lucidrains/alphafold3-pytorch

解決的問題

本專案提供 AlphaFold 3 的 PyTorch 實作，此模型專為準確預測生物分子相互作用的結構而設計。它讓研究人員能夠預測複雜生物分子（包括蛋白質及其他生物分子）中原子的三維座標，這對於理解生物功能與藥物開發至關重要。

如何運作

此實作將 AlphaFold 3 論文所描述的演算法轉譯為 PyTorch 程式碼。它採用基於擴散的方法來採樣原子位置，並整合多個專用模組：

• 輸入處理：處理 PDB（蛋白質資料庫）資料，包含多序列比對（MSA）與範本。
• Pairformer 堆疊：處理結構資訊的核心架構元件。
• 擴散模組：原子編碼器、令牌轉換器與原子解碼器協同運作，以精煉並生成原子的三維座標。
• 訓練流程：包含用於過濾與聚類 PDB 資料集的指令碼，以便從 mmCIF 檔案中準備高品質的訓練資料。

適用對象

• 計算生物學家：需要預測生物分子複合物結構的研究人員。
• 機器學習研究者：希望在彈性 PyTorch 環境中實作或研究 AlphaFold 3 架構的研究人員。
• 生物資訊工程師：需要工具來準備與整理大規模 PDB 資料集以供結構生物學模型使用的工程師。

主要特色

• 完整的 PyTorch 實作：將 AlphaFold 3 架構引入 PyTorch 生態系，便於修改與訓練。
• 全面的資料流程：包含從 RCSB 蛋白質資料庫下載、過濾與聚類 PDB 資料的詳細指令碼。
• 端對端工作流程：支援從解析 PDB 檔案到生成採樣原子座標的完整流程。
• Docker 整合：提供 Dockerfile，支援 GPU 的一致環境設定。