AlphaFold 预测运行崩溃排查完整指南从数据库下载到结果落盘的 5 类报错自查手册【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafoldAlphaFold 是一个开源蛋白质结构预测工具你给它氨基酸序列它还你三维结构文件和置信度评分。如果你的命令行在运行中报错或者跑完一轮后输出目录是空的就对照这篇 AlphaFold 排查手册先看下面的定位表找到小节再按启动前自查 → 运行中报错 → 结果不对劲 → 急救这条时间线动手处理。快速定位表3 秒找到该看哪一节报错特征关键行大概率原因跳转小节Could not find path to the jackhmmer binary搜索工具未装或不在 PATH看到 binary not foundRESOURCE_EXHAUSTED: Out of memory序列太长、preset 吃显存看到 GPU OOM..._path must be set when running with ...preset 与数据库参数不匹配看到 must be setAll FASTA paths must have a unique basename多个 FASTA 同名看到 unique basenameCould not find HHsearch database ...数据库下载中断或路径给错看到 数据库找不到Could not find CIFs in ...模板结构目录是空的看到 数据库找不到输出目录没有ranked_0.pdb运行中途被中断输出目录没有 ranked PDB有 PDB 但没有relax_metrics.jsonrelax 被跳过或失败看到 relax_metrics 缺失启动前自查把环境、GPU、数据库一次查全 ️八成以上的首次运行崩溃都不是模型问题而是环境或数据库没就位。先按这份清单逐项过每项过了再敲下一条命令。先拿到代码再进入目录git clone https://gitcode.com/GitHub_Trending/al/alphafold cd alphafold如果你不用官方 Docker 镜像裸跑则确认 6 个搜索工具都在 PATH 里which jackhmmer hhblits hhsearch hmmsearch hmmbuild kalign再确认 GPU 对容器可见docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi看到 GPU 型号输出环境就过关如果列不出来问题在 NVIDIA 容器工具链不在 AlphaFold。数据库没下载就先下载。完整库下载量 556 GB、解压后 2.6 TB如果只想先跑通就加reduced_dbs参数缩小数据库bash scripts/download_all_data.sh /data/alphafold_data reduced_dbs下载目录不能放在代码仓库里面否则 Docker 构建会非常慢。最后确认输出目录可写、磁盘剩余空间足够。运行中报错了先分清报错出在哪一层同一份代码报错可能出在 shell 层、Python 栈、或者文件缺失三种位置。看到报错先判断层再动手——三层对应的动作完全不同。看到 binary not found 就查工具链 这类ValueError全是 PATH 问题不是模型问题。看到Could not find path to the jackhmmer binary就先把缺失工具装好再用--jackhmmer_binary_path显式指绝对路径定位。如果你在官方 Docker 镜像里仍然看到它则镜像不是用仓库里的docker/Dockerfile构建的重新构建。看到 GPU OOM 就先查序列长度和 preset ️九成显存爆掉都出在序列太长或 preset 吃显存不是显卡坏了。先用nvidia-smi看空闲显存再按顺序降级如果用的是 multimer 预设就换monomer如果用的是 full_dbs就换--db_presetreduced_dbs如果序列有几千个残基消费级显卡放不进去只能缩短序列。参数含义见 官方技术说明。看到 must be set 就对齐 preset 和数据库参数这个报错是配置不匹配不是文件缺失。看到pdb70_database_path must be set就对照下面这张表补参数预设必须给的路径monomerpdb70_database_path、BFD、UniRef30multimerpdb_seqres_database_path、uniprot_database_pathdb_presetreduced_dbssmall_bfd_database_path看到这条报错就改参数即可不用重下数据库。看到 数据库找不到 就用两种方法快速验证数据库 文件确实不在磁盘上先验证下载别调参数。看到Could not find HHsearch database就先ls数据库目录遗传数据库都是*.ffindex加*.ffdata成对出现缺一就是下载中断重跑 scripts/download_all_data.sh 到同一目录补齐。再看到Could not find CIFs in ...则是模板结构目录为空重下 PDB mmCIF 文件。看到 unique basename 就改名重跑输出目录按 FASTA 文件名命名。看到All FASTA paths must have a unique basename就是两个输入文件重名了。先改名再重跑没有别的排查项。结果不对劲先对照产物清单再判断卡在哪一环 一次正常运行的输出目录应该有 5 类文件缺一类就指向一个具体环节。产物含义缺失说明ranked_0.pdb/ranked_0.cif排名第一的预测结构运行中断model_rank_0_seed_0.json原始指标pLDDT 等模型推理没跑完ranking_debug.json排名依据排名环节未完成timings.json各环节耗时日志不全relax_metrics.jsonrelax 环节指标relax 被跳过或失败输出目录没有 ranked PDB 就按中断处理 ⚠️进程中途死了结构根本没落盘。看到日志停在模型推理阶段就回运行中报错了一章按 OOM 或数据库读取出错处理看到自己传的是相对路径就改成绝对路径并换一个空的新目录避免和上次半截运行的产物冲突。看到 relax_metrics 缺失就按 relax 失败处理 relax 环节被跳过或崩溃但结构本身可用。如果你要无冲突结构就先加--models_to_relaxNONE用原始结构验证隔离出是 relax 的问题看到 GPU 上 relax 不稳定就加--use_gpu_relaxFalse挪到 CPU 上跑。看到 pLDDT 整体偏低就查 MSA 厚度低 pLDDT 多半是这条序列的 MSA 太薄不是 bug。看到全链 pLDDT 低于 50就换完整数据库重做 MSA如果重做之后仍然低就是序列本身不稳定别再调参数。急救三招任何报错先做这三个动作 上面都定位不到时按顺序做这三件事绝大多数场景能收敛。先核对报错字符串再动手。报错里带路径问题就在那个路径带工具名问题就在那个工具的安装或 PATH。定位不了就先降配隔离。先用--db_presetreduced_dbs跑一遍小库如果通了问题在全量数据库如果还挂问题在环境。怀疑环境就换启动方式。用nvidia-smi确认 GPU 可见再改用 docker/run_docker.py 在官方镜像里启动排除原生环境的全部变量。更多背景见 README.md。收束运行前五条自检清单6 个外部搜索工具在执行环境里都找得到数据目录包含与 db_preset 匹配的数据库文件路径是绝对路径model_preset 与预设和数据库一一对应输出目录为空、可写、磁盘剩余空间足够报错字符串能一一命中快速定位表【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考