Foldseek 技术文档

Foldseek 是一款高效的蛋白质结构比对工具，它能够快速并灵敏地处理大规模蛋白质结构集的比较。本文档旨在指导用户了解 Foldseek 的安装流程、基本使用方法、API 概览以及数据库操作，以便您能充分利用该工具的强大功能。

安装指南

预编译二进制文件

Foldseek 提供了适用于不同平台的预编译二进制文件：

• 对于支持 AVX2 指令集的 Linux 系统：

wget https://mmseqs.com/foldseek/foldseek-linux-avx2.tar.gz; tar xvzf foldseek-linux-avx2.tar.gz; export PATH=$(pwd)/foldseek/bin/:$PATH

• 对于仅支持 SSE2 的 Linux 系统：

wget https://mmseqs.com/foldseek/foldseek-linux-sse2.tar.gz; tar xvzf foldseek-linux-sse2.tar.gz; export PATH=$(pwd)/foldseek/bin/:$PATH

• Linux ARM64 架构：

wget https://mmseqs.com/foldseek/foldseek-linux-arm64.tar.gz; tar xvzf foldseek-linux-arm64.tar.gz; export PATH=$(pwd)/foldseek/bin/:$PATH

• MacOS 用户：

wget https://mmseqs.com/foldseek/foldseek-osx-universal.tar.gz; tar xvzf foldseek-osx-universal.tar.gz; export PATH=$(pwd)/foldseek/bin/:$PATH

• 或者，通过 Conda 在 Linux 和 macOS 上安装：

conda install -c conda-forge -c bioconda foldseek

从源代码编译（可选）

对于需要定制化编译选项的高级用户，可以访问官方仓库获取编译说明。

项目的使用说明

快速启动搜索

以查询单个或多个蛋白质结构为例，命令如下：

foldseek easy-search <query_structure> <database_folder> <output_folder>

其中 <query_structure> 是您的蛋白质结构文件路径，<database_folder> 是目标数据库目录，而 <output_folder> 是保存结果的地方。

结果输出

• 默认输出: 包含匹配度、长度、错配等信息。
• 超级位置 PDB 文件: 使用 --format-mode 5 生成目标结构相对于查询结构的超级位置。
• 交互式 HTML: 指定 --format-mode 3 生成类似网页版的详细结果界面。

参数调整

• 调整敏感性: -s 值越低，速度越快但可能丢失敏感性。
• 控制结果数量: -e 设定 E值阈值，--max-seqs 设置最大序列数。

API使用文档

Foldseek API 主要是命令行接口，其核心在于几个关键子命令如 easy-search, createdb, 和 cluster。每个子命令都有详细的参数来控制搜索、数据库创建和聚类行为。例如，easy-search 中 -c 用于控制覆盖范围，--alignment-type 来选择不同的对齐算法。

创建自定义数据库

为了特定任务，用户可通过以下命令创建基于FASTA文件的结构数据库：

foldseek createdb <fasta_file> <db_name> [--prostt5-model <weights_path>] 

这里 --prostt5-model 用于利用ProstT5从氨基酸序列预测结构。

内存要求

基于系统的RAM大小和任务需求，Foldsek提供了不同的内存使用策略，确保高效运行。从无需Cα信息减少到35GB，到单查询模式下几乎不限制内存，用户可以根据实际情况选择最适合的方式。

总结

Foldseek为蛋白质结构相似性搜索提供了一个强大的工具箱。通过遵循上述指南，用户应该能够顺利安装和应用Foldseek进行复杂的数据分析。记得查阅官方wiki页面获取更多模块详情和高级使用案例。