alphafold3

环境要求

• Linux 主机，配备 NVIDIA GPU 与对应驱动（推理阶段需要）
• 已安装 Docker，并支持 --gpus all 参数运行容器
• 从 Google 直接获取的 AlphaFold 3 模型参数文件 af3.bin.zst，使用需遵守官方使用条款
• 本机需准备输入目录、输出目录、模型目录和公共数据库目录，供容器挂载
• 足够的磁盘空间存放模型参数与公共数据库

安装与启动步骤

1. 1获取代码与安装文档

   克隆官方仓库，按 docs/installation.md 的说明构建 alphafold3 镜像并准备依赖。

   git clone https://github.com/google-deepmind/alphafold3.git
   cd alphafold3

   复制

2. 2下载模型参数

   从官方地址下载 af3.bin.zst，解压后放入模型目录，仅可使用 Google 直接提供的参数。

   curl -o af3.bin.zst https://storage.googleapis.com/alphafold3/af3.bin.zst
   zstd -d af3.bin.zst -o af3.bin

   复制

3. 3准备挂载目录

   建立输入、输出、模型、数据库四个主机目录，对应容器内的固定路径。

   mkdir -p $HOME/af_input $HOME/af_output $HOME/af_models $HOME/public_databases

   复制

4. 4编写输入 JSON

   按 README 示例新建 fold_input.json，填 name、sequences、modelSeeds、dialect、version。

5. 5放置输入文件

   把 fold_input.json 放到输入目录，模型参数放模型目录，公共数据库按安装文档放数据库目录。

   cp fold_input.json $HOME/af_input/fold_input.json

   复制

6. 6运行推理容器

   把占位路径换成自己的模型与数据库目录，加 --gpus all 挂载四个目录后执行推理脚本。

   docker run -it 
       --volume $HOME/af_input:/root/af_input 
       --volume $HOME/af_output:/root/af_output 
       --volume $HOME/af_models:/root/models 
       --volume $HOME/public_databases:/root/public_databases 
       --gpus all 
       alphafold3 
       python run_alphafold.py 
       --json_path=/root/af_input/fold_input.json 
       --model_dir=/root/models 
       --output_dir=/root/af_output

   复制

7. 7查看可选参数

   查看 run_alphafold.py 的全部命令行参数，按需调整数据流水线与推理开关。

   docker run -it alphafold3 python run_alphafold.py --help

   复制

关键配置

如何确认成功

容器执行结束后，检查 $HOME/af_output 中是否生成以输入名称 2PV7 命名的结果文件，且日志无报错。

常见问题

注意事项

• 模型参数与公共数据库体积较大，请预留充足磁盘与下载时间。
• 使用本代码或输出成果发表研究时，需引用 README 中给出的 AlphaFold 3 论文。
• docker run 命令中的 、 需替换为真实主机路径，示例已给出可用的默认路径。
• 安装细节以仓库 docs/installation.md 为准，README 未展开说明镜像构建与数据库下载步骤。