데이터 과학

AlphaFold 3 , RoseTTAFold-All-Atom 서버 접속 및 사용 방법 단백질 및 생체분자 구조 예측 실습을 위해 AlphaFold 3와 RoseTTAFold-All-Atom(RFAA)이 설치된 GPU 서버를 운영예정 중입니다.자신의 컴퓨터에 AlphaFold나 RoseTTAFold-All-Atom을 직접 설치하지 않고 인터넷을 통해 GPU 서버에 접속하여 구조 예측 작업을 수행할 수 있습니다. 서버에는 구조 예측에 필요한 NVIDIA GPU와 대용량 생물정보 데이터베이스가 설치되어 있으므로 개인 컴퓨터의 성능은 크게 중요하지 않습니다. 개인 컴퓨터에서는 서열 입력, 작업 제출, 결과 확인 등을 수행하고 실제 인공지능 구조 예측 계산은 GPU 서버에서 이루어집니다. ============..

AlphaFold 3 설치 및 데이터베이스 구축하기AlphaFold 3는 단백질뿐 아니라 DNA, RNA, 리간드, 이온 및 다양한 생체분자 복합체의 3차원 구조를 예측할 수 있는 인공지능 기반 구조예측 시스템입니다. 로컬 Ubuntu 환경에 AlphaFold 3를 설치하려면 단순히 프로그램 소스만 내려받는 것으로 끝나지 않습니다. NVIDIA GPU 환경, Docker, 모델 파라미터, 그리고 수백 GB 규모의 생물정보학 데이터베이스까지 함께 준비해야 합니다.이 글에서는 Ubuntu 환경에서 AlphaFold 3를 설치하는 전체 과정을 프로그램 설치, GPU 설정, 데이터베이스 구축, 입력 파일 작성, 구조 예측 실행, 결과 확인까지 순서대로 설명합니다.1. AlphaFold 3의 전체 구조AlphaF..

이전 연구에서 로제타폴드를 설치하고 데이터베이스를 이용하여 단백질 구조예측을 진행해 보았습니다.그리고, 데이터베이스 종류에 대해 알아보았으며 이를 설치하고 사용하는 방법도 알아봤습니다. https://tsyoon.tistory.com/276 RoseTTAFold-All-Atom에서 데이터베이스RoseTTAFold-All-Atom에서 데이터베이스와 분석RoseTTAFold-All-Atom(RFAA)을 로컬 컴퓨터에 설치하다 보면 UniRef30, BFD, PDB100, Legacy BLAST 2.2.26과 같은 여러 종류의 데이터와 프로그램을 설치하게 됩니다. 처음tsyoon.tistory.com 그렇다면 데이터베이스를 좀 더 늘리고 이를 참고한다면 구조예측의 정확도나 커버러지 값은 더 높아지지 않을까 ..

로제타 폴드를 구글 코랩과 같이 구현한 내용입니다. 코랩폴드안에 로제타폴드 알고리즘을 덮였다고 해도 될 것 같습니다. 코랩폴드에서 구현한 로제타폴드2 코랩 노트북에 대한 소개입니다. 코랩폴드에서 단백질 단량체, 복합체 예측이 가능한 프로그램을 작성했습니다. https://colab.research.google.com/github/sokrypton/ColabFold/blob/main/RoseTTAFold2.ipynb#scrollTo=Eh48KV70rQ03 RoseTTAFold2.ipynbRun, share, and edit Python notebookscolab.research.google.com 이에 대한 원리를 알아봅시다. RoseTTAFold2 Colab notebookRoseTTAFold는..

로제타 폴드를 실습하기 위해 노트북에 설치를 해 봤습니다. 아래 링크대로 순차적으로 설치를 진행하였으며, 중간중간 에러를 수정해 가면서 진행했습니다. https://tsyoon.tistory.com/274 Ubuntu 24.04에 RoseTTAFold-All-Atom 설치하기RTX 5060 , SSD 2TB 환경 기준RoseTTAFold-All-Atom은 단백질뿐 아니라 DNA, RNA, 작은 분자, 금속 이온을 포함한 복합체 구조를 예측할 수 있는 인공지능 기반 구조 예측 도구입니다.기존 RoseTTAFold가 주로 단tsyoon.tistory.com 데이터베이스를 다운로드하는 데는 반나절이나 걸렸던 것 같습니다. BFD 파일이 워낙 대용량이어서 오래 걸리 이유도 있었습니다. SignalP 6은 연구..

RoseTTAFold-All-Atom에서 데이터베이스와 분석RoseTTAFold-All-Atom(RFAA)을 로컬 컴퓨터에 설치하다 보면 UniRef30, BFD, PDB100, Legacy BLAST 2.2.26과 같은 여러 종류의 데이터와 프로그램을 설치하게 됩니다. 처음 접하면 이 네 가지가 모두 비슷한 데이터베이스처럼 보이지만 실제 역할은 상당히 다릅니다.UniRef30과 BFD는 단백질의 진화적 정보를 찾기 위한 서열 데이터베이스이고, PDB100은 이미 알려진 단백질의 3차원 구조를 참고하기 위한 구조 템플릿 데이터베이스입니다.Legacy BLAST 2.2.26은 데이터베이스가 아니라 단백질 서열을 검색하고 비교하는 데 사용되는 분석 프로그램입니다. RoseTTAFold-All-Atom의 구조..

BIOINFORMATICS × PYTHONPython for Biologists로 배우는 생명정보학 프로그래밍DNA 문자열 처리부터 FASTA 파일 분석, 유전체 모티프 검색, Biopython과 인공지능 기반 단백질 연구로의 확장까지 생명과학 학습자를 위한 Python 입문 과정을 정리하였습니다.사이트 소개Python의 필요성학습 구성생명과학적 의미코드 예제실습 프로젝트확장 로드맵수업 활용맺음말1. Python for Biologists란 무엇인가Python for Biologists는 생명과학과 유전체학의 실제 사례를 통해 Python 프로그래밍을 배우도록 구성된 교육 사이트입니다. 일반적인 Python 강좌가 계산기, 게임, 생활 예제를 사용하는 것과 달리 이 사이트는 DNA 서열, 유전체 크기, ..

RTX 5060 , SSD 2TB 환경 기준RoseTTAFold-All-Atom은 단백질뿐 아니라 DNA, RNA, 작은 분자, 금속 이온을 포함한 복합체 구조를 예측할 수 있는 인공지능 기반 구조 예측 도구입니다.기존 RoseTTAFold가 주로 단백질 구조 예측에 초점을 맞추었다면, RoseTTAFold-All-Atom은 실제 생체 환경에 가까운 복합체를 다룰 수 있도록 확장된 모델입니다.이 글에서는 다음 환경을 기준으로 설치 과정을 설명합니다. 항목기준 환경운영체제Ubuntu 24.04 LTSGPUNVIDIA GeForce RTX 5060GPU 메모리8GB 기준저장장치SSD 2TB설치 대상RoseTTAFold-All-AtomPython 환경Miniforge·Mamba실행 방식로컬 GPU 실행1. 설..

단백질 구조 예측이 어려운 이유와 AlphaFold·ColabFold·RoseTTAFold의 활용생명과학에서 단백질의 구조를 이해하는 일은 매우 중요합니다. 단백질은 세포 안에서 화학 반응을 촉진하고, 물질을 운반하며, 외부 신호를 전달하고, 병원체를 인식하는 등 거의 모든 생명현상에 관여합니다. 그러나 단백질의 기능은 아미노산이 어떤 순서로 연결되어 있는지만으로 결정되지 않습니다. 아미노산 사슬이 실제 공간에서 어떤 3차원 형태로 접히는지가 기능을 결정하는 핵심 요소입니다. 최근에는 AlphaFold, ColabFold, RoseTTAFold와 같은 인공지능 기반 도구가 등장하면서 아미노산 서열로부터 단백질 구조를 빠르게 예측할 수 있게 되었습니다. 특히 AlphaFold2는 실험 구조에 근접한 정확도..