关于 msa-structure-prediction-pipeline
MSA Structure Prediction Pipeline 是一份技能指南,将 MSA-Search 与 OpenFold3 串联,利用进化序列比对预测蛋白质结构,并涵盖单体、复合物及单序列预测对比。
主要功能
- 01MSA-Search 到 OpenFold3 工作流
- 02结合 MSA 的结构预测
- 03复合物的配对比对
- 04与单序列预测结果对比
适用场景
- 01根据蛋白质序列预测结构
- 02利用配对 MSA 预测复合物结构
- 03比较 MSA 预测与单序列预测结果
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ nvidia-bionemo/ bionemo-agent-toolkit --skill msa-structure-prediction-pipeline安装后在 Claude Code 中输入/msa-structure-prediction-pipeline确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
BENCHMARK.mdskill-card.mdskill.oms.sigevals/evals.json详细介绍
MSA 结构预测流水线
通过串联两个 BioNeMo NIM,以高精度预测蛋白质结构:
Step 1: MSA-Search → Step 2: OpenFold3
(Search homologs) (Predict structure with MSA)
概述
为什么要串联这些 NIM?
- MSA-Search 使用 GPU 加速的 MMSeqs2,在 UniRef30 和 ColabFold 数据库中查找进化同源序列。生成的比对可提供关键的进化信息。
- OpenFold3 使用 MSA 提高结构预测准确性,尤其适用于在 PDB 中没有近缘同源序列的序列。
- 先运行 MSA-Search,可让 OpenFold3 获取完整的进化背景,而不是仅基于单条序列进行预测。
开始之前
请与用户确认:
- 查询序列:要预测的氨基酸序列
- MSA 深度:要检索的序列数量(默认 500;数量越多,速度越慢,但背景信息越丰富)
- API 模式:托管模式还是本地 Docker?
注意:本地 MSA-Search 需要 1.4 TB 的数据库存储空间。如果用户没有相应基础设施,强烈建议使用托管模式。
对于本地 Docker,不要假设 MSA-Search 和 OpenFold3 能同时运行在
localhost:8000 上。请一次运行一个容器并传递 A3M
文件,或将每个 NIM 启动在不同的主机端口上,并明确设置 URL。
步骤 1:使用 MSA-Search 搜索 MSA
import requests, json, os
from pathlib import Path
NGC_API_KEY = os.getenv("NGC_API_KEY")
HOSTED = True
query_sequence = "<YOUR_PROTEIN_SEQUENCE>"
if HOSTED:
msa_url = "https://health.api.nvidia.com/v1/biology/colabfold/msa-search/predict"
headers = {"Content-Type": "application/json",
"Authorization": f"Bearer {NGC_API_KEY}"}
else:
msa_url = "http://localhost:8000/biology/colabfold/msa-search/predict"
headers = {"Content-Type": "application/json"}
payload = {
"sequence": query_sequence,
"databases": ["Uniref30_2302", "colabfold_envdb_202108"],
"e_value": 0.0001,
"output_alignment_formats": ["a3m"],
}
r = requests.post(msa_url, headers=headers, json=payload)
r.raise_for_status()
msa_result = r.json()
# Extract the A3M alignment
a3m_alignment = msa_result["alignments"]["Uniref30_2302"]["a3m"]["alignment"]
# Save for reference
with open("query_msa.a3m", "w") as f:
f.write(a3m_alignment)
# Count sequences in alignment
n_seqs = a3m_alignment.count(">")
print(f"Step 1 complete: found {n_seqs} homologous sequences")
print(f"MSA saved to query_msa.a3m")
步骤 2:使用 OpenFold3 预测结构
将 MSA 直接传入 OpenFold3 的 msa 字段:
if HOSTED:
of3_url = "https://health.api.nvidia.com/v1/biology/openfold/openfold3/predict"
else:
of3_url = "http://localhost:8000/biology/openfold/openfold3/predict"
# Build the OpenFold3 MSA structure from the retrieved alignment
msa_data = {
"uniref30": {
"a3m": {
"alignment": a3m_alignment,
"format": "a3m"
}
}
}
# Optionally also include colabfold_envdb alignment if requested
# env_alignment = msa_result["alignments"]["colabfold_envdb"]["a3m"]["alignment"]
# msa_data["colabfold_env"] = {"a3m": {"alignment": env_alignment, "format": "a3m"}}
payload = {
"inputs": [{
"input_id": "prediction_with_msa",
"output_format": "pdb",
"molecules": [
{
"type": "protein",
"sequence": query_sequence,
"diffusion_samples": 1,
"msa": msa_data
}
]
}]
}
r = requests.post(of3_url, headers=headers, json=payload, timeout=300)
r.raise_for_status()
result = r.json()
output = result["outputs"][0]
for i, sample in enumerate(output["structures_with_scores"]):
fmt = sample["format"]
filename = f"predicted_structure_{i+1}.{fmt}"
with open(filename, "w") as f:
f.write(sample["structure"])
print(f"\nStep 2 complete: {filename} saved")
print(f" Confidence: {sample['confidence_score']:.4f}")
print(f" pLDDT: {sample['complex_plddt_score']:.4f}")
print(f" pTM: {sample['ptm_score']:.4f}")
比较单序列预测与 MSA 辅助预测
如果用户想了解 MSA 的影响,可运行两次 OpenFold3:一次使用完整 MSA,另一次仅将查询序列作为最简比对:
# Minimal MSA (single sequence — same as no MSA context):
minimal_msa = {
"main": {
"a3m": {
"alignment": f">query\n{query_sequence}",
"format": "a3m"
}
}
}
通常,规模更大、质量更高的 MSA 会带来更高的 pLDDT 和更低的 pDE,尤其是对于已知同源序列较多的蛋白质。
蛋白质复合物
使用 MSA-Search 的 /paired/predict 端点,为多链复合物获取配对比对;然后将每条链的比对传入相应分子的 msa 和 paired_msa 字段:
# Paired MSA search endpoint for complexes:
msa_paired_url = "https://health.api.nvidia.com/v1/biology/colabfold/msa-search/paired/predict"
paired_payload = {
"sequences": [chain_A_sequence, chain_B_sequence],
"e_value": 0.0001,
}
快速参考 — 技能依赖项
| 步骤 | 技能 | 关键端点 |
|---|---|---|
| MSA 搜索 | msa-search-nim | /biology/colabfold/msa-search/predict |
| 结构预测 | openfold3-nim | /biology/openfold/openfold3/predict |
评论
支持 Markdown