foldseek

Foldseek 结构搜索

前置条件

要求	最低配置	推荐配置
Python	3.8+	3.10
RAM	8GB	16GB
磁盘	10GB	50GB（用于本地数据库）

运行方式

注意：Foldseek 可在本地运行，也可通过 Web 服务运行。无需 GPU。

选项 1：Web 服务（快速；有速率限制，请谨慎使用）

# Upload structure to web server
curl -X POST "https://search.foldseek.com/api/ticket" \
  -F "[email protected]" \
  -F "database[]=afdb50" \
  -F "database[]=pdb100"

选项 2：本地安装

# Install Foldseek
conda install -c conda-forge -c bioconda foldseek

# Search PDB
foldseek easy-search query.pdb /path/to/pdb100 results.m8 tmp/

# Search AlphaFold DB
foldseek easy-search query.pdb /path/to/afdb50 results.m8 tmp/

选项 3：Python API

import subprocess
import pandas as pd

def foldseek_search(query_pdb, database, output="results.m8"):
    """Run Foldseek search."""
    subprocess.run([
        "foldseek", "easy-search",
        query_pdb, database, output, "tmp/",
        "--format-output", "query,target,pident,alnlen,evalue,bits"
    ])
    return pd.read_csv(output, sep="\t",
                       names=["query", "target", "pident", "alnlen", "evalue", "bits"])

关键参数

参数	默认值	描述
--min-seq-id	0.0	最小序列一致性
-e	0.001	E 值阈值
--alignment-type	2	0=3Di，1=TM，2=3Di+AA
--max-seqs	1000	通过预过滤器的最大命中数；降低此值会影响灵敏度

数据库

数据库	描述	大小
pdb100	PDB 链	~340K 个结构
afdb50	按 50% 序列一致性聚类的 AlphaFold DB	~53M 个结构
swissprot	SwissProt 结构	~540K 个结构
cath50	CATH 结构域	~50K 个结构域

输出格式

# results.m8 (tabular)
query   target          pident  alnlen  evalue  bits
query   1abc_A          85.2    120     1e-45   180.5
query   2def_B          72.1    115     1e-32   145.2

示例输出

成功运行

$ foldseek easy-search query.pdb pdb100 results.m8 tmp/
# results.m8 columns: query target pident alnlen mismatch gapopen qstart qend tstart tend evalue bits
query   1abc_A  85.2  120  ...  1e-45  180.5
query   2def_B  72.1  115  ...  1e-32  145.2

上方的命中一致性和 E 值为占位符；foldseek 不会输出其他工具可能显示的 [INFO] 行。

决策树

Should I use Foldseek?
│
├─ What are you searching?
│  ├─ By 3D structure → Foldseek ✓
│  ├─ By sequence → Use BLAST (uniprot skill)
│  └─ Both → Run both, compare results
│
└─ What do you need?
   ├─ Find structural homologs → Foldseek ✓
   ├─ Remote homolog detection → Foldseek ✓
   ├─ Structural clustering → Foldseek ✓
   └─ Functional annotation → Cross-reference with UniProt

常见用例

查找相似设计

# Compare your design to PDB
foldseek easy-search design.pdb pdb100 similar_natural.m8 tmp/

新颖性检查

# Ensure design is novel (low similarity to known)
foldseek easy-search design.pdb afdb50 novelty.m8 tmp/

# Novel if: top hit identity < 30%

支架搜索

# Find scaffolds for motif grafting
foldseek easy-search motif.pdb pdb100 scaffolds.m8 tmp/ \
  --min-seq-id 0.0 -e 10

---

验证

wc -l results.m8  # Number of hits

---

故障排除

没有命中：降低 E 值阈值，尝试更大的数据库
命中过多：提高 min-seq-id 阈值
搜索缓慢：使用较小的数据库

错误说明

错误	原因	解决方法
Database not found	路径错误	检查数据库位置
Invalid PDB	结构格式错误	验证 PDB 格式
Out of memory	数据库过大	使用更多 RAM 或 Web 服务

---

下一步：使用 pdb 技能下载命中结果 → 用于支架设计。