Memprediksi Struktur Molekul dengan AlphaFold 2 dan 3

Pendahuluan

Pada bulan Oktober 2024, Hadiah Nobel dalam bidang Kimia mengakui karya AlphaFold 2, sebuah model pembelajaran mendalam yang dikembangkan oleh Google DeepMind yang secara akurat memprediksi struktur 3D protein hanya dari urutan asam aminonya. Mengatakan bahwa pekerjaan ini revolusioner terasa seperti meremehkan mengingat betapa pentingnya peran protein dalam proses biologis dan betapa terkaitnya struktur protein dengan fungsinya. Secara historis, para peneliti menghabiskan seluruh masa PhD mereka atau bertahun-tahun karier mereka untuk mengungkap struktur satu protein menggunakan metode eksperimental seperti kristalografi sinar-X atau mikroskopi kriogenik elektron. Hal ini memperlambat sejumlah bidang penelitian biologis termasuk .

Poin Penting

• AlphaFold 2 bukan dimaksudkan untuk menyaingi teknik eksperimen laboratorium basah, melainkan untuk memberikan hipotesis yang dapat diuji yang dapat membimbing peneliti dalam prediksi struktur protein. AlphaFold 2 dilatih dengan data dari Protein Data Bank.

• AlphaFold 3 memiliki kemampuan tambahan dibandingkan AlphaFold 2 termasuk kemampuan untuk memprediksi struktur kompleks yang mengandung semua jenis molekul yang ada di Protein Data Bank, kecuali molekul air. AlphaFold 3 dapat menangani:

  • Kompleks protein dengan DNA, RNA, ligan molekul kecil, dan ion
  • Struktur dengan modifikasi pasca-translasi protein (termasuk glikosilasi)

• Baik AlphaFold 2 maupun 3 menggunakan MSA (Multiple Sequence Alignment) sebagai input, tetapi AlphaFold 3 menggunakan rantai RNA selain protein.

• AlphaFold 2 bisa digunakan secara gratis di bawah lisensi Apache 2.0, sedangkan AlphaFold 3 terbatas untuk penggunaan non-komersial.

Prasyarat

Mengingat artikel ini membahas prediksi struktur molekul, kami menyarankan Anda memiliki atau mempelajari terlebih dahulu biomolekul dan terminologi biologis terkait (misalnya, protein, RNA, ligan, dll.). Anda juga perlu mengajukan permintaan parameter model Alphafold 3 untuk menggunakan model Alphafold 3 secara non-komersial. Akses dapat diberikan dalam 2-3 hari kerja.

Selain itu, untuk mengikuti petunjuk penempatan, artikel ini mengasumsikan pemahaman tentang konsep teknis termasuk infrastruktur cloud (Linux-Console.net GPU Droplets), operasi baris perintah (SSH, git), dan kontainerisasi menggunakan Docker.

Memahami Masukan

Penjajaran Urutan Berganda

AlphaFold2 menggunakan Penyelarasan Urutan Berganda (MSA) untuk memahami hubungan evolusi antara protein. MSA efektif karena logika bahwa asam amino yang saling bersentuhan kemungkinan besar akan sama-sama mengalami mutasi jika terjadi mutasi.

Arsitektur Model (AF2 vs. AF3)

Memahami Hasil

Metrik Kepercayaan

AlphaFold menyediakan metrik kepercayaan, seperti pLDDT, pTM, dan PAE.

pLDDT

pLDDT (predicted local distance difference test) merujuk pada prediksi nilai LDDT (Local Distance Difference Test). Nilai ini adalah ukuran tingkat kepercayaan pada struktur lokal per residu. Dengan kata lain, seberapa yakin kita bahwa struktur yang diprediksi sesuai dengan struktur eksperimental. Nilai ini skala dari 0 hingga 100, di mana skor yang lebih tinggi menunjukkan tingkat kepercayaan yang lebih tinggi dan biasanya prediksi yang lebih akurat.

pTM dan ipTM

Skor pemodelan template yang diprediksi (pTM) dan skor pemodelan template antarmuka yang diprediksi (ipTM) keduanya berasal dari skor pemodelan template, yang mengukur akurasi keseluruhan struktur. Skor pTM di atas 0,5 menunjukkan bahwa lipatan kompleks yang diprediksi mungkin sesuai dengan struktur yang sebenarnya. ipTM menilai posisi relatif subunit yang diprediksi: nilai di atas 0,8 menunjukkan prediksi dengan kepercayaan tinggi, di bawah 0,6 menunjukkan kemungkinan gagal, dan 0,6-0,8 tidak pasti. Untuk struktur kecil atau rantai pendek (di bawah 20 token), penilaian TM menjadi terlalu ketat, menghasilkan nilai pTM di bawah 0,05; di sini, PAE atau pLDDT lebih baik menunjukkan kualitas prediksi.

PAE

PAE, predicted aligned error, adalah ukuran seberapa yakin AlphaFold 2 terhadap posisi dan orientasi relatif dari dua residu (token) dalam struktur yang diprediksi. Nilai yang lebih tinggi menunjukkan kesalahan prediksi yang lebih tinggi dan oleh karena itu tingkat kepercayaan yang lebih rendah.

Haruskah saya menggunakan AlphaFold 2 atau 3?

AlphaFold 3 melampaui AlphaFold 2 dalam hal akurasi dan dapat memprediksi kompleks multi-molekul, tetapi perbedaan lisensi membuat AlphaFold 2 tetap penting bagi banyak pengguna. AlphaFold 2 tersedia secara gratis untuk penggunaan akademik dan komersial di bawah lisensi Apache 2.0, sedangkan AlphaFold 3 hanya terbatas untuk penggunaan non-komersial; Anda tidak dapat menggunakannya untuk penelitian komersial, melatih model ML pesaing, atau menghasilkan output untuk tujuan komersial. Selain itu, skor kepercayaan AlphaFold 3 untuk polimer sangat dipengaruhi oleh konteks non-polimer seperti ion atau ligan, jadi untuk studi yang hanya melibatkan polimer seperti interaksi protein-protein, Anda mungkin perlu menambahkan molekul kontekstual untuk mendapatkan skor yang dapat diandalkan, sedangkan AlphaFold 2 menghindari kompleksitas ini meskipun dengan akurasi yang sedikit lebih rendah. Mengingat faktor-faktor ini, Google DeepMind terus mendukung AlphaFold 2 sebagai alat yang berharga untuk penelitian dan pengembangan.

Alphafold 2 di Linux-Console.net

AlphaFold 2 membutuhkan pengunduhan hampir ~2,5 TB basis data genetik (UniRef90, MGnify, BFD, dll.). Kita perlu menambahkan Volume Penyimpanan Blok (2,5 TB untuk AF2 atau 1 TB untuk AF3) untuk menampung basis data genetik tersebut.

Langkah 1: Pengaturan Lingkungan (AF2)

Pilih gambar Ubuntu "AI/ML Ready" untuk memastikan driver NVIDIA dan Docker sudah terpasang.

Sambungkan ke Droplet GPU Anda melalui SSH:

ssh root@your_droplet_ip

Kita juga perlu memastikan sistem kita selalu diperbarui.

Perbarui indeks paket lokal Anda.

sudo apt update && sudo apt upgrade -y

Unduh basis data genetik dan parameter model. Langkah ini mungkin memerlukan waktu.

scripts/download_all_data.sh /path/to/your/storage > download.log 2> download_error.log &

Langkah 3: Bangun image Docker dan pasang dependensi

docker build -f docker/Dockerfile -t alphafold .
pip3 install -r docker/requirements.txt

Langkah 4: Jalankan Model

python3 docker/run_docker.py \
  --fasta_paths=your_protein.fasta \
  --max_template_date=2022-01-01 \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

Alphafold 3 di Linux-Console.net

Kami juga akan menunjukkan kepada Anda cara menjalankan AlphaFold 3 menggunakan GPU Droplets kami. Perlu dicatat bahwa model ini terbatas untuk penggunaan non-komersial. Isi formulir ini untuk mendapatkan akses ke parameter model. Izin biasanya diberikan dalam 2-3 hari kerja.

Langkah 1: Pengaturan Lingkungan (AF3)

Pilih gambar Ubuntu "AI/ML Ready" untuk memastikan driver NVIDIA dan Docker sudah terpasang.

Sambungkan ke Droplet GPU Anda melalui SSH:

ssh root@your_droplet_ip

Langkah 2: Kloning Repositori

Instal git dan unduh repositori AlphaFold 3:

git clone https://github.com/google-deepmind/alphafold3.git
cd alphafold3

Langkah 3: Jalankan Model Alphafold 3

docker build -t alphafold3 -f docker/Dockerfile .

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DB_DIR>:/root/public_databases \
    --gpus all \
    alphafold3 \
    python run_alphafold.py \
    --json_path=/root/af_input/fold_input.json \
    --model_dir=/root/models \
    --output_dir=/root/af_output

Pertanyaan yang Sering Diajukan

Apa perbedaan utama antara AlphaFold 2 dan AlphaFold 3?

Sementara AlphaFold 2 merevolusi prediksi struktur protein, AlphaFold 3 memperluas cakrawala secara signifikan. Perbedaan kunci meliputi:

• Cakupan Molekuler: AF2 hampir sepenuhnya berfokus pada protein. AF3 dapat memprediksi kompleks yang melibatkan DNA, RNA, ligan, dan ion.
• Arsitektur: AF2 menggunakan modul “Evoformer”, sedangkan AF3 memanfaatkan “Pairformer” yang lebih sederhana dan kepala berbasis difusi.
• Lisensi: Ini yang paling penting. AF2 berada di bawah lisensi Apache 2.0 (penggunaan komersial diperbolehkan), sementara AF3 saat ini dibatasi untuk penggunaan non-komersial.

Mengapa saya membutuhkan penyimpanan 2,5 TB untuk AlphaFold 2?

Model itu sendiri tidak memakan banyak ruang penyimpanan - yang sebenarnya memakan tempat adalah basis data genetik. AlphaFold 2 bergantung pada Multiple Sequence Alignment (MSA) untuk memahami bagaimana protein berevolusi. Untuk melakukan ini, ia perlu mencari melalui perpustakaan besar seperti UniRef90, MGnify, dan Big Fantastic Database (BFD).

Catatan: Jika ruang penyimpanan Anda terbatas, AlphaFold 3 membutuhkan jejak database yang lebih kecil (~1 TB) dibandingkan dengan seluruh tumpukan AlphaFold 2.

Bagaimana cara saya menafsirkan skor kepercayaan $pLDDT$?

pLDDT (predicted Local Distance Difference Test) adalah ukuran tingkat kepercayaan per residu pada skala 0 hingga 100:

• 90: Kepercayaan tinggi; wilayah-wilayah ini kemungkinan sangat akurat dan dapat digunakan untuk analisis struktural yang rinci.

• 70 - 90: Keyakinan baik; tulang punggung kemungkinan benar.
• 50 - 70: Percaya diri rendah; gunakan hati-hati.
• < 50: Kepercayaan sangat rendah; wilayah-wilayah ini seringkali “secara intrinsik tidak teratur,” artinya mereka tidak memiliki struktur 3D tetap ketika terisolasi.

Apakah saya bisa menjalankan AlphaFold di Droplet standar tanpa GPU?

Secara teknis, “folding” (inferensi) bisa dijalankan di CPU, tetapi akan sangat lambat - ini bisa memakan waktu berhari-hari atau bahkan berminggu-minggu untuk struktur kompleks yang bisa ditangani GPU dalam hitungan menit. Selain itu, image Docker AlphaFold dioptimalkan untuk toolkit CUDA milik NVIDIA. Untuk penelitian yang praktis, Droplet GPU di Linux-Console.net pada dasarnya adalah sebuah keharusan.

Apa itu string SMILES, dan mengapa AlphaFold 3 membutuhkannya?

SMILES adalah singkatan dari Simplified Molecular-Input Line-Entry System. Ini adalah sistem notasi yang merepresentasikan struktur kimia dalam bentuk string teks. Karena AlphaFold 3 dapat memprediksi bagaimana protein berinteraksi dengan obat molekul kecil (ligan), Anda memberikan struktur obat melalui string SMILES (misalnya, CC(=O)OC1=CC=CC=C1C(=O)O untuk Aspirin).

Apakah struktur yang diprediksi ini 'final'?

Tidak selalu. Meskipun AlphaFold sangat akurat, itu adalah model prediktif, bukan pengamatan eksperimental. Dalam penemuan obat atau biologi molekuler, AlphaFold paling baik digunakan untuk menghasilkan hipotesis yang dapat diuji tetapi tetap membimbing eksperimen laboratorium basah yang dapat diverifikasi.

Kesimpulan

Selamat karena berhasil melewatinya. Anda baru saja (semoga berhasil) menjalankan Alphafold 2 dan/atau 3 di Droplet GPU Linux-Console.net dengan Penyimpanan Volume Linux-Console.net. AlphaFold membuat biologi struktural lebih mudah diakses, memungkinkan para peneliti di seluruh dunia mendapatkan wawasan yang biasanya memerlukan bertahun-tahun pekerjaan eksperimental yang mahal. Namun, beberapa peneliti memperingatkan bahwa mengandalkan AlphaFold saja tanpa verifikasi eksperimental—terutama dalam penemuan obat—dapat menghasilkan model mekanistik yang salah, menekankan pentingnya mengintegrasikan prediksi komputasi dengan verifikasi laboratorium. Selain dampak ilmiahnya yang langsung, AlphaFold menjadi contoh bagaimana kecerdasan buatan dapat menangani tantangan ilmiah yang kompleks, memberikan gambaran tentang bagaimana alat komputasi akan terus membentuk pemahaman kita tentang dunia alam dan kemampuan kita untuk menghadapi tantangan mendesak dalam penemuan ilmiah.

Referensi dan Sumber Tambahan

Makalah AlphaFold 2: Prediksi struktur protein yang sangat akurat dengan AlphaFold

Makalah AlphaFold3: Prediksi struktur yang akurat dari interaksi biomolekuler dengan AlphaFold 3

Penjajaran Urutan Berganda: Ini adalah sumber yang bagus untuk membangun intuisi Anda tentang MSA.

Memprediksi struktur protein dengan ColabFold dan AlphaFold2 Colab: Ini akan memberikan Anda latar belakang dalam menjalankan AlphaFold tanpa harus menginstal dan menjalankan perangkat lunak AlphaFold2 secara penuh. Di sini, parameter terpenting yang dapat diubah adalah: jumlah siklus ulang (recycles), kedalaman penyelarasan urutan ganda (MSA), benih acak yang digunakan untuk memulai prediksi, dan apakah akan menyediakan struktur template. Output dari ColabFold mencakup file PDB, nilai/plot pLDDT, file MSA, dll.

FAQ Server AlphaFold: Server AlphaFold adalah alternatif lain untuk menjalankan AlphaFold3.

Terima kasih telah belajar bersama Komunitas Linux-Console.net.