【AI+Bio系列】项目实战｜Protenix项目下载、环境准备和测试-优快云博客

本文链接：https://blog.youkuaiyun.com/Yaoyao2024/article/details/149355995

前言💆‍♂️

一句话：Protenix: AlphaFold3的再现

Protenix是由字节跳动AML AI4Science团队开发的一个开源项目，旨在复现并优化AlphaFold3（AF3）的蛋白质结构预测模型。AlphaFold3是DeepMind开发的先进蛋白质结构预测工具，能够预测蛋白质与其他生物分子（如配体、核酸、抗体-抗原复合物）的相互作用结构，但其代码和训练细节并未完全公开，限制了科研界的广泛使用。Protenix的目标是解决这一问题，提供完整的训练代码、预处理数据和优化方法，以促进生物计算和AI交叉领域的研究
在这里插入图片描述

为Protenix项目创建和配置conda环境

1. 创建conda环境

首先创建一个Python 3.10的conda环境：

# 创建新的conda环境
conda create -n protenix python=3.10 -y

# 激活环境
conda activate protenix

2. 安装基础依赖

由于项目使用PyTorch 2.3.1，建议先安装PyTorch及其相关依赖：

# 安装PyTorch（根据你的CUDA版本选择）
# 对于CUDA 12.1
conda install pytorch==2.3.1 torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

# 或者对于CPU版本
# conda install pytorch==2.3.1 torchvision torchaudio cpuonly -c pytorch

3. 安装项目依赖

有两种方式安装项目依赖：

方式1：直接安装protenix包

# 激活环境后直接安装
pip install protenix

方式2：从源码安装 ✅

这里因为我要对项目进行开发，因此我下载的源码

git clone https://github.com/bytedance/Protenix.git

# 进入项目目录
cd Protenix

# 安装依赖
pip install -r requirements.txt

# 开发模式安装（推荐用于开发）
pip install -e .

# 或者CPU版本（如果不需要GPU）
python setup.py develop --cpu

4. 验证安装

验证安装是否成功：

# 测试protenix命令
protenix --help

# 测试Python导入
python -c "import protenix; print('Protenix installed successfully')"

5. 可选：安装额外工具

根据项目需要，可能还需要安装一些额外工具：

# 如果需要使用Jupyter notebook
conda install jupyter ipywidgets -y

# 如果需要可视化
pip install py3Dmol matplotlib

# 如果需要开发工具
pip install flake8 pre-commit

6. 环境配置文件（可选）

你也可以创建一个environment.yml文件来管理环境：

使用environment.yml文件创建环境：

# 使用配置文件创建环境
conda env create -f environment.yml

# 激活环境
conda activate protenix

7. 常见问题解决

CUDA版本问题：
- 检查你的CUDA版本：nvidia-smi
- 根据CUDA版本选择合适的PyTorch版本
内存不足：
- 项目需要较大内存，建议至少16GB RAM
- 对于训练，可能需要更多内存
依赖冲突：
- 如果遇到依赖冲突，可以尝试创建新的干净环境
- 使用conda clean --all清理缓存

8. 测试环境 🥳🥳🥳

创建并激活环境后，可以运行项目提供的demo脚本测试：

# 测试推理
sh inference_demo.sh

# 或者使用命令行
protenix predict --input examples/example.json --out_dir ./output --seeds 101

8.1 🐛BUG1🚫:`AssertionError: if use ds4sci, set CUTLASS_PATH environment variable`

需要设置CUTLASS_PATH环境变量。这是DeepSpeed的evo attention功能需要的。
在这里插入图片描述

检查系统中是否已经有CUTLASS安装：

find /usr/local /opt /home -name "*cutlass*" -type d 2>/dev/null

在这里插入图片描述

找到了几个CUTLASS安装路径。让我使用其中一个来设置CUTLASS_PATH环境变量。
```
Protenix/inference_demo.sh:
```
增加这样一行：
```
export CUTLASS_PATH=/home/xxxx/projects/cutlass
```
再重新运行
✅ 推理作业成功运行中！
生成的结果：
5个结构预测文件（.cif格式）：7pzb_seed_101_sample_0.cif 到 7pzb_seed_101_sample_4.cif
5个置信度摘要文件（.json格式）：每个样本都有对应的置信度评估

总结

推荐的完整安装流程：

conda create -n protenix python=3.10 -y
conda activate protenix
conda install pytorch==2.3.1 torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
pip install protenix
protenix --help (验证安装)

或者使用我创建的environment.yml文件：