本地部署ColabFold, 实现蛋白质结构预测全自由

纪伊路上盛名在2026-02-13 13:01

文章目录

背景

想要自主、自由地进行蛋白质结构预测是一件比较奢侈的事，毕竟像AlphaFold之类的主流蛋白质折叠（也就是结构预测）model不是谁都有那个硬件设备以及算力去部署的；

如果是在超算之类的平台上部署，那么用又成了另外一个问题：首先是要收费，课题组开销不一定能够划分出来这一块；其次是超算系统操作毕竟没有本地舒服自在，还是比较麻烦的，得适应一下。

而且正是因为在超算之类的公家平台上做什么都得收费，所以debug得千万小心，而且一定得做小测试，要不然一个debug小问题，就会烧掉一大笔钱。

我们一般预测结构，或者说想获取结构，也就那么几个来源：

  • 预测天然的、简单的蛋白质：
    • PDB、AFDB数据库有的，就不用自己去预测，直接有现成的
    • 数据库没有的，我们再试试一些结构预测软件，比如说AlphaFold3
    • 一些结构预测软件没有那个实力部署的，比如说AlphaFold3只能平时白嫖网页端，那可以看一下ColabFold，这个我之前提过很多次了，只要自己有一些简单的算力基础
  • 预测更复杂的任务：复合物、突变，并且想要批量处理等等
    • 能部署AlphaFold3之类的去部署
    • 没有那种硬件设置以及算力的，向下用ColabFold

但是google colab平台上的colabFold毕竟用的是google家的算力，一旦扯到gpu又得充值收费，而且设置起来也不方便。

我们想用结构预测的需求就是完全自由、尽可能的自由，就是随时随地进行部署。

所以我这里推荐本地部署ColabFold（https://github.com/YoshitakaMo/localcolabfold）

部署过程

1，确保curl、git、wget工具已安装

如果没有安装，可以通过以下命令安装

markdown 复制代码 
sudo apt -y install curl git wget

2，确保CUDA compiler driver >=11.8

确保你的Cuda编译器驱动程序是11.8或更高版本（最新版本12.4更佳）。如果你没有GPU或者不打算使用GPU，你可以跳过这一步。

可以通过以下命令查看

markdown 复制代码 
nvcc --version

3，按照对应指引安装 pixi 包管理器

markdown 复制代码 
curl -fsSL https://pixi.sh/install.sh | sh

参考：https://pixi.prefix.dev/latest/installation

4，安装localcolabfold

markdown 复制代码 
 git clone https://github.com/yoshitakamo/localcolabfold.git
 cd localcolabfold
 pixi install && pixi run setup

localcolabfold就安装在localcolabfold/.pixi/envs/default文件夹中

5，脚本示例演示

安装好之后有一个演示脚本run_colabfoldbatch_sample.sh，

markdown 复制代码 
#!/bin/bash

INPUTFILE="1BJP_1"
OUTPUTDIR="${INPUTFILE}"
RANDOMSEED=0

export PATH="/path/to/localcolabfold/.pixi/envs/default/bin:${PATH}"

colabfold_batch \
  --num-recycle 3 \
  --amber \
  --templates \
  --use-gpu-relax \
  --num-models 5 \
  --model-order 1,2,3,4,5 \
  --random-seed ${RANDOMSEED} \
  ${INPUTFILE}.fasta \
  ${OUTPUTDIR}

首先需要修改一下上述shell脚本中设置环境变量PATH的地方：

就是自己安装localcolabfold的地方，此处我按照自己的需求修改：

markdown 复制代码 
export PATH="/mnt/sdb/zht/localcolabfold/.pixi/envs/default/bin:${PATH}"

修改注释如下，习惯用zsh的用zsh即可

markdown 复制代码 
#!/bin/bash

INPUTFILE="1BJP_1" # 输入文件, 不包含扩展名, 此示例中为1BJP_1.fasta
OUTPUTDIR="${INPUTFILE}" # 输出目录, 可以与输入文件相同, 也可以不同
RANDOMSEED=0

export PATH="/mnt/sdb/zht/localcolabfold/.pixi/envs/default/bin:${PATH}"

colabfold_batch \
  --num-recycle 3 \
  --amber \
  --templates \
  --use-gpu-relax \
  --num-models 5 \
  --model-order 1,2,3,4,5 \
  --random-seed ${RANDOMSEED} \
  ${INPUTFILE}.fasta \
  ${OUTPUTDIR}
  • --num-recycle 3： 指定预测过程中循环迭代的次数为3次，循环迭代是一种优化策略，通过多次迭代预测，可以逐步改进预测结果的质量。增加迭代次数可能会提高预测的准确性，但同时也会增加计算时间和资源消耗
  • --amber： 使用AMBER软件包进行结构优化（也称为能量最小化或结构松弛），AMBER是一种广泛使用的分子模拟软件，能够对预测的蛋白质结构进行优化，使其更加稳定和合理。通过能量最小化，可以减少结构中的不合理构象，提高预测结果的质量
  • --templates： 表示在预测过程中使用模板结构，模板结构是指已知的蛋白质结构，这些结构可以作为参考，帮助预测未知蛋白质的结构。通过使用模板，可以提高预测的准确性和速度，特别是对于与模板结构相似的蛋白质
  • --use-gpu-relax： 指定在进行结构优化（AMBER能量最小化）时使用Nvidia GPU加速，如果机器上安装了Nvidia GPU并且安装了相应的CUDA驱动程序，使用GPU可以显著加快结构优化的速度，提高计算效率
  • --num-models 5：指定生成5个预测模型，ColabFold会根据输入的蛋白质序列生成多个预测模型，每个模型可能略有不同。通过生成多个模型，可以评估预测结果的可靠性和多样性，选择最佳的预测结果。类似于alphafold3一样，默认1个seed生成5个预测model
  • --model-order 1,2,3,4,5： 指定模型的生成顺序，按照1、2、3、4、5的顺序生成5个模型
  • --random-seed ${RANDOMSEED}： 设置随机种子，随机数种子在预测过程中用于初始化随机数生成器，不同的种子值可能会导致不同的预测结果。通过设置固定的种子值，可以确保预测结果的可重复性，即在相同的输入和参数下，每次运行都会得到相同的结果。我一般习惯都设置为0，因为之前在网页版默认seed用惯了，有时会设置为年份

运行的话就很简单，直接1个bash命令即可，可以tmux或者nohup挂着

markdown 复制代码 
bash run_colabfoldbatch_sample.sh

其实我们可以看到，命令行非常简单，其实本质就只有colabfold_batch这个命令，参数只需要input的fasta序列、输出文件夹即可。

为了能够让大家更清楚地看到运行命令的时候发生了什么事情，我将屏幕上的标注输出流的提示信息，一并粘贴如下

markdown 复制代码 
WARNING: All log messages before absl::InitializeLog() is called are written to STDERR
E0000 00:00:1770449121.930109    9569 cuda_dnn.cc:8579] Unable to register cuDNN factory: Attempting to register factory for plugin cuDNN when one has already been registered
E0000 00:00:1770449122.005880    9569 cuda_blas.cc:1407] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered
W0000 00:00:1770449122.748853    9569 computation_placer.cc:177] computation placer already registered. Please check linkage and avoid linking the same target more than once.
W0000 00:00:1770449122.748868    9569 computation_placer.cc:177] computation placer already registered. Please check linkage and avoid linking the same target more than once.
W0000 00:00:1770449122.748870    9569 computation_placer.cc:177] computation placer already registered. Please check linkage and avoid linking the same target more than once.
W0000 00:00:1770449122.748872    9569 computation_placer.cc:177] computation placer already registered. Please check linkage and avoid linking the same target more than once.
2026-02-07 15:25:39,600 Running colabfold 1.5.5 (83ee93d262a99ad62d6f0897c5ddd37eb918d385)
Downloading alphafold2_ptm weights to /home/csn/.cache 
2026-02-07 15:29:26,425 Running on GPU
2026-02-07 15:29:29,479 Found 9 citations for tools or databases
2026-02-07 15:29:29,479 Query 1/1: 1BJP_1 (length 62)
COMPLETE: 100%|███████████████████████████████████| 150/150 [elapsed: 00:08 remaining: 00:00]
2026-02-07 15:29:44,206 Sequence 0 found templates: ['3mb2_C', '2fm7_B', '4fdx_A', '3ry0_B', '1bjp_A', '6fps_P', '4faz_C', '7m59_B', '6bgn_C', '1otf_D', '3abf_B', '5clo_C', '6fps_R', '7xuy_A', '5cln_I', '6blm_A', '7puo_F', '2op8_A', '4x1c_F', '6blm_A']
2026-02-07 15:29:44,605 Setting max_seq=512, max_extra_seq=5120
WARNING: All log messages before absl::InitializeLog() is called are written to STDERR
I0000 00:00:1770449390.232958    9569 mlir_graph_optimization_pass.cc:425] MLIR V1 optimization pass is not enabled
2026-02-07 15:30:23,616 alphafold2_ptm_model_1_seed_000 recycle=0 pLDDT=95.4 pTM=0.771
2026-02-07 15:30:43,596 alphafold2_ptm_model_1_seed_000 recycle=1 pLDDT=94.9 pTM=0.768 tol=0.248
2026-02-07 15:30:44,109 alphafold2_ptm_model_1_seed_000 recycle=2 pLDDT=94.9 pTM=0.766 tol=0.185
2026-02-07 15:30:44,623 alphafold2_ptm_model_1_seed_000 recycle=3 pLDDT=94.9 pTM=0.769 tol=0.334
2026-02-07 15:30:44,624 alphafold2_ptm_model_1_seed_000 took 53.8s (3 recycles)
2026-02-07 15:30:45,154 alphafold2_ptm_model_2_seed_000 recycle=0 pLDDT=95.1 pTM=0.773
2026-02-07 15:30:45,668 alphafold2_ptm_model_2_seed_000 recycle=1 pLDDT=94.8 pTM=0.771 tol=0.216
2026-02-07 15:30:46,182 alphafold2_ptm_model_2_seed_000 recycle=2 pLDDT=94.7 pTM=0.771 tol=0.352
2026-02-07 15:30:46,696 alphafold2_ptm_model_2_seed_000 recycle=3 pLDDT=94.7 pTM=0.771 tol=0.088
2026-02-07 15:30:46,696 alphafold2_ptm_model_2_seed_000 took 2.1s (3 recycles)
2026-02-07 15:31:03,536 alphafold2_ptm_model_3_seed_000 recycle=0 pLDDT=95.7 pTM=0.769
2026-02-07 15:31:18,938 alphafold2_ptm_model_3_seed_000 recycle=1 pLDDT=95.8 pTM=0.772 tol=0.259
2026-02-07 15:31:19,451 alphafold2_ptm_model_3_seed_000 recycle=2 pLDDT=95.8 pTM=0.776 tol=0.0578
2026-02-07 15:31:19,965 alphafold2_ptm_model_3_seed_000 recycle=3 pLDDT=95.9 pTM=0.775 tol=0.0903
2026-02-07 15:31:19,966 alphafold2_ptm_model_3_seed_000 took 33.3s (3 recycles)
2026-02-07 15:31:20,485 alphafold2_ptm_model_4_seed_000 recycle=0 pLDDT=95.9 pTM=0.767
2026-02-07 15:31:20,998 alphafold2_ptm_model_4_seed_000 recycle=1 pLDDT=95.7 pTM=0.771 tol=0.148
2026-02-07 15:31:21,512 alphafold2_ptm_model_4_seed_000 recycle=2 pLDDT=95.6 pTM=0.773 tol=0.103
2026-02-07 15:31:22,026 alphafold2_ptm_model_4_seed_000 recycle=3 pLDDT=95.5 pTM=0.773 tol=0.0478
2026-02-07 15:31:22,026 alphafold2_ptm_model_4_seed_000 took 2.1s (3 recycles)
2026-02-07 15:31:22,544 alphafold2_ptm_model_5_seed_000 recycle=0 pLDDT=95.9 pTM=0.775
2026-02-07 15:31:23,057 alphafold2_ptm_model_5_seed_000 recycle=1 pLDDT=95.2 pTM=0.771 tol=0.222
2026-02-07 15:31:23,571 alphafold2_ptm_model_5_seed_000 recycle=2 pLDDT=94.8 pTM=0.767 tol=0.173
2026-02-07 15:31:24,084 alphafold2_ptm_model_5_seed_000 recycle=3 pLDDT=94.8 pTM=0.766 tol=0.0928
2026-02-07 15:31:24,084 alphafold2_ptm_model_5_seed_000 took 2.1s (3 recycles)
2026-02-07 15:31:24,087 reranking models by 'plddt' metric
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/__init__.py:16: SyntaxWarning: invalid escape sequence '\p'
  os.environ['PATH'] = '%(lib)s;%(lib)s\plugins;%(path)s' % {
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/openmm.py:11825: SyntaxWarning: invalid escape sequence '\S'
  match = re.search("<([^?]\S*)", inputString)
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbstructure.py:1078: SyntaxWarning: invalid escape sequence '\.'
  if not re.match("pdb.%2s.\.ent\.gz" % subdir , pdb_file):
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbstructure.py:1089: SyntaxWarning: invalid escape sequence '\.'
  if not re.match("pdb.%2s.\.ent\.gz" % subdir , pdb_file):
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:347: SyntaxWarning: invalid escape sequence '\S'
  "(?:_(.+?)[.](\S+))"               "|"  # _category.attribute
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:349: SyntaxWarning: invalid escape sequence '\s'
  "(?:['](.*?)(?:[']\s|[']$))"       "|"  # single quoted strings
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:350: SyntaxWarning: invalid escape sequence '\s'
  "(?:[\"](.*?)(?:[\"]\s|[\"]$))"    "|"  # double quoted strings
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:352: SyntaxWarning: invalid escape sequence '\s'
  "(?:\s*#.*$)"                      "|"  # comments (dumped)
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:354: SyntaxWarning: invalid escape sequence '\S'
  "(\S+)"                                 # unquoted words
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:419: SyntaxWarning: invalid escape sequence '\S'
  "(?:_(.+?)[.](\S+))"               "|"  # _category.attribute
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:421: SyntaxWarning: invalid escape sequence '\s'
  "(?:['\"](.*?)(?:['\"]\s|['\"]$))" "|"  # quoted strings
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:423: SyntaxWarning: invalid escape sequence '\s'
  "(?:\s*#.*$)"                      "|"  # comments (dumped)
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/pdbx/reader/PdbxReader.py:425: SyntaxWarning: invalid escape sequence '\S'
  "(\S+)"                                 # unquoted words
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/internal/amber_file_parser.py:65: SyntaxWarning: invalid escape sequence '\('
  FORMAT_RE_PATTERN=re.compile("([0-9]+)\(?([a-zA-Z]+)([0-9]+)\.?([0-9]*)\)?")
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/gromacsgrofile.py:62: SyntaxWarning: invalid escape sequence '\.'
  return match('^[-+]?[0-9]*\.?[0-9]*([eEdD][-+]?[0-9]+)?$',word)
/mnt/sdb/zht/localcolabfold/.pixi/envs/default/lib/python3.12/site-packages/openmm/app/metadynamics.py:247: SyntaxWarning: invalid escape sequence '\.'
  pattern = re.compile('bias_(.*)_(.*)\.npy')
2026-02-07 15:31:31,002 Relaxation took 6.9s
2026-02-07 15:31:31,003 rank_001_alphafold2_ptm_model_3_seed_000 pLDDT=95.9 pTM=0.775
2026-02-07 15:31:32,437 Relaxation took 1.4s
2026-02-07 15:31:32,437 rank_002_alphafold2_ptm_model_4_seed_000 pLDDT=95.5 pTM=0.773
2026-02-07 15:31:33,375 Relaxation took 0.9s
2026-02-07 15:31:33,375 rank_003_alphafold2_ptm_model_1_seed_000 pLDDT=94.9 pTM=0.769
2026-02-07 15:31:34,757 Relaxation took 1.4s
2026-02-07 15:31:34,757 rank_004_alphafold2_ptm_model_5_seed_000 pLDDT=94.8 pTM=0.766
2026-02-07 15:31:35,711 Relaxation took 1.0s
2026-02-07 15:31:35,712 rank_005_alphafold2_ptm_model_2_seed_000 pLDDT=94.7 pTM=0.771
2026-02-07 15:31:36,016 Done

其实我们可以发现，输出的5个model已经自己为我们排好序了，rank1的model_3是最好的。

当然，这里的rank注释方式和我们在alphafold3中的model_0那种默认方式不同，还是需要注意一下的。

下面是整个输出文件夹：

6，脚本示例输出结果解读

然后接着是PAE矩阵

紧接着是PLDDT指标，

  • 结构文件.pdb:
    unrelaxed:原始坐标,原子之间可能存在微小的物理冲突;
    relaxed:经过OpenMM的 Amber力场能量最小化,微调了侧链位置，消除了原子重叠，使结构在物理化学上更合理。后续做分子对接（Docking）或分子动力学模拟、互作分析必须用这个版本
  • Metric文件.json:plddt、PAE
  • 多序列比对.a3m：进化信息

7，其他的演示例子

我此处输入了两个蛋白质序列，在1个多序列fasta文件中，一起处理。

大概可以看到，1个批次处理2个样本数据时，然后序列长度大概在500aa左右的fasta数据时，

显存大概会干到6G

这里，我们一般的需求是想进一步查看到底预测出来的结构model如何，也就是可视化，

但是导入到在线工具、pymol奇美拉之类的分子可视化软件毕竟是挺麻烦的，

虽然很多人下意识都是这么做，

其中关于开源pymol可视化，可以参考我之前的博客：

安装开源版pymol

使用AlphaFold3预测蛋白质三维结构及PyMol可视化

我在这里的需求是直接在notebook中可视化三维结构，此处介绍一个我很久前用的可视化插件------ py3Dmol。

py3Dmol将是在Jupyter上运行3Dmol.js的小部件。并非所有功能都可以使用，但是许多API是通用的，因此阅读3Dmol.js官方网站是学习的最佳方法

相关推荐
硅谷秋水2 小时前
一个务实的VLA基础模型
人工智能·深度学习·机器学习·计算机视觉·语言模型·机器人
骇城迷影2 小时前
从零复现GPT-2 124M
人工智能·pytorch·python·gpt·深度学习
Hcoco_me3 小时前
深挖 TBD 核心进阶点：深度学习匹配（目标关联的“智能指纹”）
人工智能·深度学习·目标检测·计算机视觉·目标跟踪
Suryxin.3 小时前
从0开始复现nano-vllm「 utils/contex.py」
深度学习·ai·vllm
edisao3 小时前
第三章 合规的自愿
jvm·数据仓库·python·神经网络·决策树·编辑器·动态规划
ccLianLian3 小时前
计算机基础·cs336·推理和训练
人工智能·深度学习
学Linux的语莫3 小时前
模型转为RKNN格式
python·深度学习·机器学习
Hcoco_me3 小时前
目标追踪概述、分类
人工智能·深度学习·算法·机器学习·分类·数据挖掘·自动驾驶
肾透侧视攻城狮4 小时前
《解码AI“乐高”：深入理解TensorFlow张量操作与广播机制》
深度学习·tensorflow 张量操作·张量 的基本特性·创建张量的常用方法·张量的基本操作·张量的广播机制·张量的聚合操作
热门推荐
01GitHub 镜像站点02Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services03243 行 microGPT：把“训练 + 推理”拆到骨头里04Zsh/Bash Conda设置延迟启动，启动速度优化05openclaw配置教程（linux+局域网ollama）06openclaw 配置飞书 报错 应用未建立长连接07AI 规范驱动开发“三剑客”深度对比：Spec-Kit、Kiro 与 OpenSpec 实战指南08UV安装并设置国内源09MIUI显示/隐藏5G开关的方法，信号弱时开启手机Wifi通话方法10冰达ROS机器人快速使用指南