蛋白质设计（六）— — 三剑合璧，mac如何安装ProteinMPNN、Alphafold2

最近一段时间，我一直在探索 AI 蛋白质设计。起初只用 RFdiffusion 生成蛋白质骨架，但渐渐觉得"光有骨架还不够"------想要真正获得可表达、可折叠的功能性序列，还需要后续的序列设计与结构验证工具。

于是，我陆续安装并配置了 ProteinMPNN（用于序列设计）和 AlphaFold2（用于结构预测），把整个流程跑通了！现将安装与初步使用过程记录下来，希望能帮到同样在 macOS（特别是 Apple Silicon M 系列芯片）上折腾的朋友们。

1.ProteinMPNN安装

1.1 克隆仓库

bash 复制代码

mkdir proteinMPNN
cd proteinMPNN
git clone https://github.com/dauparas/ProteinMPNN.git

1.2 创建 Conda 环境

bash 复制代码

conda create -n proteinMPNN
conda activate proteinMPNN
conda install pytorch torchvision torchaudio -c pytorch

1.3 测试运行

进入项目目录，查看帮助：

bash 复制代码

cd ProteinMPNN    #cd 到下载好的ProteinMPNN的文件夹
python protein_mpnn_run.py -h # 该命令将显示脚本使用说明和可用的输入参数。

尝试对 PDB 结构 5L33 进行全序列重设计（无任何约束）：

bash 复制代码

mkdir output_try
python protein_mpnn_run.py --pdb_path inputs/PDB_monomers/pdbs/5L33.pdb --out_folder output_try/5L33_redesign --num_seq_per_target 10 --sampling_temp "0.1" --seed 9 --batch_size 1 --model_name v_48_020

运行成功后，输出文件夹中会包含 10 条新设计的序列（FASTA 格式），每条附带打分和恢复率信息。

假如我们输入RFdiffusion生成的只有甘氨酸（G）和位置信息的蛋白质骨架输入，ProteinMPNN就会生成有序列的fasta格式啦！接下来基于AlphaFold2对生成结构的合理性打分进行筛选，就可以进行表达验证！

2.AlphaFold2安装

由于原版 AlphaFold2 在本地部署复杂，我选择了轻量高效的 ColabFold（由 sokrypton 团队开发），它兼容 Apple Silicon，并支持模板、Amber 优化等高级功能。

2.1 安装 Homebrew（如未安装）

复制代码

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

如果无法安装brew，可自行前往官网下载安装（https://brew.sh）

2.2 安装依赖工具与ColabFold

（虽然写了m1，但经测m4也可以使用，应该m系列芯片通用）

bash 复制代码

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
#输入mac解锁密码
brew install wget cmake gnu-sed brewsci/bio/hh-suite kalign mmseqs2
brew install --cask miniforge
wget https://raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/install_colabbatch_M1mac.sh
chmod 777 ./install_colabbatch_M1mac.sh
bash ./install_colabbatch_M1mac.sh
#有的时候一次无法安装成功，可多次安装最后一行代码

2.3 配置环境变量并验证安装

安装完成后，终端会提示你添加 PATH。例如：

bash 复制代码

#最后一行代码生成的环境
export PATH="/Users/xinhelu/Documents/work/AlphaFold2/localcolabfold/colabfold-conda/bin:$PATH"
#验证安装（查看帮助，需要几秒钟时间）
colabfold_batch --help

（如果安装遇到其他问题，可以看看文末的ColabFold安装参考）

2.4 测试

预测人类 Oncostatin-M（P13725）

下载 FASTA 文件：https://rest.uniprot.org/uniprotkb/P13725.fasta

放入工作目录后运行：

验证代码

复制代码

./localcolabfold/colabfold-conda/bin/colabfold_batch --amber --templates --num-recycle 3 --model-order 1,2,3,4,5 ./P13725.fasta FFA2output

蛋白序列：

结果将保存在 FFA2output 文件夹中，包含预测结构（PDB）、置信度（pLDDT）等。

proteinMPNN安装参考（稍作改动，mac）：

1.https://blog.csdn.net/qq_41025456/article/details/145738451

ColabFold安装参考（mac）：

1.https://marcdeller.com/alphafold-local-install-on-mac/

2.https://macinchem.org/cheminformatics-and-compchem-on-apple-silicon/installing-alphafold2-on-apple-silicon/

3.https://github.com/YoshitakaMo/localcolabfold

蛋白设计交流QQ群：438723520

作者：bioinforiver

2025年12月4日

本内容仅供学习交流，未经许可不许转载。

（本人系原作者，原文见：https://mp.weixin.qq.com/s/5kCuz0wNfTkTuC5vv6bT8A）