View a markdown version of this page

Memprediksi struktur protein dengan ESMFold di Deadline Cloud - Batas Waktu Cloud

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_predict 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. Mengurai input FASTA, memvalidasi urutan (hingga 1024 asam amino, residu standar plus X), dan membagi catatan di seluruh tugas pekerja.

  2. Jalankan inferensi ESMFold pada setiap batch urutan di 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 pLDDT/error residu.

Bundel ini membutuhkan pertanian dengan armada yang dikelola layanan GPU NVIDIA (A10G, L4, atau A100; setidaknya 16 GB VRAM dan 16 GB sistem RAM) dan antrian dengan lingkungan antrian conda yang mengkonsumsi dan parameter pekerjaan. CondaPackages CondaChannels Pengaturan tercepat adalah template cuda_farm AWS CloudFormation ()CloudFormation. Instans GPU Amazon Elastic Compute Cloud (Amazon EC2) terjaga keamanannya berdasarkan kuota vCPU per wilayah; jika armada Anda tidak meningkatkan skala, minta peningkatan instans Running G dan VT di konsol Service Quotas. On-Demand

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 berikan sebagai. ReferencePdbDir ValidateLangkah menulis validation.csv dan per-urutancalibration.png.