OpenFold 项目使用教程

1. 项目目录结构及介绍

OpenFold 项目的目录结构如下：

openfold/
├── docs/
├── examples/
│   └── monomer/
├── experiments/
├── imgs/
├── notebooks/
├── openfold/
├── scripts/
├── tests/
├── .gitignore
├── CITATION.cff
├── Dockerfile
├── LICENSE
├── README.md
├── deepspeed_config.json
├── environment.yml
├── run_pretrained_openfold.py
├── setup.py
├── thread_sequence.py
└── train_openfold.py

目录介绍

• docs/: 包含项目的文档文件，如安装指南、使用说明等。
• examples/monomer/: 包含单体蛋白质结构预测的示例代码。
• experiments/: 包含实验相关的代码和数据。
• imgs/: 包含项目中使用的图像文件。
• notebooks/: 包含 Jupyter Notebook 文件，用于交互式实验和演示。
• openfold/: 核心代码库，包含 OpenFold 模型的实现。
• scripts/: 包含一些辅助脚本，如数据预处理脚本等。
• tests/: 包含项目的测试代码。
• .gitignore: Git 忽略文件配置。
• CITATION.cff: 项目引用信息。
• Dockerfile: 用于构建 Docker 镜像的文件。
• LICENSE: 项目许可证文件。
• README.md: 项目介绍和使用说明。
• deepspeed_config.json: DeepSpeed 配置文件。
• environment.yml: Conda 环境配置文件。
• run_pretrained_openfold.py: 运行预训练 OpenFold 模型的脚本。
• setup.py: Python 项目安装脚本。
• thread_sequence.py: 处理序列数据的脚本。
• train_openfold.py: 训练 OpenFold 模型的脚本。

2. 项目启动文件介绍

run_pretrained_openfold.py

该脚本用于运行预训练的 OpenFold 模型，进行蛋白质结构预测。使用方法如下：

python run_pretrained_openfold.py --input_file <input_file> --output_dir <output_dir>

• --input_file: 输入文件路径，包含待预测的蛋白质序列。
• --output_dir: 输出目录路径，用于保存预测结果。

train_openfold.py

该脚本用于训练 OpenFold 模型。使用方法如下：

python train_openfold.py --config_file <config_file> --data_dir <data_dir>

• --config_file: 配置文件路径，包含训练参数。
• --data_dir: 数据目录路径，包含训练数据。

3. 项目配置文件介绍

deepspeed_config.json

该文件是 DeepSpeed 的配置文件，用于配置分布式训练的相关参数。示例如下：

{
  "train_batch_size": 16,
  "gradient_accumulation_steps": 1,
  "fp16": {
    "enabled": true
  },
  "zero_optimization": {
    "stage": 2
  }
}

environment.yml

该文件是 Conda 环境配置文件，用于创建项目的运行环境。示例如下：

name: openfold
channels:
  - defaults
dependencies:
  - python=3.8
  - pytorch=1.9.0
  - cudatoolkit=11.1
  - pip
  - pip:
    - openfold

通过以上配置文件，可以快速搭建 OpenFold 项目的运行环境，并进行模型训练和预测。