前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Rosetta安装攻略:开启蛋白质研究之门

Rosetta安装攻略:开启蛋白质研究之门

作者头像
Tom2Code
发布于 2024-03-27 06:34:30
发布于 2024-03-27 06:34:30
3.2K94
代码可运行
举报
文章被收录于专栏:TomTom
运行总次数:4
代码可运行

1.Background

很久很久之前就对Rosetta有所耳闻,有一篇文章叫做denovo protein design,说的就是用rosetta来设计蛋白质。

rosetta是david baker团队设计的软件,早期只是一个蛋白质结构预测软件,但是随着软件的更新和迭代,现在已经可以用来处理很多蛋白质设计的问题了。

rosetta的官网是:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
https://www.rosettacommons.org/

rosetta官网的介绍:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
Overview
The Rosetta software suite includes algorithms for computational modeling and analysis of protein structures. It has enabled notable scientific advances in computational biology, including de novo protein design, enzyme design, ligand docking, and structure prediction of biological macromolecules and macromolecular complexes.

Rosetta is available to all non-commercial users for free and to commercial users for a fee. License Rosetta to get started.

Rosetta development began in the laboratory of Dr. David Baker at the University of Washington as a structure prediction tool but since then has been adapted to solve common computational macromolecular problems.

Development of Rosetta has moved beyond the University of Washington into the members of RosettaCommons, which include government laboratories, institutes, research centers, and partner corporations.

The Rosetta community has many goals for the software, such as:

Understanding macromolecular interactions
Designing custom molecules
Developing efficient ways to search conformation and sequence space
Finding a broadly useful energy functions for various biomolecular representations

rosetta中文版本的介绍

rosetta官网图片:

rosetta的相关论文,从2015年开始

2.Beginning

2.1下载

首先我们打开rosetta的网站,然后按照图片上的操作来点击。

然后我们点击学术下载:

这里的步骤需要验证一下邮箱,然后就可以获取到一个下载地址了。如果嫌麻烦的话,可以直接联系Tom获取rosetta的安装包。

2.2安装

本次安装是在Ubuntu服务器上安装,所以首先我们需要把安装包上传到服务器上,因为Tom是用本地电脑下载的压缩包。

anyway,大家用什么方法把文件移动到服务器上都可以。

下面我们就开始安装。

第一步先解压:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
tar -xjvf rosetta_src_3.14_bundle.tar.bz2

解压结束后可以看到有一个新的文件夹被创建了

第二步,进入对应的文件夹:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd rosetta.source.release-371

第三步,执行安装指令:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
./scons.py mode=release bin

相信会有大家产生疑问,为什么要用scons呢?

放心,rosetta的官网给了解释:

当前的构建系统基于工具SCons(“软件构造函数”)并有一些扩展。scons.py实现为Python脚本。

官网的说明是这样的:

所以 参数 j 其实是指明了 进程数。

例如 如果在安装rosetta的时候加上 -j4 这个参数 就代表了 使用4个进程同时来进行安装

所以看懂了这条指令后,我果断输入了Ctrl+c 中断了当前的安装进程

然后输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
./scons.py -j35 model=release bin

发现速度可能变快了一些:

对,这里因为我的文件在root文件夹里,所以我在输入指令的时候需要加上sudo来获取root权限,这样才能有执行文件的权限。

安装ing ~~~~~

之前看教程一个国外的博主安装rosetta的时候用了7个小时

当我指定了使用35个进程的时候,安装速度提升了很多倍,大概只用了30分钟不到。所以,这个服务器的性能还是不错的。

下面我们来测试一下 是否安装成功:

2.3测试

指令:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
(tf) tom@tom-7920-tower:~/rosetta/rosetta.source.release-371/main/source$ ./bin/AbinitioRelax.default.linuxgccrelease

可以发现有正常的rosetta报错,即可证明我们的rosetta安装成功啦。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-03-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Tom的小院 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
9 条评论
热度
最新
作者您好,请问我验证安装的时候bin目录下为什么没有AbinitioRelax.default.linuxgccrelease文件,然后我查看了我的bin目录下存在AbinitioRelax.static.linuxgccrelease文件
作者您好,请问我验证安装的时候bin目录下为什么没有AbinitioRelax.default.linuxgccrelease文件,然后我查看了我的bin目录下存在AbinitioRelax.static.linuxgccrelease文件
回复回复1举报
老哥想问下第一步的路径怎么找啊
老哥想问下第一步的路径怎么找啊
33点赞举报
您好,联系:Tom的校园
您好,联系:Tom的校园
回复回复点赞举报
公众号吗还是V
公众号吗还是V
回复回复点赞举报
查看全部3条回复
能私聊吗
能私聊吗
11点赞举报
可以
可以
回复回复点赞举报
您好,能跟您学习一下如何使用ubuntu服务器吗
您好,能跟您学习一下如何使用ubuntu服务器吗
11点赞举报
可以的
可以的
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
Science | 蛋白质结构预测: now easier, faster
蛋白质是生命的基础,可以单独或一起工作以构建、管理、提供燃料、保护并最终破坏细胞。为了发挥作用,这些长链氨基酸扭曲、折叠并交织成复杂的形状,这些形状可能很慢,甚至不可能破译。科学家们一直梦想着根据蛋白质的氨基酸序列简单地预测蛋白质的形状——这种能力将开启一个洞察生命运作的世界。马里兰大学的结构生物学家 John Moult 说,“这个问题已经存在了 50 年,很多人都对此感到头疼”。
DrugAI
2021/07/28
4590
深度学习驱动的蛋白质设计--从蛋白质结构到药物候选物的全方位
在生物信息学、合成生物学、药物研发、生物材料制备等领域,深度学习技术的革新正在重塑蛋白质设计工具的边界,使其从单纯的结构预测跃升至具有创造性的设计层面。
Tom2Code
2024/05/09
9300
深度学习驱动的蛋白质设计--从蛋白质结构到药物候选物的全方位
Comput Struct Biotech | 深度学习用于蛋白质设计:从结构到序列与功能
2022年11月19日,西班牙赫罗纳大学的Noelia Ferruz等人[1]在Computational and Structural Biotechnology Journal上发表综述From sequence to function through structure: Deep learning for protein design。
智药邦
2023/02/28
1K0
Comput Struct Biotech | 深度学习用于蛋白质设计:从结构到序列与功能
2021年度蛋白质结构预测最佳方法
数十年来,在给定氨基酸线性序列的情况下,预测蛋白质三维结构的潜力一直吸引着计算生物学家。虽然在该领域取得了相当大的进展,但还没有一种方法能够可靠地生成接近、更不用说匹配实验确定结构质量的模型。在过去的一年里,基于深度学习的方法AlphaFold2和RoseTTAfold成功地在一系列靶标上实现了这一壮举,永远改变了结构生物学领域的进程。更令人印象深刻的是,欧洲分子生物学实验室和 DeepMind 之间的合作预测了 21 种模式生物的超过 350,000 种蛋白质的结构,并存储在AlphaFold 蛋白质结构数据库——计划在 2022 年将预测扩展到数百万个结构。
DrugAI
2022/03/25
5700
2021年度蛋白质结构预测最佳方法
Nature Methods | 深度学习蛋白质三维结构
nature methods副主编,Arunima Singh,3月4日在nature methods上发表文章,探讨了基于深度学习的蛋白质结构预测方向近期的研究进展。
DrugAI
2021/02/01
8450
Nature Methods | 深度学习蛋白质三维结构
榕树集-蛋白质阿尔法螺旋
A:蛋白质的螺旋结构可以按照不同的分类方法进行分类。以下是一些常见的螺旋结构分类:
DrugScience
2023/08/10
1.1K0
榕树集-蛋白质阿尔法螺旋
Rosetta简介及完美安装
针对目前国内Rosetta中文资源甚少、零散、求助难的问题,我搭建了一个Rosetta中文社区论坛(beta)。
DrugAI
2021/01/29
6.2K0
基于人工智能(AI)的蛋白结构预测工具合集
蛋白质折叠涉及重新排列空间中的线性氨基酸序列,使其处于低能状态。仅基于氨基酸序列预测正确的三维结构非常困难,其原因在于肽键的自由组合会产生大量的可能性:即使对于一个小的蛋白质进行结构域顺序抽样,耗费的时间都将超过宇宙的年龄,因此计算预测是为了规避顺序抽样问题。在过去的40年里,计算预测一直在稳步改进,通过X 射线晶体学、核磁共振波谱和低温电子显微镜(cryo-EM)等实验确定蛋白质结构序列的同源性。自1994年起,每两年通过将计算预测方法应用于最新解析的蛋白质结构评估其性能。三年前,AlphaFold的首次实施已经是将人工智能应用于解析蛋白质结构的革命性进步。2020年,重新设计的AlphaFold近乎完美地精确预测出了蛋白质三维结构,其预测水准与实验室水平相差无几,一举破解了困扰学界长达五十年之久的“蛋白质折叠”难题。DeepMind团队提出了一种计算方法名为AlphaFold 2,即使在不知道相似结构的情况下,也可以以原子精度定期预测蛋白质结构。2021年7月15日,DeepMind团队在Nature杂志上发表了文章"Highly accurate protein structure prediction with AlphaFold",描述了AlphaFold2是一个基于神经网络的全新设计的AlphaFold版本,其预测的蛋白质结构能达到原子水平的准确度。2021年7月15日,华盛顿大学蛋白设计研究所David Baker教授课题组及其他合作机构在Science上发表论文"Accurate prediction of protein structures and interactions using a three-track neural network",公布了其开源蛋白质预测工具RoseTTAFold的研究结果。
DrugAI
2022/11/28
9030
基于人工智能(AI)的蛋白结构预测工具合集
榕树集-ROSETTA SCRIPT
Rosetta是大分子模型设计软件,拥有310万行代码和许多最先进的应用程序。自1990年代中期以来,这个软件由RosettaCommons共同开发维护。RosettaCommons是一个来自60多个机构的学术社区,具有包括化学、生物学、生理学、物理学、工程学、数学和计算机科学在内的不同学科背景。
DrugScience
2023/05/24
5700
榕树集-ROSETTA SCRIPT
阿尔法狗再下一城 | 蛋白结构预测AlphaFold大胜传统人类模型
“我有一个要研究的蛋白,但我不知道它的结构和功能”——这是分子和细胞生物学家每天面临的最大难题之一。[1] 随着氨基酸测序技术的不断发展,越来越多的蛋白质序列得以被高通量地读取,但是从这个一维序列本身到能够解出实际的三维结构,仍然还有很大的距离。
生信宝典
2018/12/25
1.1K0
Science | 蛋白质设计遇见生物安全
今天为大家介绍的是来自DAVID BAKER 和GEORGE CHURCH团队的一篇论文。
DrugAI
2024/02/23
1630
Science | 蛋白质设计遇见生物安全
Science|AI带来又一突破,或将蛋白质设计带入新时代
---- 新智元报道   来源:学术头条 【新智元导读】强化学习,不仅仅能被用于棋类和 MOBA 游戏中,也能被用来应对来自分子生物学的挑战。 近日,蛋白质设计大神、华盛顿大学生物化学教授 David Baker 团队及其合作者,将强化学习带入蛋白质设计,开发了一款功能强大的新型蛋白质设计软件。 实验结果显示,由这种新方法合成的蛋白质能更有效地在小鼠体内产生有用抗体,这一突破可能很快就会帮助科学家设计出更有效的疫苗。 据介绍,从开发更有效的癌症疗法到创造新的可生物降解纺织品,这种方法的潜在的应用是巨大
新智元
2023/05/09
1420
Science|AI带来又一突破,或将蛋白质设计带入新时代
Science | 面对alphafold,学术界没有躺平:RoseTTAFold挑战蛋白复合物预测
2021年7月15日,华盛顿大学蛋白设计研究所David Baker教授课题组及其他合作机构在Science上发表论文"Accurate prediction of protein structures and interactions using a three-track neural network",公布了其开源蛋白质预测工具RoseTTAFold的研究结果。
DrugAI
2021/07/28
1.1K0
RNA 结构预测为什么比蛋白质难?
2020年11月的一场虚拟会议上,一项每两年举办一次的蛋白质结构预测挑战赛公布了冠军:AlphaFold。这款由 Google DeepMind 开发的计算工具以原子级精度预测了数十种蛋白质结构,取得了研究人员数十年来梦寐以求的突破。
生信菜鸟团
2025/03/28
1120
RNA 结构预测为什么比蛋白质难?
《科学》:媲美AlphaFold2的蛋白质结构预测新工具问世,一台游戏计算机十分钟出结果,完全免费
来源:学术头条 本文约2000字,建议阅读5分钟 整个研究学界都将受益。 如今,人工智能已经渗透到人们生活的方方面面,各种深度学习算法也越来越多地应用于各个领域。尤其在生物和医学领域,人工智能技术可以说大放异彩,极大加速了有关生物、病理等科学的发展,而其中一项重要的应用,就是预测蛋白质结构。 蛋白质作为构成人体组织器官的支架和主要物质,在人体生命活动中起着重要作用。2020 年,DeepMind 在第 14 届 “蛋白质结构预测关键评估”(CASP14)大赛中展示了轰动一时的相关成果 ——AlphaFol
数据派THU
2023/03/29
2710
《科学》:媲美AlphaFold2的蛋白质结构预测新工具问世,一台游戏计算机十分钟出结果,完全免费
Nat. Commun. | 利用深度学习改进蛋白质结合物设计
今天为大家介绍的是来自David Baker的一篇关于蛋白质结合物设计的论文。目前的算法仅凭目标结构信息就可以从头设计具有高亲和力的蛋白质结合物。然而,最后的设计成功率仍然较低,因此算法仍有很大的改进空间。在此项研究中,作者探索了利用深度学习增强基于能量的蛋白质结合物设计。作者发现,使用AlphaFold2或RoseTTAFold评估设计的序列采用设计的单体结构的概率,以及这种结构与目标的设计结合概率,可以将设计成功率提高近10倍。此外,作者还发现,使用ProteinMPNN而不是Rosetta进行序列设计可以大大提高计算效率。
DrugAI
2023/09/19
5240
Nat. Commun. | 利用深度学习改进蛋白质结合物设计
语言模型生成了自然界不存在的蛋白质,图灵奖得主LeCun:蛋白质编程来了
来源:ScienceAI 本文约1800字,建议阅读5分钟 本文介绍了蛋白质编程。 Meta:设计蛋白质这件事,语言模型就能干。 用机器学习去研究蛋白质结构预测,吸引了众多科技大厂、科研机构的目光纷纷投入其中,这期间,他们也产出了重要成果。如在 2021 年 《Science》的十大年度突破中,DeepMind 携预测蛋白质结构的 AI 模型 AlphaFold 上榜,在这项工作的基础上,研究人员现在已经使用人工智能来设计可用于疫苗、建筑材料或纳米机器的全新蛋白质。 在《Science》2022年 9 月发
数据派THU
2023/03/29
2380
语言模型生成了自然界不存在的蛋白质,图灵奖得主LeCun:蛋白质编程来了
Science|David Baker:蛋白质AI设计的生物安全性问题
2024年1月25日,David Baker在Science发表评论文章Protein design meets biosecurity,探讨了蛋白质设计的生物安全性问题。
智药邦
2024/03/05
2490
Science|利用深度学习设计蛋白质功能位点
蛋白质设计在寻找能折叠成所需构象的序列方面取得了成功,但设计功能性蛋白质仍然具有挑战性。
智药邦
2022/11/16
6650
Science|利用深度学习设计蛋白质功能位点
Nat. Commun. | 研究人员解决了设计更大蛋白质的难题
来自日本和美国的一个团队已经确定了从头开始创建大型“理想”蛋白质的设计原则,为设计具有新生化功能的蛋白质铺平了道路。他们的研究结果发表在 2021 年 6 月 24 日的Nature Communications 。
DrugAI
2021/07/05
3850
推荐阅读
相关推荐
Science | 蛋白质结构预测: now easier, faster
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验