View a markdown version of this page

Memprediksi struktur protein dengan ESMfold di Deadline Cloud - Awan Batas Waktu

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Memprediksi struktur protein dengan ESMfold di Deadline Cloud

Bundel pekerjaan esmfold_predictive di GitHub situs web menjalankan prediksi struktur protein dengan ESMfold (Meta, lisensi MIT). facebook/esmfold_v1 Bundel mengambil file FASTA sebagai input dan menghasilkan .pdb file per urutan sebagai output, bersama dengan metrik kepercayaan dan laporan validasi opsional terhadap struktur referensi eksperimental.

Pekerjaan berjalan empat langkah:

  1. Parsi masukan FASTA, validasi urutan (hingga 1024 asam amino, residu standar ditambah X), dan bagi catatan di seluruh tugas pekerja.

  2. Jalankan inferensi ESMfold pada setiap batch urutan pada GPU.

  3. Render gambar jejak tulang punggung dari setiap struktur yang diprediksi, diwarnai dengan kepercayaan pLDDT per residu.

  4. Opsional: saat Anda menyediakan direktori PDB referensi eksperimental, komputasi, RMSD TM-score, dan plot kalibrasi per residu. pLDDT/error

Bundel ini membutuhkan peternakan dengan armada yang dikelola layanan NVIDIA GPU (A10G, L4, atau A100; setidaknya 16 GB VRAM dan 16 GB RAM sistem) dan antrian dengan lingkungan antrian conda yang mengkonsumsi parameter pekerjaan dan. CondaPackages CondaChannels Pengaturan tercepat adalah template cuda_farm AWS CloudFormation (CloudFormation) di situs web. GitHub Instans GPU Amazon Elastic Compute Cloud (Amazon EC2) dilindungi oleh kuota vCPU per wilayah; jika armada Anda tidak ditingkatkan, minta peningkatan untuk menjalankan instans On-Demand G dan VT di konsol Kuota Layanan.

Kirimkan demo, yang melipat tiga protein benchmark pendek (Trp-cage varian 1L2Y dan 2JOF, dan headpiece villin 1VII):

deadline bundle submit ./job_bundles/esmfold_predict/ \
  -p InputFasta=./job_bundles/esmfold_predict/sample_inputs/demo.fasta

Lipatan pertama pada pekerja baru mengunduh facebook/esmfold_v1 bobot 5,2 GB menjadi <OutputDir>/.hf_cache/ (sekitar tiga menit pada ag5.2xlarge). Tugas lipat berikutnya dalam pekerjaan yang sama menggunakan kembali cache.

Untuk memvalidasi prediksi terhadap referensi eksperimental, tempatkan <seq_id>.pdb file dalam direktori dan meneruskannya sebagaiReferencePdbDir. ValidateLangkah menulis validation.csv dan per-urutancalibration.png.