AlphaFold 3 , RoseTTAFold-All-Atom 서버 접속 및 사용 방법

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.


==================================================
1. 전체 시스템의 구성
==================================================

전체적인 사용 과정은 다음과 같습니다.


개인 컴퓨터
     │
     │ 인터넷
     ▼
Tailscale
     │
     │ 암호화된 사설 네트워크
     ▼
BioAI GPU 서버
     │
     ├─ AlphaFold 3
     ├─ RoseTTAFold-All-Atom
     ├─ 생물정보 데이터베이스
     └─ NVIDIA GPU
             │
             ▼
         구조 예측
             │
             ▼
        PDB / mmCIF
             │
             ▼
         PyMOL 분석


개인 컴퓨터는 실제 AI 계산을 담당하지 않습니다.

개인 컴퓨터에서는 다음 작업을 수행합니다.

- 해당 서버 접속
- 단백질 서열 준비
- FASTA 또는 JSON 입력 파일 작성
- 구조 예측 작업 제출
- 작업 진행 상태 확인
- 결과 파일 다운로드
- PyMOL 등을 이용한 구조 분석

실제 AlphaFold 3와 RoseTTAFold-All-Atom 계산은 GPU 서버에서 수행합니다.


==================================================
2. 개인에게 필요한 준비 사항
==================================================

개인은 다음 환경을 준비하면 됩니다.

- Windows 10 또는 Windows 11 컴퓨터
- 인터넷 연결
- Tailscale 프로그램
- Windows Terminal
- 기관에서 발급한 서버 계정
- 기관에서 안내한 서버 주소


예를 들어 다음과 같은 정보를 제공받게 됩니다.


사용자 계정 : student01
비밀번호    : ********
서버 주소   : 담당자가 별도로 안내


개인마다 서로 다른 계정을 사용합니다.

예)

student01
student02
student03
student04
student05
...


계정과 비밀번호는 다른 학생과 공유하지 않습니다.


==================================================
3. Tailscale이란?
==================================================

기관 GPU 서버는 일반 인터넷에 직접 공개하지 않습니다.
외부에서 기관 서버에 안전하게 접속하기 위해 Tailscale이라는 프로그램을 사용합니다.
Tailscale은 개인 컴퓨터와 기관 GPU 서버를 하나의 안전한 사설 네트워크에 연결해 주는 프로그램입니다.

Tailscale 공식 홈페이지

https://tailscale.com/


Windows용 다운로드

https://tailscale.com/download/windows


==================================================
4. Tailscale 설치
==================================================

1. Tailscale 홈페이지에 접속합니다.

2. Windows용 Tailscale을 다운로드합니다.

3. 프로그램을 설치합니다.

4. 설치가 완료되면 Tailscale을 실행합니다.

5. 기관에서 안내한 방법으로 로그인합니다.

6. 기관 BioAI 서버가 포함된 Tailscale 네트워크에 연결합니다.


전체 과정은 다음과 같습니다.


Tailscale 설치

        ↓

Tailscale 실행

        ↓

기관에서 안내한 방법으로 로그인

        ↓

기관 BioAI 네트워크 연결

        ↓

기관 GPU 서버 접속 가능


주의할 점이 있습니다.

Tailscale에 접속했다고 AlphaFold나 RFAA 화면이 나타나는 것은 아닙니다.

Tailscale은 개인 컴퓨터와 기관 서버 사이의 네트워크를 연결하는 역할만 합니다.

실제 서버 접속은 SSH를 사용합니다.


==================================================
5. Windows Terminal 실행
==================================================

Windows 10과 Windows 11에서는 SSH를 이용하여 Linux 서버에 접속할 수 있습니다.

Windows 시작 버튼을 누르고 다음을 검색합니다.


Windows Terminal


또는


Terminal


Windows Terminal을 사용할 수 없는 경우에는 PowerShell 또는 명령 프롬프트(cmd)를 사용할 수도 있습니다.


터미널을 실행하면 다음과 비슷한 화면이 나타납니다.


PS C:\Users\student>


현재 상태는 자신의 Windows 컴퓨터입니다.


==================================================
6. 기관 GPU 서버 접속
==================================================

개인별로 자신의 계정을 이용하여 서버에 접속합니다.

예를 들어 자신의 계정이 student01이라고 하면 다음과 같이 입력합니다.


ssh student01@서버주소


예를 들어 기관에서 알려준 서버 주소가 다음과 같다고 가정해 봅니다.


100.xxx.xxx.xxx


그러면 다음과 같이 입력합니다.


ssh student01@100.xxx.xxx.xxx


주의

100.xxx.xxx.xxx는 설명을 위한 예시입니다.

반드시 수업 시간에 안내받은 실제 서버 주소를 사용해야 합니다.


==================================================
7. 처음 접속할 때 나타나는 메시지
==================================================

처음 서버에 접속하면 다음과 비슷한 메시지가 나타날 수 있습니다.


The authenticity of host '...' can't be established.

Are you sure you want to continue connecting
(yes/no/[fingerprint])?


기관에서 안내한 서버 주소가 맞는지 확인합니다.

맞다면 다음과 같이 입력합니다.


yes


Enter를 누릅니다.


==================================================
8. 비밀번호 입력
==================================================

다음으로 비밀번호를 요구합니다.


student01@bioai-server's password:


자신에게 발급된 비밀번호를 입력합니다.


중요

비밀번호를 입력해도 화면에는 아무것도 표시되지 않습니다.

예를 들어 비밀번호가


BioAI1234


라고 하더라도 화면에는


*********


와 같은 별표도 나타나지 않습니다.

이것은 오류가 아닙니다.

Linux SSH의 정상적인 보안 기능입니다.

비밀번호를 정확하게 입력하고 Enter를 누릅니다.


==================================================
9. 로그인 성공 확인
==================================================

로그인이 정상적으로 이루어지면 다음과 비슷한 화면이 나타납니다.


student01@bioai-server:~$


이 화면이 나타났다면 기관 GPU 서버에 정상적으로 접속한 것입니다.


접속 전


PS C:\Users\student>


자신의 Windows 컴퓨터입니다.


접속 후


student01@bioai-server:~$


기관 Ubuntu GPU 서버입니다.


따라서 SSH 로그인 이후 입력하는 Linux 명령은 개인 컴퓨터가 아니라 기관 서버에서 실행됩니다.


==================================================
10. 자신의 작업공간으로 이동
==================================================

각 학생에게는 독립적인 작업공간이 제공됩니다.

예를 들어 student01의 작업공간은 다음과 같이 구성할 수 있습니다.


/data/bioai/jobs/student01/


다음 명령으로 이동합니다.


cd /data/bioai/jobs/student01


파일 목록을 확인합니다.


ls


정상적으로 구성되어 있다면 다음과 같은 디렉터리가 나타납니다.


input
output


개인 작업공간의 구조는 다음과 같습니다.


/data/bioai/jobs/student01/

├─ input/
│
│   분석할 FASTA 또는 JSON 파일
│
└─ output/
    
    AlphaFold 3 또는 RFAA 결과 파일


개인은 기본적으로 자신의 작업공간 안에서만 작업합니다.


==================================================
11. Linux 기본 명령어
==================================================

처음 Linux를 사용하는 개인은 다음 명령어 정도만 알고 있어도 충분합니다.


현재 위치 확인


pwd


파일 목록 확인


ls


파일의 크기까지 자세히 확인


ls -lh


폴더 이동


cd 폴더이름


상위 폴더로 이동


cd ..


자신의 입력 폴더로 이동


cd /data/bioai/jobs/student01/input


현재 위치 확인


pwd


정상적인 경우 다음과 같이 나타납니다.


/data/bioai/jobs/student01/input


==================================================
12. FASTA 파일이란?
==================================================

RoseTTAFold-All-Atom 등을 이용하여 단백질 구조를 예측하려면 아미노산 서열이 필요합니다.

단백질 서열을 저장하는 가장 대표적인 형식 중 하나가 FASTA입니다.


예를 들어 다음과 같습니다.


>my_protein
MKTIIALSYIFCLVFADYKDDDDK


첫 번째 줄의 > 뒤에는 서열의 이름을 입력합니다.

두 번째 줄부터 단백질의 아미노산 서열을 입력합니다.


==================================================
13. 서버에서 FASTA 파일 만들기
==================================================

간단한 실습에서는 서버에서 FASTA 파일을 직접 만들 수 있습니다.

먼저 자신의 input 폴더로 이동합니다.


cd /data/bioai/jobs/student01/input


다음 명령을 입력합니다.


nano test.fasta


편집기가 나타나면 다음과 같이 입력합니다.


>test_protein
MKTIIALSYIFCLVFADYKDDDDK


파일을 저장합니다.


Ctrl + O


Enter를 누릅니다.


편집기를 종료합니다.


Ctrl + X


파일이 만들어졌는지 확인합니다.


ls -lh


파일 내용을 확인하려면 다음 명령을 사용합니다.


cat test.fasta


==================================================
14. 자신의 컴퓨터에서 서버로 FASTA 파일 전송
==================================================

긴 단백질 서열을 매번 nano에서 작성하는 것은 불편할 수 있습니다.

이 경우 자신의 Windows 컴퓨터에서 FASTA 파일을 만든 다음 서버로 전송할 수 있습니다.

Windows에서는 scp 명령을 사용할 수 있습니다.


예를 들어 Windows 컴퓨터에 다음 파일이 있다고 가정합니다.


protein.fasta


Windows Terminal에서 다음과 같이 입력합니다.


scp protein.fasta student01@서버주소:/data/bioai/jobs/student01/input/


비밀번호를 입력하면 파일이 서버로 복사됩니다.


그 후 서버에 접속하여 다음과 같이 확인합니다.


cd /data/bioai/jobs/student01/input

ls -lh


protein.fasta가 나타나면 정상적으로 전송된 것입니다.


==================================================
15. RoseTTAFold-All-Atom 구조 예측
==================================================

RoseTTAFold-All-Atom은 단백질뿐 아니라 다양한 생체분자를 대상으로 구조 예측을 수행할 수 있는 인공지능 모델입니다.

학교 서버에서는 학생들이 복잡한 Conda 환경이나 프로그램 설치 경로를 직접 다루지 않도록 작업 제출 명령을 제공하는 방식으로 구성할 수 있습니다.


예를 들어 다음 파일이 있다고 가정합니다.


protein.fasta


RFAA 작업 제출 명령은 다음과 같이 구성할 수 있습니다.


submit_rfaa protein.fasta


그러면 학생의 입력 파일을 이용한 구조 예측 작업이 서버의 작업 대기열에 등록됩니다.


주의

submit_rfaa는 Linux의 기본 명령이 아닙니다.

기관 서버 관리자가 학생들이 편리하게 사용할 수 있도록 별도로 만들어야 하는 명령입니다.


==================================================
16. AlphaFold 3 구조 예측
==================================================

AlphaFold 3는 입력 형식으로 JSON 파일을 사용할 수 있습니다.

수업에서는 AlphaFold 3용 JSON 파일을 준비한 다음 다음과 같은 방식으로 작업을 제출하도록 서버를 구성할 수 있습니다.


submit_af3 protein.json


개인은 AlphaFold 3의 Docker 환경, CUDA 설정, 데이터베이스 경로 등을 직접 설정할 필요가 없습니다.

서버에서 이러한 설정을 자동으로 처리하도록 구성합니다.


==================================================
17. 여러 학생이 동시에 사용할 경우
==================================================

기관 GPU 서버에는 여러명이 동시에 로그인할 수 있습니다.

하지만 여러 개의 AlphaFold 3 또는 RFAA 계산을 동시에 GPU에서 실행하면 GPU 메모리가 부족할 수 있습니다.

따라서 구조 예측 작업은 작업 대기열(Job Queue)을 이용하여 순서대로 처리하는 것이 좋습니다.


예)


JOB     USER        PROGRAM       STATUS

001     student03   RFAA          RUNNING
002     student01   AlphaFold3    WAITING
003     student07   RFAA          WAITING
004     student02   AlphaFold3    WAITING


RUNNING

현재 GPU에서 구조를 계산하고 있다는 의미입니다.


WAITING

앞의 작업이 끝나기를 기다리고 있다는 의미입니다.


COMPLETED

구조 예측이 정상적으로 완료되었다는 의미입니다.


FAILED

구조 예측 과정에서 오류가 발생했다는 의미입니다.


==================================================
18. 작업 상태 확인
==================================================

기관 서버에서는 다음과 같은 학생용 명령을 만들어 사용할 수 있습니다.


bioai-status


예를 들어 다음과 같이 나타날 수 있습니다.


BIOAI STRUCTURE SERVER


JOB     USER        PROGRAM       STATUS
------------------------------------------

001     student03   RFAA          RUNNING

002     student01   AlphaFold3    WAITING

003     student07   RFAA          WAITING


학생은 자신의 작업이 현재 실행 중인지 또는 대기 중인지 확인할 수 있습니다.


==================================================
19. 계산하는 동안 컴퓨터를 계속 켜 놓아야 할까?
==================================================

그럴 필요가 없습니다.

개인 컴퓨터는 AlphaFold나 RFAA 계산을 수행하지 않습니다.
실제 계산은 기관 GPU 서버에서 이루어집니다.

다음과 같이 사용할 수 있습니다.


기관 서버 접속

        ↓

입력 파일 준비

        ↓

구조 예측 작업 제출

        ↓

로그아웃

        ↓

개인 컴퓨터 종료 가능

        ↓

기관 GPU 서버에서는 계산 계속

        ↓

나중에 다시 서버 접속

        ↓

결과 확인


구조 예측 작업이 정상적으로 서버에 제출되었다면 개인 컴퓨터를 종료해도 서버의 계산에는 영향을 주지 않습니다.


==================================================
20. 서버에서 로그아웃
==================================================

서버 사용을 마쳤다면 다음 명령을 입력합니다.


exit


그러면 SSH 연결이 종료됩니다.


예를 들어


student01@bioai-server:~$


에서


PS C:\Users\student>


로 돌아왔다면 서버 접속이 종료된 것입니다.


이미 서버에 정상적으로 제출된 구조 예측 작업은 로그아웃하더라도 계속 실행됩니다.


==================================================
21. 구조 예측 결과 확인
==================================================

나중에 다시 기관 서버에 접속합니다.


ssh student01@서버주소


자신의 output 폴더로 이동합니다.


cd /data/bioai/jobs/student01/output


결과 파일을 확인합니다.


ls -lh


구조 예측 프로그램에 따라 다음과 같은 결과가 생성될 수 있습니다.


PDB

단백질이나 분자의 3차원 원자 좌표를 저장하는 대표적인 구조 파일입니다.


mmCIF

PDB보다 확장성이 높은 현대적인 구조 데이터 형식입니다.


JSON

입력 조건이나 예측 결과 및 신뢰도 관련 정보를 저장할 수 있습니다.


LOG

구조 예측 과정과 오류 등을 확인하기 위한 기록 파일입니다.


==================================================
22. 결과 파일을 Windows 컴퓨터로 가져오기
==================================================

구조 예측 결과를 자신의 컴퓨터로 가져올 때도 scp를 사용할 수 있습니다.


예를 들어 서버에 다음 파일이 있다고 가정합니다.


/data/bioai/jobs/student01/output/result.pdb


Windows Terminal에서 다음과 같이 입력합니다.


scp student01@서버주소:/data/bioai/jobs/student01/output/result.pdb .


마지막의 점(.)은 현재 Windows Terminal이 위치한 폴더에 파일을 저장한다는 의미입니다.


다운로드 폴더로 이동한 후 받으려면 먼저 다음과 같이 입력할 수도 있습니다.


cd $HOME\Downloads


그 다음


scp student01@서버주소:/data/bioai/jobs/student01/output/result.pdb .


를 실행합니다.


==================================================
23. PyMOL을 이용한 구조 확인
==================================================

다운로드한 PDB 또는 mmCIF 파일은 PyMOL과 같은 분자 구조 시각화 프로그램으로 관찰할 수 있습니다.


전체적인 분석 과정은 다음과 같습니다.


단백질 / DNA / RNA 등의 생체분자 정보

        ↓

FASTA / JSON 입력 파일 작성

        ↓

기관 GPU 서버로 전송

        ↓

AlphaFold 3
또는
RoseTTAFold-All-Atom

        ↓

AI 기반 구조 예측

        ↓

PDB / mmCIF

        ↓

PyMOL

        ↓

3차원 분자 구조 관찰

        ↓

구조 및 기능 분석


==================================================
24. 개인이 서버에서 해서는 안 되는 작업
==================================================

기관 서버는 여러 학생이 공동으로 사용하는 시스템입니다.

서버에는 AlphaFold 3, RoseTTAFold-All-Atom, CUDA, Python 환경, 모델 가중치 및 대용량 생물정보 데이터베이스가 설치되어 있습니다.
따라서 프로그램이나 시스템 환경을 임의로 변경해서는 안 됩니다.


수업에서 별도로 지시하지 않는 한 다음과 같은 명령은 사용하지 않습니다.

sudo
sudo rm
rm -rf
apt install
pip install
conda install
chmod -R
chown -R

잘못된 명령 하나로 다른 사람의 작업이나 서버 전체에 영향을 줄 수 있습니다.

개인은 기본적으로 다음 작업공간만 사용합니다.

/data/bioai/jobs/자신의계정/

예)

/data/bioai/jobs/student01/

다른 사람의 작업 디렉터리나 공용 데이터베이스를 수정하거나 삭제해서는 안 됩니다.


==================================================
25. 접속이 되지 않을 경우
==================================================

서버에 접속되지 않는다면 다음 순서로 확인합니다.


1. 인터넷이 연결되어 있는지 확인합니다.
2. Tailscale이 실행되고 있는지 확인합니다.
3. Tailscale이 기관 네트워크에 연결되어 있는지 확인합니다.
4. 자신의 개인 계정이 정확한지 확인합니다.
5. 서버 주소가 정확한지 확인합니다.
6. 비밀번호가 정확한지 확인합니다.

SSH 명령도 다시 확인합니다.

ssh student01@서버주소

문제가 해결되지 않는다면 임의로 프로그램을 설치하거나 서버 설정을 변경하지 않습니다.


==================================================
26. 학생이 알아두면 좋은 기본 명령
==================================================

처음부터 많은 Linux 명령을 외울 필요는 없습니다.

다음 명령 정도만 알고 있어도 기본적인 구조 예측 실습이 가능합니다.

서버 접속
ssh student01@서버주소

현재 위치 확인
pwd

파일 확인
ls -lh

 

폴더 이동
cd 폴더이름

상위 폴더 이동
cd ..

 

FASTA 파일 작성
nano protein.fasta

파일 내용 확인
cat protein.fasta

RFAA 작업 제출
submit_rfaa protein.fasta

AlphaFold 3 작업 제출
submit_af3 protein.json

작업 상태 확인
bioai-status

서버 접속 종료
exit


==================================================
27. 전체 실습 과정 정리
==================================================

1단계
Tailscale 실행
        ↓
2단계
Windows Terminal 실행
        ↓
3단계
학교 GPU 서버 접속
ssh student01@서버주소
        ↓
4단계
자신의 작업공간으로 이동
cd /data/bioai/jobs/student01/input
        ↓
5단계
FASTA 또는 JSON 입력 파일 준비
        ↓
6단계
구조 예측 작업 제출
RoseTTAFold-All-Atom
submit_rfaa protein.fasta

또는

AlphaFold 3
submit_af3 protein.json
        ↓
7단계
작업 상태 확인
bioai-status
        ↓
8단계
서버에서 로그아웃
exit
        ↓
9단계
기관 GPU 서버에서 구조 예측 계산 진행
        ↓
10단계
나중에 다시 서버에 접속
        ↓
11단계
output 폴더에서 결과 확인
        ↓
12단계
PDB / mmCIF 파일을 자신의 컴퓨터로 다운로드
        ↓
13단계
PyMOL을 이용하여 3차원 구조 관찰 및 분석


==================================================
28. 이 시스템을 이용하는 이유
==================================================

AlphaFold 3와 RoseTTAFold-All-Atom을 개인 컴퓨터에 직접 설치하는 것은 쉽지 않습니다.
프로그램뿐 아니라 Linux 환경, Python 패키지, CUDA, GPU 드라이버, 모델 가중치 그리고 수백 GB에서 수 TB에 이르는 생명정보 데이터베이스가 필요하기 때문입니다.

기관 GPU 서버를 이용하면 이러한 복잡한 환경을 학생마다 따로 구축할 필요가 없습니다.
개인은 자신의 컴퓨터에서 기관 서버에 접속하여 입력 파일을 제출하고 결과만 받아 분석할 수 있습니다.

개인 컴퓨터
입력 데이터 준비
        ↓
서버 접속
        ↓
작업 제출


기관 GPU 서버
AlphaFold 3 / RFAA 실행
        ↓
대용량 데이터베이스 검색
        ↓
GPU 구조 예측


개인 컴퓨터
결과 다운로드
        ↓
PyMOL 시각화
        ↓
구조 분석


따라서 개인 컴퓨터의 성능과 관계없이 기관의 GPU와 대용량 데이터베이스를 공동으로 활용할 수 있습니다.

==================================================
29. 구조 예측 실습의 의미
==================================================

이 실습의 목적은 단순히 AlphaFold 3나 RoseTTAFold-All-Atom을 실행해 보는 것에 있지 않습니다.
하나의 생체분자 서열이 인공지능 모델을 통해 3차원 구조로 변환되는 전체 과정을 경험하게 됩니다.


생체분자 서열
        ↓
생명정보 데이터베이스 검색
        ↓
서열 및 진화 정보 분석
        ↓
인공지능 모델 입력
        ↓
3차원 구조 예측
        ↓
PDB / mmCIF 구조 파일 생성
        ↓
PyMOL 시각화
        ↓
구조와 기능의 관계 분석


이를 통해 생명과학, 생명정보학, 인공지능, 컴퓨터과학이 실제 연구에서 어떻게 연결되는지를 경험할 수 있습니다.

 

AlphaFold 3와 RoseTTAFold-All-Atom 서버는 단순한 AI 프로그램 실행 환경이 아니라 학생들이 현대적인 계산생물학과 AI 기반 생명과학 연구 과정을 직접 경험하기 위한 실습 환경으로 활용할 수 있습니다.