nvidia-pytorch-1.11.0-cu116-py3.tar

nvidia-docker run -it --name rfna-v1 --shm-size 72G -v [nfs]/[nfs] glm:nvidia-pytorch-1.11.0-cu116-py3

glm:nvidia-pytorch-1.11.0-cu116-py3，比較穩(wěn)定的 docker image ，建議作為 base image。

準備 GitHub 工程：

git clone https://github.com/uw-ipd/RoseTTAFold2NA.git
cd RoseTTAFold2NA

cd /nfs_beijing_ai/chenlong/workspace/rosettafold2na-by-chenlong

GitHub 加速代理：

https://gitclone.com/
https://ghproxy.com/
https://toolwa.com/github/

配置 Docker 環(huán)境中的 conda 源，即：

vim ~/.condarc

conda 清華源，添加：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/free
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/pro
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  nvidia: https://mirrors.sustech.edu.cn/anaconda-extra/cloud
channel_priority: disabled
allow_conda_downgrades: true

conda 南方科技源 (速度很慢，建議與清華源合并使用)，添加：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/main
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/free
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/r
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/pro
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.sustech.edu.cn/anaconda/cloud
  msys2: https://mirrors.sustech.edu.cn/anaconda/cloud
  bioconda: https://mirrors.sustech.edu.cn/anaconda/cloud
  menpo: https://mirrors.sustech.edu.cn/anaconda/cloud
  pytorch: https://mirrors.sustech.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.sustech.edu.cn/anaconda/cloud
  nvidia: https://mirrors.sustech.edu.cn/anaconda-extra/cloud
channel_priority: disabled
allow_conda_downgrades: true

顯示全部 channels：

conda config --show

配置 pip 源：

rm /opt/conda/pip.conf
rm /root/.config/pip/pip.conf
vim ~/.pip/pip.conf

[global]
no-cache-dir = true
index-url = http://mirrors.aliyun.com/pypi/simple/
extra-index-url = https://pypi.ngc.nvidia.com
trusted-host = mirrors.aliyun.com pypi.ngc.nvidia.com

2. 安裝 Python 庫

使用 yaml 安裝，適合網(wǎng)絡(luò)較好?；蛑鸩桨惭b python 庫，解決問題。

2.1 yaml 安裝

安裝 conda 環(huán)境，需要耐心等待：

conda env create -f RF2na-linux.yml

其中 RF2na-linux.yml，如下：

name: RF2NA
channels:
  - pytorch
  - nvidia
  - defaults
  - conda-forge
dependencies:
  - python=3.10
  - pip
  - pytorch
  - requests
  - pytorch-cuda=11.7
  - dglteam/label/cu117::dgl
  - pyg::pyg
  - bioconda::mafft
  - bioconda::hhsuite
  - bioconda::blast
  - bioconda::hmmer>=3.3
  - bioconda::infernal
  - bioconda::cd-hit
  - bioconda::csblast
  - pip:
    - psutil
    - tqdm

2.2 逐步安裝 (速度較快)

單步創(chuàng)建環(huán)境，注意安裝順序：

source ~/.bashrc
conda env list
conda create -y -n RF2NA python=3.10
conda activate RF2NA

conda install pip requests scipy
pip install psutil tqdm

# 優(yōu)先安裝 conda 的 python 庫
conda install -y hmmer hhsuite==3.3.0 -c bioconda
conda install -y mafft blast infernal cd-hit csblast -c bioconda
# conda install dgl-cuda11.7 -c dglteam # 可選

# pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
# nvidia 下載較慢，建議使用 pip 安裝 pytorch
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia --show-channel-urls
conda install pyg -c pyg

2.2.1 hhsuite 與環(huán)境沖突

遇到?jīng)_突錯誤，即遇到 hhsuite==3.3.0 與環(huán)境沖突，無法安裝，解決方法是使用不同的 docker image 即可，如下：

UnsatisfiableError: The following specifications were found to be incompatible with each other

建議使用 glm:nvidia-pytorch-1.11.0-cu116-py3 作為 docker 的 Base Image。

2.2.2 安裝 dglteam (可選)

(可選) 安裝 dgl 較慢，建議下載，再配置安裝 dglteam，如下：

# dgl-cuda11.7       dglteam/linux-64::dgl-cuda11.7-0.9.1post1-py310_0
# dgl-cuda11.7-0.9.1post1-py310_0.tar.bz2, 約 220 M
# 下載鏈接：https://conda.anaconda.org/dglteam/linux-64
conda install ./dgl-cuda11.7-0.9.1post1-py310_0.tar.bz2

2.2.3 安裝 PyTorch

使用 conda 安裝 pytorch 較慢時，建議使用 pip 進行安裝，速度較快。測試 PyTorch 是否可用：

conda install scipy
pip install psutil==5.8.0 tqdm
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2

即：

python

import torch
print(torch.__version__)  # 2.0.1+cu117
print(torch.cuda.is_available())  # True

2.2.4 安裝 PyG

安裝 pyg 包，也可以使用 pip 進行安裝，參考 pytorch-geometric - Installation，即

pip install torch_geometric

# Optional dependencies:
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.0+cu117.html

3. 測試

數(shù)據(jù)位置：[your folder]/RoseTTAFold2NA/RNA/

建立蛋白質(zhì)序列庫的軟鏈接，建議使用之前的下載：

ln -s [your folder]/uniref30 uniref30
ln -s [your folder]/bfd bfd
ln -s [your folder]/pdb100_2021Mar03 pdb100_2021Mar03

RNA 庫安裝：

mkdir RNA
cd RNA

# Rfam
cp [your folder]/RoseTTAFold2NA/RNA/Rfam/Rfam.cm.gz .
cp [your folder]/RoseTTAFold2NA/RNA/Rfam/Rfam.full_region.gz .
gunzip Rfam.cm.gz
gunzip Rfam.full_region.gz
cmpress Rfam.cm

# RNAcentral
cp [your folder]/RoseTTAFold2NA/RNA/RNAcentral/rfam_annotations.tsv.gz .
cp [your folder]/RoseTTAFold2NA/RNA/RNAcentral/id_mapping.tsv.gz .
cp [your folder]/RoseTTAFold2NA/RNA/RNAcentral/rnacentral_species_specific_ids.fasta.gz .
../input_prep/reprocess_rnac.pl id_mapping.tsv.gz rfam_annotations.tsv.gz
gunzip -c rnacentral_species_specific_ids.fasta.gz | makeblastdb -in - -dbtype nucl  -parse_seqids -out rnacentral.fasta -title "RNACentral"

# nt
ln [your folder]/RoseTTAFold2NA/RNA/nt nt

模型權(quán)重：

cp [your folder]/RoseTTAFold2NA/RNA/network/RF2NA_apr23.tgz .
tar xvfz RF2NA_apr23.tgz
ll -h weights/

測試命令：

bash ../run_RF2NA.sh rna_pred rna_binding_protein.fa R:RNA.fa
# bash run_RF2NA.sh example/rna_pred example/rna_binding_protein.fa R:example/RNA.fa

執(zhí)行步驟如下：

第1步執(zhí)行：Running HHblits
第2步執(zhí)行：Running hhsearch
第3步執(zhí)行：Creating joint Protein/RNA MSA
第4步執(zhí)行：Running RoseTTAFold2NA to predict structures

預(yù)測日志如下：

Running on GPU
           plddt    best
RECYCLE  0   0.799  -1.000
RECYCLE  1   0.858   0.799
RECYCLE  2   0.870   0.858
RECYCLE  3   0.875   0.870
RECYCLE  4   0.877   0.875
RECYCLE  5   0.879   0.877
RECYCLE  6   0.877   0.879
RECYCLE  7   0.880   0.879
RECYCLE  8   0.879   0.880
RECYCLE  9   0.881   0.880
Done

輸出效果，包括蛋白質(zhì)部分與 RNA 部分，如下：

蛋白結(jié)構(gòu)預(yù)測蛋白與dna復(fù)合物,AI for Biotech,RNA,蛋白質(zhì)RNA復(fù)合物,RoseTTAFoldNA 文章來源地址http://www.zghlxwxcb.cn/news/detail-834537.html

到了這里，關(guān)于PSP - 蛋白質(zhì)與核酸(RNA\DNA)復(fù)合物結(jié)構(gòu)預(yù)測 RoseTTAFoldNA 算法框架的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！