使用ColabFold预测蛋白结构

0. 参考

[1] Mirdita, Milot et al. “ColabFold: making protein folding accessible to all.” Nature methods vol. 19,6 (2022): 679-682. doi:10.1038/s41592-022-01488-1
[2] https://github.com/sokrypton/ColabFold

1. 准备：

1.0 需要有Google账号以及Google Drive。

1.1 选择一种预测方法 (以批量预测结构的AlphaFold2_batch为例)：

2. 具体过程：

2.1 在Google Drive中新建input_fasta/目录和result/目录；

2.2 将待预测结构的氨基酸序列文件 (.fasta，也可以是MSA文件) 放到input_fasta/目录下 (一个.fasta文件中只有一条序列)；

2.3 按步骤逐步运行即可：

2.3.1 挂载Google Drive：Mount google drive

2.3.2 参数设置：Advanced settings (这一部分我只修改了每个模型的迭代次数，即num_recycles 以及 使用amber对预测结构进行动力学模拟，即use_amber)

2.3.3 安装依赖：Install dependencies

2.3.4 开始预测：Run Prediction

3. 最终结果：

最终预测结果会存放在result/目录下，包括以下内容：

红框标记的为最优结构，各文件具体含义详见论文：Mirdita, Milot et al. “ColabFold: making protein folding accessible to all.” Nature methods vol. 19,6 (2022): 679-682. doi:10.1038/s41592-022-01488-1

4. 备注：

1. ColabFold的预测速度是比较理想的 (长度200左右的短肽序列耗时大概半小时左右，num_recycles=12)；

2. 预测效果也不错，和本地版AlphaFold2预测的效果不相上下(num_recycles=12)；

3. 需要注意是：

3.1 Google Colab 不能保证免费的计算资源一直可用 (因为免费的GPU能否使用不太确定，因此建议尽量白天使用，晚上6点之后就不太稳定了)；

3.2 中途网络不能断掉太长时间 (大约超过1h)，否则Colab会因为长时间未连接而终止预测 (短时间断掉后及时连上就可以)；

3.3 对于某些很长的序列 (>800)，运行之前需要修改运行时类型，否则会因为内存不足导致预测终止，具体过程：右侧“连接”处点开下拉框，选择 “修改运行时类型”为“高RAM”

3.4 免费的计算资源用时过长的话，Colab会提示已经达到免费使用的最高额度，解决办法是：终止一段时间(~4h左右) 或者 开通Colab Pro购买计算资源($9.99/month)。