Moleculaire structuren voorspellen met AlphaFold 2 en 3

Inleiding

In oktober 2024 werd de Nobelprijs voor de Scheikunde toegekend aan het werk van AlphaFold 2, een deep learning-model ontwikkeld door Google DeepMind, dat de 3D-structuur van een eiwit nauwkeurig voorspelt, uitsluitend op basis van de aminozuursequentie. Dit werk revolutionair noemen is bijna een understatement, gezien de cruciale rol die eiwitten spelen in biologische processen en hoe nauw de structuur van een eiwit verbonden is met zijn functie. Historisch gezien besteedden onderzoekers hun hele PhD of jaren van hun carrière aan het oplossen van de structuur van een enkel eiwit met behulp van experimentele methoden zoals röntgenkristallografie of cryo-elektronenmicroscopie. Dit vertraagde verschillende gebieden van biologisch onderzoek, waaronder het identificeren van goede kandidaat-geneesmiddelen voor de behandeling van een groot aantal momenteel ongeneeslijke ziekten.

Belangrijkste punten

• AlphaFold 2 is niet bedoeld om te concurreren met experimentele technieken in het laboratorium, maar eerder om testbare hypotheses te bieden die onderzoekers kunnen helpen bij het voorspellen van eiwitstructuren. AlphaFold 2 is getraind met gegevens uit de Protein Data Bank.

• AlphaFold 3 heeft extra mogelijkheden ten opzichte van AlphaFold 2, waaronder het vermogen om structuren te voorspellen van complexen die alle moleculaire typen bevatten die in de Protein Data Bank aanwezig zijn, behalve watermoleculen. AlphaFold 3 kan omgaan met:

  • Complexen van eiwitten met DNA, RNA, kleine molecuulliganden en ionen
  • Structuren met post-translationele modificaties van eiwitten (inclusief glycosylering)

• Zowel AlphaFold 2 als 3 gebruiken MSA (Multiple Sequence Alignment) als invoer, maar AlphaFold 3 gebruikt naast eiwitten ook RNA-ketens.

• AlphaFold 2 is gratis te gebruiken onder de Apache 2.0-licentie, terwijl AlphaFold 3 beperkt is tot niet-commercieel gebruik.

Vereisten

Aangezien dit artikel gaat over de voorspelling van moleculaire structuren, raden we aan dat u vertrouwd bent met of kennis opdoet over biomoleculen en verwante biologische terminologie (bijv. eiwitten, RNA, liganden, enz.). U zult ook de Alphafold 3-modelparameters moeten aanvragen om het Alphafold 3-model niet-commercieel te gebruiken. Toegang kan binnen 2-3 werkdagen worden verleend.

Bovendien gaat het artikel, om de implementatie-instructies te volgen, ervan uit dat men bekend is met technische concepten zoals cloudinfrastructuur (Linux-Console.net GPU-droplets), commandoregelbewerkingen (SSH, git) en containerisatie met Docker.

Het begrijpen van de invoer

Meervoudige sequentie-uitlijning

AlphaFold2 gebruikt Multiple Sequence Alignment (MSA) om de evolutionaire relaties tussen eiwitten te begrijpen. MSA is effectief vanwege de logica dat aminozuren die met elkaar in contact staan waarschijnlijk allebei mutaties hebben als er een mutatie wordt veroorzaakt.

Modelarchitectuur (AF2 vs. AF3)

Het begrijpen van de resultaten

Vertrouwensstatistieken

AlphaFold biedt betrouwbaarheidsmetingen, zoals pLDDT, pTM en PAE.

pLDDT

pLDDT (voorspelde lokale afstandsverschiltest) verwijst naar het voorspellen van de LDDT-waarde (Local Distance Difference Test). Deze waarde is een maat voor het vertrouwen in de lokale structuur per residu. Met andere woorden, hoe zeker we zijn dat de voorspelde structuur overeenkomt met een experimentele structuur. Deze waarde wordt geschaald van 0 tot 100, waarbij hogere scores een groter vertrouwen aangeven en meestal een nauwkeurigere voorspelling betekenen.

pTM en ipTM

De voorspelde template-modelleringsscore (pTM) en de voorspelde interface template-modelleringsscore (ipTM) zijn beide afgeleid van de template-modelleringsscore, die de nauwkeurigheid van de gehele structuur meet. Een pTM-score hoger dan 0,5 suggereert dat de voorspelde complexvouwing mogelijk overeenkomt met de werkelijke structuur. ipTM beoordeelt de voorspelde relatieve positionering van subeenheden: waarden boven 0,8 wijzen op voorspellingen met hoge betrouwbaarheid, onder 0,6 duidt waarschijnlijk op falen, en 0,6-0,8 is onzeker. Voor kleine structuren of korte ketens (minder dan 20 tokens) wordt TM-scorering te streng, wat resulteert in pTM-waarden onder 0,05; hier geven PAE of pLDDT beter de voorspellingskwaliteit aan.

PAE

PAE, voorspelde uitlijningsfout, is een maat voor hoe zeker AlphaFold 2 is van de relatieve positie en oriëntatie van twee residuen (tokens) in de voorspelde structuur. Hogere waarden komen overeen met een hogere voorspelde fout en dus een lagere betrouwbaarheid.

Moet ik AlphaFold 2 of 3 gebruiken?

AlphaFold 3 overtreft AlphaFold 2 in nauwkeurigheid en kan multi-molecuulcomplexen voorspellen, maar licentieverschillen betekenen dat AlphaFold 2 voor veel gebruikers essentieel blijft. AlphaFold 2 is gratis beschikbaar voor academisch en commercieel gebruik onder de Apache 2.0-licentie, terwijl AlphaFold 3 alleen beperkt is tot niet-commercieel gebruik; je kunt het niet gebruiken voor commercieel onderzoek, om concurrerende ML-modellen te trainen of outputs te produceren voor commerciële doeleinden. Bovendien worden de betrouwbaarheidscores van AlphaFold 3 voor polymeren sterk beïnvloed door niet-polymeercontexten zoals ionen of liganden, dus voor studies die alleen polymeren betreffen, zoals eiwit-eiwitinteracties, kan het nodig zijn om contextuele moleculen toe te voegen om betrouwbare scores te verkrijgen, terwijl AlphaFold 2 deze complexiteit vermijdt, hoewel met iets lagere nauwkeurigheid. Gezien deze factoren blijft Google DeepMind AlphaFold 2 ondersteunen als een waardevol hulpmiddel voor onderzoek en ontwikkeling.

Alphafold 2 op Linux-Console.net

AlphaFold 2 vereist het downloaden van bijna ~2,5 TB aan genetische databases (UniRef90, MGnify, BFD, enz.). We zullen een Block Storage-volume moeten aansluiten (2,5 TB voor AF2 of 1 TB voor AF3) om de genetische databases op te slaan.

Stap 1: Omgevingsinstelling (AF2)

Kies de 'AI/ML Ready' Ubuntu-afbeelding om ervoor te zorgen dat NVIDIA-stuurprogramma's en Docker vooraf geïnstalleerd zijn.

Verbind met je GPU Droplet via SSH:

ssh root@your_droplet_ip

We moeten er ook voor zorgen dat ons systeem up-to-date is.

Werk uw lokale pakketindex bij.

sudo apt update && sudo apt upgrade -y

Download de genetische databases en modelparameters. Deze stap kan enige tijd duren.

scripts/download_all_data.sh /path/to/your/storage > download.log 2> download_error.log &

Stap 3: Bouw de Docker-image en installeer de afhankelijkheden

docker build -f docker/Dockerfile -t alphafold .
pip3 install -r docker/requirements.txt

Stap 4: Voer het model uit

python3 docker/run_docker.py \
  --fasta_paths=your_protein.fasta \
  --max_template_date=2022-01-01 \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

Alphafold 3 op Linux-Console.net

We laten je ook zien hoe je AlphaFold 3 kunt gebruiken met onze GPU-droplets. Houd er rekening mee dat dit model beperkt is tot niet-commercieel gebruik. Vul dit formulier in om toegang te krijgen tot de modelparameters. Toestemming wordt meestal binnen 2-3 werkdagen verleend.

Stap 1: Omgevingsinstelling (AF3)

Kies de "AI/ML Ready" Ubuntu-afbeelding om ervoor te zorgen dat NVIDIA-stuurprogramma's en Docker vooraf geïnstalleerd zijn.

Verbind met je GPU Droplet via SSH:

ssh root@your_droplet_ip

Stap 2: Clone de repository

Installeer git en download de AlphaFold 3-repository:

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

Stap 3: Voer het Alphafold 3-model uit

docker build -t alphafold3 -f docker/Dockerfile .

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DB_DIR>:/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

Veelgestelde vragen

Wat zijn de belangrijkste verschillen tussen AlphaFold 2 en AlphaFold 3?

Hoewel AlphaFold 2 de voorspelling van eiwitstructuren revolutionair veranderde, breidt AlphaFold 3 de horizon aanzienlijk uit. De belangrijkste verschillen zijn:

• Moleculaire Reikwijdte: AF2 richt zich vrijwel volledig op eiwitten. AF3 kan complexen voorspellen die DNA, RNA, liganden en ionen omvatten.
• Architectuur: AF2 maakt gebruik van de “Evoformer” module, terwijl AF3 een eenvoudigere “Pairformer” en een diffusie-gebaseerde kop gebruikt.
• Licenties: Dit is de grote. AF2 valt onder de Apache 2.0-licentie (commercieel gebruik toegestaan), terwijl AF3 momenteel beperkt is tot niet-commercieel gebruik.

Waarom heb ik 2,5 TB opslagruimte nodig voor AlphaFold 2?

Het model zelf neemt niet veel opslagruimte in beslag - het zijn eigenlijk de genetische databases. AlphaFold 2 is afhankelijk van Multiple Sequence Alignment (MSA) om te begrijpen hoe de eiwitten zich hebben ontwikkeld. Hiervoor moet het door enorme bibliotheken zoals UniRef90, MGnify en de Big Fantastic Database (BFD) zoeken.

Let op: Als je weinig opslagruimte hebt, vereist AlphaFold 3 een kleinere databasegrootte (~1 TB) in vergelijking met de volledige AlphaFold 2-stack.

Hoe interpreteer ik de $pLDDT$ betrouwbaarheidscores?

De pLDDT (predicted Local Distance Difference Test) is een mate van vertrouwen per aminozuurresidu op een schaal van 0 tot 100:

• 90: Hoge betrouwbaarheid; deze regio's zijn waarschijnlijk zeer nauwkeurig en kunnen worden gebruikt voor gedetailleerde structurele analyse.

• 70 - 90: Goede zekerheid; de kern is waarschijnlijk correct.
• 50 - 70: Lage betrouwbaarheid; wees voorzichtig.
• < 50: Zeer laag vertrouwen; deze gebieden zijn vaak "intrinsiek ongeordend", wat betekent dat ze in isolement geen vaste 3D-structuur hebben.

Kan ik AlphaFold draaien op een standaard Droplet zonder GPU?

Technisch gezien zou het "vouwen" (inference) op een CPU kunnen draaien, maar het zou buitengewoon traag zijn - dit zou dagen of weken duren voor complexe structuren die een GPU in enkele minuten verwerkt. Bovendien zijn de AlphaFold Docker-afbeeldingen geoptimaliseerd voor NVIDIA's CUDA-toolkit. Voor enig praktisch onderzoek is een Linux-Console.net GPU Droplet in feite een vereiste.

Wat is een SMILES-string en waarom heeft AlphaFold 3 deze nodig?

SMILES staat voor Simplified Molecular-Input Line-Entry System. Het is een notatiesysteem dat chemische structuren als een tekstreeks weergeeft. Omdat AlphaFold 3 kan voorspellen hoe eiwitten interageren met kleine molecuulgeneesmiddelen (liganden), geef je de structuur van het geneesmiddel via een SMILES-string op (bijv. CC(=O)OC1=CC=CC=C1C(=O)O voor Aspirine).

Is de voorspelde structuur 'definitief'?

Niet noodzakelijk. Hoewel AlphaFold buitengewoon nauwkeurig is, is het een voorspellend model, geen experimentele waarneming. In de ontdekking van geneesmiddelen of moleculaire biologie wordt AlphaFold het best gebruikt om toetsbare hypothesen te genereren en om verifieerbare experimenten in het laboratorium te begeleiden.

Conclusie

Gefeliciteerd met het doorkomen. Je hebt zojuist (hopelijk succesvol) AlphaFold 2 en/of 3 uitgerold op een Linux-Console.net GPU Droplet met Linux-Console.net Volume-opslag. AlphaFold maakt structurele biologie toegankelijker en stelt onderzoekers wereldwijd in staat inzichten te verkrijgen die anders jaren van dure experimentele werkzaamheden zouden hebben gekost. Sommige onderzoekers waarschuwen echter dat het uitsluitend vertrouwen op AlphaFold zonder experimentele validatie—vooral in de geneesmiddelenontwikkeling—kan leiden tot foutieve mechanistische modellen, wat het blijvende belang onderstreept van het integreren van computationele voorspellingen met laboratoriumverificatie. Buiten de directe wetenschappelijke impact laat AlphaFold zien hoe kunstmatige intelligentie complexe wetenschappelijke uitdagingen kan aanpakken en biedt het een inzicht in hoe computationele hulpmiddelen ons begrip van de natuur en ons vermogen om dringende uitdagingen in wetenschappelijke ontdekkingen aan te pakken, blijven hervormen.

Referenties en aanvullende bronnen

AlphaFold 2-onderzoekspaper: Zeer nauwkeurige voorspelling van eiwitstructuren met AlphaFold

AlphaFold3-artikel: Nauwkeurige voorspelling van de structuur van biomoleculaire interacties met AlphaFold 3

Meervoudige sequentie-uitlijning: Dit is een geweldige bron om je intuïtie rond MSA op te bouwen.

Het voorspellen van eiwitstructuren met ColabFold en AlphaFold2 Colab: Dit geeft je achtergrondinformatie over het draaien van AlphaFold zonder dat je de volledige AlphaFold2-software hoeft te installeren en uit te voeren. Hier zijn de belangrijkste parameters die aangepast kunnen worden: het aantal recycles, de diepte van de multiple sequence alignment (MSA), de willekeurige zaden die gebruikt worden om voorspellingen te initialiseren, en of je een sjabloonstructuur wilt aanleveren. De output van ColabFold omvat PDB-bestanden, pLDDT-waarden/plots, MSA-bestand, enz.

AlphaFold Server FAQ: AlphaFold Server is een ander alternatief voor het draaien van AlphaFold3.

Bedankt dat je samen met de Linux-Console.net-community hebt geleerd.