lucidrains/alphafold3-pytorch

解决的问题

本项目提供了 AlphaFold 3 的 PyTorch 实现，该模型旨在准确预测生物分子相互作用的结构。它使研究人员能够预测复杂生物分子（包括蛋白质和其他生物分子）中原子的三维坐标，这对于理解生物功能和药物发现至关重要。

工作原理

该实现将 AlphaFold 3 论文中描述的算法转化为 PyTorch 代码。它采用基于扩散的方法来采样原子位置，并集成了多个专用模块：

• 输入处理：处理 PDB（蛋白质数据银行）数据，包括多序列比对（MSA）和模板。
• Pairformer 堆栈：处理结构信息的核心架构组件。
• 扩散模块：原子编码器、令牌变换器和原子解码器协同工作，以精炼和生成原子的三维坐标。
• 训练流水线：包含用于过滤和聚类 PDB 数据集的脚本，以便从 mmCIF 文件中准备高质量的训练数据。

适用人群

• 计算生物学家：需要预测生物分子复合物结构的研究人员。
• 机器学习研究者：希望在灵活的 PyTorch 环境中实现或研究 AlphaFold 3 架构的研究人员。
• 生物信息学工程师：需要工具来准备和整理大规模 PDB 数据集以用于结构生物学模型的工程师。

主要亮点

• 完整的 PyTorch 实现：将 AlphaFold 3 架构引入 PyTorch 生态系统，便于修改和训练。
• 全面的数据流水线：包含从 RCSB 蛋白质数据库下载、过滤和聚类 PDB 数据的详细脚本。
• 端到端工作流程：支持从解析 PDB 文件到生成采样原子位置的完整流程。
• Docker 集成：提供 Dockerfile，支持 GPU 的一致环境配置。