尧图网页设计 
本文收录于专栏agent智能体系列—— 专栏系统覆盖 AI Agent 记忆、工具、插件与实战点击订阅可跟踪后续更新。这篇是AF3 Agent skill 实战案例你只说一句人话Agent 通过skill 自动查 UniProt、找配体 CCD 码、组装 JSON、启动推理、读置信度、再下载蛋白数据库晶体结构如有做逐残基对照。今天我用这套Hermes Agent skillDeepSeek-V4 模型本机 Hermes Desktop 运行链路预测了 EGFR 激酶结构域 吉非替尼结合结构agent 把 CA RMSD 0.94 Å 的结构接近晶体分辨率和配体定位图交到我桌上。本文按你说了什么 → agent 做了什么 → 结果怎么解读三幕展开文末附完整 prompt、所需skill以及如何安装清单。关键字AlphaFold 3Agent SkillsAF3 Agent 联用蛋白-配体复合物EGFR吉非替尼GefitinibipTMpLDDT晶体结构对照目录一、痛点你不想再手敲 200 行 JSON二、AF3 Agent 联用到底有多省事三、一句话任务EGFR 激酶 吉非替尼四、AF3 Agent 联用自动走的四步流程五、产物实测六、性能与时长一段话简述七、这套体系能拿来做什么八、局限与展望九、结语核心文献资源链接与本文关系AF3 GitHub README—本文使用 v3.0.1 的 conda 直跑链路AF3 input 文档—JSON 格式 dialect/version 与配体 ccdCodes 字段官方说明AF3 installation 文档—本文前提AF3 三件套安装按它做RCSB PDB 2ITY—EGFR 激酶域 Gefitinib 3.42 Å 晶体结构Abramson et al.Nature2024, DOI: 10.1038/s41586-024-07487-w—AF3 原始论文Yun et al.Cancer Cell2007, 11: 217, DOI: 10.1016/j.ccr.2006.12.017—2ITY 晶体结构论文一、痛点安装好AF3后你不想再手敲 200 行 JSON当你再机器上配置好了AF3之后手敲输入 JSON你可能已经撞过三道坎蛋白序列得自己从 UniProt 抓、还得小心敲错一个字母整条复性配体到底用 SMILES 还是 CCD 码搞不清——选错了数据库查不到选对了又写错字段名跑完之后一堆*_confidences.json、*_data.json、model.cif——哪个数字才算可信这些全是流程知识每次用都要重查一遍文档。但如果你让 agent 去查——它真的查得到吗今天我做了一次完整实验把 Skill 装好之后后文有下载链接让 agent 跑一个真实任务看它能不能从一句话走到结构。二、AF3 Agent skill 联用到底有多省事把今天的对话复盘一下 agent 实际做的事阶段你人agent 做的事输入1 句话解析意图、判断需要 AF3 蛋白 配体序列无UniProt REST 拉 P00533截 712-979round-trip 校验配体无PubChem 查 gefitinib SMILES PDB CCD 查 IRE 验证JSON无自动组装 4 字段写入 input.json启动无setsid jax-first wrapper 启动进程监控无4 段启动 / MSA 阶段 / 推理 / 完成状态汇报置信度无读*_summary_confidences.json翻译成大白话对照无下载 2ITY、Kabsch 对齐、画 per-res RMSD 3D 重叠图全程你没碰过 JSON、docker 命令、jackhmmer 路径、BioPython parser。这才是 Skill agent 这套组合的真实价值——不是快是少出错。MSA 阶段你不需要看着 4 个 jackhmmer 进程怀疑是不是卡了agent 已经把IO bound 是正常的这条经验沉淀进 Skill你只会看到一张进度表。三、一句话任务EGFR 激酶 吉非替尼跟Agent对话之前需要安装skill到Hermes Agent或者你的其他Agent1. AF3调用skill下载名称 af3-local-inference下载地址 af3-local-inference2. 安装将下载文件放到~/.hermes/skills/ 或者任意位置通过Agent对话让Agent自行处理安装好skill或者不甘心的你自行按照其中的readme修改你机器上的AF3databasecheckpoint配置路径。开跑。我对Agent说的原话“帮我预测 EGFR 激酶结构域跟吉非替尼的结合结构。”就这么一句。Agent 应该自动判断需要做以下几件事查 EGFR 激酶域序列UniProt P00533 残基 712-979查 Gefitinib 的化学信息CCD 码或 SMILES组装 AF3 输入 JSON启动推理、监控进度跑完后把置信度翻译成人话再下载 2ITY 晶体做对照。下面把Agent所做的每一步展开。四、AF3 Agent skill 联用自动走的四步流程4.1 查蛋白序列UniProt 直拉EGFR 激酶域是从残基 712 到 979约 268 个氨基酸。Agent 不该让你手敲这段序列敲错一位整条蛋白结构就废了所以走 UniProt REST APIcurl -s https://rest.uniprot.org/uniprotkb/P00533.fasta egfr_full.fasta grep -v egfr_full.fasta | tr -d \n | cut -c712-979 egfr_kinase.seq返回 268 aa与文献标注的EGFR 激酶结构域 712-979完全吻合。坑提醒这里有一步隐式校验——单字母替换K↔R能通过 JSON 校验但预测结果会悄悄变差。我用assert json.load(...)[sequence] seq做 round-trip 校验这是 Skill 里写死的硬规则——上一个 GFP 案例里第 181 位 R→K 误敲过实测没有 assert 难发现。4.2 查配体SMILES 还是 CCDGefitinib 在 PDB 化学组件字典CCD里的代码是IRE——不是 GEF、不是 IRE1、不是 Iressa。这个名字经常让人走弯路我第一次也猜错。验证方法从 PDB Ligand Expo 直接拉 CIF 验证curl -s https://files.rcsb.org/ligands/download/IRE.cif -o /tmp/IRE.cif grep _chem_comp\. /tmp/IRE.cif | head -3 # _chem_comp.id IRE # _chem_comp.name Gefitinib # _chem_comp.formula C22 H24 Cl F N4 O3拿到 CCD 码后组装 JSON 时用ccdCodes字段不是smiles——前者走 AF3 内嵌化学组件字典更稳后者会让 AF3 自己 RDKit 化一遍、立体构象不一定对。4.3 组装输入 JSON4 个字段缺一不可{ name: egfr_kinase_gefitinib, modelSeeds: [1], sequences: [ {protein: {id: [A], sequence: FKKIKVLGSGAFGTVYKGLWIPE...}}, {ligand: {id: [B], ccdCodes: [IRE]}} ], dialect: alphafold3, version: 1 }dialect和version官方标注Required——漏一个就报错或静默退化modelSeeds决定随机种子今天单 seed 跑就够sequences链 A 是 EGFR 激酶域链 B 是 IREgefitinib。agent 写完会自动做 round-trip 校验再启动。4.4 启动推理jax-first wrapper setsid 双保险直接调官方run_alphafold.py会撞两个工程化坑——Skill 里专门写了一个 18 行的 wrapper 解决它们不替换任何 AF3 代码只是包了一层坑 1import-order 段错误。AF3 v3.0.1 的alphafold3.cpp是 C 扩展如果它在 JAX 初始化 CUDA PJRT 插件之前被 import进程会在jaxlib.xla_client.initialize_pjrt_plugin段错误。import jax单跑不报错因为只有import alphafold3.cpp才触发所以 preflight 检查会骗你说GPU 可见——等到真正跑 inference 才发现崩了。scripts/run_af3_jaxfirst.py的全部内容18 行import runpy, sys import jax jax.devices() # 强制初始化 CUDA 后端 RUN_ALPHAFOLD ~/app/alphafold3-v301/run_alphafold.py sys.argv [RUN_ALPHAFOLD] sys.argv[1:] runpy.run_path(RUN_ALPHAFOLD, run_name__main__)逻辑很直白先import jax 调一次jax.devices()强制初始化 CUDA再runpy.run_path调官方脚本。所有 AF3 推理代码完全没动CLI 参数也照旧透传。坑 2Hermes 后台进程被 reaper 杀掉。长 IO 任务3 小时 MSA 推理通过terminal(backgroundtrue)启动后Hermes Desktop 的父进程组会在 ~30-90 分钟后清理掉后台 worker表现为 AF3 主进程 exit 0 但日志停在Launching subprocess jackhmmer无 traceback。修法是 setsid 让进程脱离父进程组重新 parent 到 PID 1setsid bash -c cd workdir exec env -u PYTHONPATH \ PATH~/anaconda3/envs/AF3/bin:$PATH \ XLA_FLAGS--xla_gpu_enable_triton_gemmfalse \ XLA_PYTHON_CLIENT_MEM_FRACTION0.9 \ ~/anaconda3/envs/AF3/bin/python scripts/run_af3_jaxfirst.py \ --json_pathinput.json --model_dir~/AF/datasets \ --db_dir~/AF/datasets/public_databases_AF3_AF3Complex \ --output_diroutput --flash_attention_implementationxla logs/af3_run.log 21 /dev/null disown两层修法缺一不可wrapper 解决 import 顺序的段错误setsid 解决后台进程被父进程清理。两个独立问题先后撞过两次才都解掉。五、产物实测任务启动后 agent 持续监控下面是最终跑完时的完整数字不是合成数据5.1 置信度来自*_summary_confidences.json指标数值怎么读ipTM0.950.8 蛋白与配体的结合姿势可信0.95 是顶档pTM0.93蛋白整体拓扑可信ranking_score0.94AF3 内部打分5 个 sample 排序第一的 samplechain_pair_iptm[A↔B]0.95EGFR ↔ gefitinib 这一对相互作用可信fraction_disordered0.00268 个残基里没有乱绳段has_clash0.00蛋白与配体之间没有原子冲突5 个 sample 全部 ipTM 在 0.94-0.95 之间——这种一致度说明预测不是侥幸是真的稳。5.2 蛋白 pLDDT268 个残基中 87.7% 高置信pLDDTpredicted Local Distance Difference Test衡量 AF3 对每个位置预测多自信。规则很简单pLDDT 范围含义怎么用 90atomic-level 高可信当实验级精度用70-90大体可信主链对细节别抠50-70谨慎使用只看大致走向 50别当真“乱绳段”本次实测平均 pLDDT 95.490 占 87.7%70-90 占 11.9%没有 70 的。上图上半部分是 pLDDT 按残基编号画出的山峰图整条链在 90 之上下半部分是预测结构与 2ITY 晶体结构逐残基对齐后的距离差关键耐药残基 T790 / 共价结合位点 C797 / 激活性突变 L858 全在 1 Å 区间。5.3 与晶体结构 2ITY3.42 Å逐残基对照光看置信度不够得跟实验结构对一下。2ITY 是 EGFR 激酶域 gefitinib 的 X 射线共晶结构分辨率 3.42 Å——本身不算很高分辨率所以 AF3 比它精确很正常。对比维度实测数值解读共同 CA 残基数2582ITY 涵盖 712-979 全部CA RMSDKabsch 对齐后0.94 Å远低于晶体本身 3.42 Å 分辨率CA 中位数 RMSD0.68 Å多数残基亚晶体精度配体 IRE 重原子 RMSD1.81 Å配体在 ATP 口袋内的定位精度配体质心偏移1.06 Å配体位置几乎一致关键耐药残基 pLDDT 与晶体偏差这是 EGFR 抑制剂设计最关心的位点残基角色pLDDT与晶体 ΔCAK745催化 Kβ395.20.95 ÅE762αC 盐桥93.50.42 ÅT790gatekeeperT790M 第一代耐药97.00.35 ÅM793hingeH 键给 gefitinib97.80.76 ÅC797共价结合位点osimertinib 用97.60.79 ÅL858最常见激活突变L858R92.70.70 Å每个关键残基 pLDDT 都在 90 以上与晶体偏差都 1 Å。这意味着如果你想在这套体系做虚拟筛选找新一代抑制剂或预测耐药突变T790M / C797S的结构AF3 单跑的结果已经够用——不需要再上昂贵的 FEP 或长时间 MD。5.4 3D 结构重叠把 AF3 预测和 2ITY 晶体做刚体对齐Kabsch 算法蛋白骨架几乎完全重合配体在口袋里的位置偏差约 1.8 Å——配向一致、构象一致。上图蛋白骨架AF3 彩色按 pLDDT 着色 vs 2ITY 灰色点云gefitinib 配体AF3 红色圆点 vs 2ITY 蓝色三角连接线是同一个原子在两个结构中的位置偏差。骨架完全重合配体在 ATP 口袋内贴合。六、性能与时长一段话简述完整任务在本机工作站消费级 GPU 单 HDD 数据库实测耗时阶段耗时备注MSA 数据管线4 个 jackhmmer 并发~3.8 hIO 瓶颈在 HDD不在 CPU多盘服务器可压到 30 分钟GPU 推理5 samples × 175 秒~3 分钟消费级 GPU12 GB 显存flash_attentionxla合计3 h 49 minMSA 是大头性能不是这篇重点——只是诚实标注。生产任务应该跑多盘服务器或 NVMe RAID30 分钟出结果。本机 4 小时是单盘 IO 受限的代价不该误以为是 GPU 慢。七、这套体系能拿来做什么基于今天的精度CA RMSD 1 Å、配体 RMSD 1.8 Å、口袋关键残基全 pLDDT 92我看到三类马上能用的场景耐药突变虚拟筛选用 AF3 跑 T790M / C797S / L858R 突变的激酶域 候选抑制剂找耐药后仍敏感的下一代分子共价结合模式预测C797 临近口袋、共价弹头acrylamide 等能与 C797 形成共价键的结构可用 AF3 直接预测不同种子对比构象稳定性今天跑了 5 个 sampleseeds15 个不同采样路径ipTM 都在 0.94-0.95——这种一致性说明 EGFR 激酶 gefitinib 在这个口袋是单一稳定构象没有显著的构象异质性。如果你跑一对新配体发现 5 个 sample ipTM 差异 0.1说明结合模式不确定需要做 MD 或换工具。八、局限与展望诚实地标注 AF3 在这套体系做不到的不能跳过 MSAAF3 v3.0.1 强制要求真 MSA本机单盘跑要 4 小时是常态小配体在口袋外的位置不可信今天 IRE 在 ATP 口袋内精度高1.8 Å但如果配体结合位点偏远或诱导契合效应强配体定位 RMSD 会显著变大天然无序蛋白IDP不擅长fraction_disordered 0 这次很幸运遇到 IDP 体系就崩晶体分辨率上限本次对照的 2ITY 本身是 3.42 Å——比这更精确的对照需要换 4HJO2.75 Å或 3UG22.7 Å。下一步我会跑 T790M 突变体看 gatekeeper 突变对 gefitinib 结合的影响——同 Skill、同 agent 链路预期 ipTM 会显著下降 0.7能直接给为什么第一代 TKI 耐药提供结构解释。九、结语这次实验的核心结论人话 Agent Skill AF3已经能把我想知道 EGFR 和 gefitinib 是怎么结合的这个问题在半天之内跑出接近晶体结构精度的答案。工具不稀缺稀缺的是把流程固化下来、让 agent 能稳定替你跑完。读者下一步可以做的装好 Skill按《AF3 Skill沉淀》那篇把今天的 prompt 改成你自己的目标蛋白 配体跑完对照 RCSB PDB 找同体系的晶体结构关键词你的靶点 配体名如果 ipTM 0.8 且关键残基 pLDDT 90结果就可以直接用于虚拟筛选或下游 MD如果 ipTM 0.6别硬用——换种子多跑、或者换对接工具AutoDock Vina / DiffDock。参考来源google-deepmind/alphafold3 README — 推理命令、JSON schema、权重许可出处。AF3 input 文档 — dialect/version 与 ccdCodes 字段。Abramson J, et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3.Nature2024. DOI: 10.1038/s41586-024-07487-w。Yun C-H, Boggon T, Li Y, et al. Structures of lung cancer-derived EGFR mutants and inhibitor complexes: mechanism of activation and insights into differential inhibitor sensitivity.Cancer Cell2007, 11: 217-227. DOI: 10.1016/j.ccr.2006.12.017。RCSB PDB 2ITY — EGFR 激酶域 Iressa 共晶结构3.42 Å 分辨率X-ray。PDB 化学组件 IRE — Gefitinib CCD 定义C22H24ClFN4O3。UniProt P00533 EGFR_HUMAN — EGFR 激酶域 712-979 序列源。PubChem CID 123631 — Gefitinib 化合物信息SMILES 与分子式。实测产物本机工作站 2026-09-19 启动 → 2026-09-20 完成完整产物含 mmCIF、置信度、对齐 PDB、对照图、plot 脚本随博文资产包发布。系列导航本专栏另有 Skill 沉淀类与 MCP 封装类两篇分别讲流程知识固化为 Agent 操作手册、把 AF3 包成可多人复用的服务——本篇是它们的实战落地。专栏全集agent智能体系列我的专栏蛋白 / 多肽分子模拟 / 动力学分子对接 / CADD / 工具其他开源蛋白结构推理预测分子模拟基础UCSF DOCK系列agent智能体系列开源蛋白生成方法实践分子动力学模拟-AmberrDock系列化学大模型介绍2025蛋白药物设计-原理与案例剖析分子动力学模拟-GromacsLeDock系列我胡师兄说药开源多肽设计模型和方法实践結合自由能CADD中的机器学习模型siRNA药物设计模型开源多肽性质预测高效计算基本配置小分子药物设计-原理与案例剖析ASO药物设计模型多肽药物设计-原理与案例剖析作用于DNA/RNA的药物设计实践开源小分子生成和设计实践开源药代动力学模拟软件 Agent skill + AlphaFold 3 联用实战：一句人话完成 EGFR 激酶 + 吉非替尼复合物结构预测与晶体对照
本文收录于专栏agent智能体系列—— 专栏系统覆盖 AI Agent 记忆、工具、插件与实战点击订阅可跟踪后续更新。这篇是AF3 Agent skill 实战案例你只说一句人话Agent 通过skill 自动查 UniProt、找配体 CCD 码、组装 JSON、启动推理、读置信度、再下载蛋白数据库晶体结构如有做逐残基对照。今天我用这套Hermes Agent skillDeepSeek-V4 模型本机 Hermes Desktop 运行链路预测了 EGFR 激酶结构域 吉非替尼结合结构agent 把 CA RMSD 0.94 Å 的结构接近晶体分辨率和配体定位图交到我桌上。本文按你说了什么 → agent 做了什么 → 结果怎么解读三幕展开文末附完整 prompt、所需skill以及如何安装清单。关键字AlphaFold 3Agent SkillsAF3 Agent 联用蛋白-配体复合物EGFR吉非替尼GefitinibipTMpLDDT晶体结构对照目录一、痛点你不想再手敲 200 行 JSON二、AF3 Agent 联用到底有多省事三、一句话任务EGFR 激酶 吉非替尼四、AF3 Agent 联用自动走的四步流程五、产物实测六、性能与时长一段话简述七、这套体系能拿来做什么八、局限与展望九、结语核心文献资源链接与本文关系AF3 GitHub README—本文使用 v3.0.1 的 conda 直跑链路AF3 input 文档—JSON 格式 dialect/version 与配体 ccdCodes 字段官方说明AF3 installation 文档—本文前提AF3 三件套安装按它做RCSB PDB 2ITY—EGFR 激酶域 Gefitinib 3.42 Å 晶体结构Abramson et al.Nature2024, DOI: 10.1038/s41586-024-07487-w—AF3 原始论文Yun et al.Cancer Cell2007, 11: 217, DOI: 10.1016/j.ccr.2006.12.017—2ITY 晶体结构论文一、痛点安装好AF3后你不想再手敲 200 行 JSON当你再机器上配置好了AF3之后手敲输入 JSON你可能已经撞过三道坎蛋白序列得自己从 UniProt 抓、还得小心敲错一个字母整条复性配体到底用 SMILES 还是 CCD 码搞不清——选错了数据库查不到选对了又写错字段名跑完之后一堆*_confidences.json、*_data.json、model.cif——哪个数字才算可信这些全是流程知识每次用都要重查一遍文档。但如果你让 agent 去查——它真的查得到吗今天我做了一次完整实验把 Skill 装好之后后文有下载链接让 agent 跑一个真实任务看它能不能从一句话走到结构。二、AF3 Agent skill 联用到底有多省事把今天的对话复盘一下 agent 实际做的事阶段你人agent 做的事输入1 句话解析意图、判断需要 AF3 蛋白 配体序列无UniProt REST 拉 P00533截 712-979round-trip 校验配体无PubChem 查 gefitinib SMILES PDB CCD 查 IRE 验证JSON无自动组装 4 字段写入 input.json启动无setsid jax-first wrapper 启动进程监控无4 段启动 / MSA 阶段 / 推理 / 完成状态汇报置信度无读*_summary_confidences.json翻译成大白话对照无下载 2ITY、Kabsch 对齐、画 per-res RMSD 3D 重叠图全程你没碰过 JSON、docker 命令、jackhmmer 路径、BioPython parser。这才是 Skill agent 这套组合的真实价值——不是快是少出错。MSA 阶段你不需要看着 4 个 jackhmmer 进程怀疑是不是卡了agent 已经把IO bound 是正常的这条经验沉淀进 Skill你只会看到一张进度表。三、一句话任务EGFR 激酶 吉非替尼跟Agent对话之前需要安装skill到Hermes Agent或者你的其他Agent1. AF3调用skill下载名称 af3-local-inference下载地址 af3-local-inference2. 安装将下载文件放到~/.hermes/skills/ 或者任意位置通过Agent对话让Agent自行处理安装好skill或者不甘心的你自行按照其中的readme修改你机器上的AF3databasecheckpoint配置路径。开跑。我对Agent说的原话“帮我预测 EGFR 激酶结构域跟吉非替尼的结合结构。”就这么一句。Agent 应该自动判断需要做以下几件事查 EGFR 激酶域序列UniProt P00533 残基 712-979查 Gefitinib 的化学信息CCD 码或 SMILES组装 AF3 输入 JSON启动推理、监控进度跑完后把置信度翻译成人话再下载 2ITY 晶体做对照。下面把Agent所做的每一步展开。四、AF3 Agent skill 联用自动走的四步流程4.1 查蛋白序列UniProt 直拉EGFR 激酶域是从残基 712 到 979约 268 个氨基酸。Agent 不该让你手敲这段序列敲错一位整条蛋白结构就废了所以走 UniProt REST APIcurl -s https://rest.uniprot.org/uniprotkb/P00533.fasta egfr_full.fasta grep -v egfr_full.fasta | tr -d \n | cut -c712-979 egfr_kinase.seq返回 268 aa与文献标注的EGFR 激酶结构域 712-979完全吻合。坑提醒这里有一步隐式校验——单字母替换K↔R能通过 JSON 校验但预测结果会悄悄变差。我用assert json.load(...)[sequence] seq做 round-trip 校验这是 Skill 里写死的硬规则——上一个 GFP 案例里第 181 位 R→K 误敲过实测没有 assert 难发现。4.2 查配体SMILES 还是 CCDGefitinib 在 PDB 化学组件字典CCD里的代码是IRE——不是 GEF、不是 IRE1、不是 Iressa。这个名字经常让人走弯路我第一次也猜错。验证方法从 PDB Ligand Expo 直接拉 CIF 验证curl -s https://files.rcsb.org/ligands/download/IRE.cif -o /tmp/IRE.cif grep _chem_comp\. /tmp/IRE.cif | head -3 # _chem_comp.id IRE # _chem_comp.name Gefitinib # _chem_comp.formula C22 H24 Cl F N4 O3拿到 CCD 码后组装 JSON 时用ccdCodes字段不是smiles——前者走 AF3 内嵌化学组件字典更稳后者会让 AF3 自己 RDKit 化一遍、立体构象不一定对。4.3 组装输入 JSON4 个字段缺一不可{ name: egfr_kinase_gefitinib, modelSeeds: [1], sequences: [ {protein: {id: [A], sequence: FKKIKVLGSGAFGTVYKGLWIPE...}}, {ligand: {id: [B], ccdCodes: [IRE]}} ], dialect: alphafold3, version: 1 }dialect和version官方标注Required——漏一个就报错或静默退化modelSeeds决定随机种子今天单 seed 跑就够sequences链 A 是 EGFR 激酶域链 B 是 IREgefitinib。agent 写完会自动做 round-trip 校验再启动。4.4 启动推理jax-first wrapper setsid 双保险直接调官方run_alphafold.py会撞两个工程化坑——Skill 里专门写了一个 18 行的 wrapper 解决它们不替换任何 AF3 代码只是包了一层坑 1import-order 段错误。AF3 v3.0.1 的alphafold3.cpp是 C 扩展如果它在 JAX 初始化 CUDA PJRT 插件之前被 import进程会在jaxlib.xla_client.initialize_pjrt_plugin段错误。import jax单跑不报错因为只有import alphafold3.cpp才触发所以 preflight 检查会骗你说GPU 可见——等到真正跑 inference 才发现崩了。scripts/run_af3_jaxfirst.py的全部内容18 行import runpy, sys import jax jax.devices() # 强制初始化 CUDA 后端 RUN_ALPHAFOLD ~/app/alphafold3-v301/run_alphafold.py sys.argv [RUN_ALPHAFOLD] sys.argv[1:] runpy.run_path(RUN_ALPHAFOLD, run_name__main__)逻辑很直白先import jax 调一次jax.devices()强制初始化 CUDA再runpy.run_path调官方脚本。所有 AF3 推理代码完全没动CLI 参数也照旧透传。坑 2Hermes 后台进程被 reaper 杀掉。长 IO 任务3 小时 MSA 推理通过terminal(backgroundtrue)启动后Hermes Desktop 的父进程组会在 ~30-90 分钟后清理掉后台 worker表现为 AF3 主进程 exit 0 但日志停在Launching subprocess jackhmmer无 traceback。修法是 setsid 让进程脱离父进程组重新 parent 到 PID 1setsid bash -c cd workdir exec env -u PYTHONPATH \ PATH~/anaconda3/envs/AF3/bin:$PATH \ XLA_FLAGS--xla_gpu_enable_triton_gemmfalse \ XLA_PYTHON_CLIENT_MEM_FRACTION0.9 \ ~/anaconda3/envs/AF3/bin/python scripts/run_af3_jaxfirst.py \ --json_pathinput.json --model_dir~/AF/datasets \ --db_dir~/AF/datasets/public_databases_AF3_AF3Complex \ --output_diroutput --flash_attention_implementationxla logs/af3_run.log 21 /dev/null disown两层修法缺一不可wrapper 解决 import 顺序的段错误setsid 解决后台进程被父进程清理。两个独立问题先后撞过两次才都解掉。五、产物实测任务启动后 agent 持续监控下面是最终跑完时的完整数字不是合成数据5.1 置信度来自*_summary_confidences.json指标数值怎么读ipTM0.950.8 蛋白与配体的结合姿势可信0.95 是顶档pTM0.93蛋白整体拓扑可信ranking_score0.94AF3 内部打分5 个 sample 排序第一的 samplechain_pair_iptm[A↔B]0.95EGFR ↔ gefitinib 这一对相互作用可信fraction_disordered0.00268 个残基里没有乱绳段has_clash0.00蛋白与配体之间没有原子冲突5 个 sample 全部 ipTM 在 0.94-0.95 之间——这种一致度说明预测不是侥幸是真的稳。5.2 蛋白 pLDDT268 个残基中 87.7% 高置信pLDDTpredicted Local Distance Difference Test衡量 AF3 对每个位置预测多自信。规则很简单pLDDT 范围含义怎么用 90atomic-level 高可信当实验级精度用70-90大体可信主链对细节别抠50-70谨慎使用只看大致走向 50别当真“乱绳段”本次实测平均 pLDDT 95.490 占 87.7%70-90 占 11.9%没有 70 的。上图上半部分是 pLDDT 按残基编号画出的山峰图整条链在 90 之上下半部分是预测结构与 2ITY 晶体结构逐残基对齐后的距离差关键耐药残基 T790 / 共价结合位点 C797 / 激活性突变 L858 全在 1 Å 区间。5.3 与晶体结构 2ITY3.42 Å逐残基对照光看置信度不够得跟实验结构对一下。2ITY 是 EGFR 激酶域 gefitinib 的 X 射线共晶结构分辨率 3.42 Å——本身不算很高分辨率所以 AF3 比它精确很正常。对比维度实测数值解读共同 CA 残基数2582ITY 涵盖 712-979 全部CA RMSDKabsch 对齐后0.94 Å远低于晶体本身 3.42 Å 分辨率CA 中位数 RMSD0.68 Å多数残基亚晶体精度配体 IRE 重原子 RMSD1.81 Å配体在 ATP 口袋内的定位精度配体质心偏移1.06 Å配体位置几乎一致关键耐药残基 pLDDT 与晶体偏差这是 EGFR 抑制剂设计最关心的位点残基角色pLDDT与晶体 ΔCAK745催化 Kβ395.20.95 ÅE762αC 盐桥93.50.42 ÅT790gatekeeperT790M 第一代耐药97.00.35 ÅM793hingeH 键给 gefitinib97.80.76 ÅC797共价结合位点osimertinib 用97.60.79 ÅL858最常见激活突变L858R92.70.70 Å每个关键残基 pLDDT 都在 90 以上与晶体偏差都 1 Å。这意味着如果你想在这套体系做虚拟筛选找新一代抑制剂或预测耐药突变T790M / C797S的结构AF3 单跑的结果已经够用——不需要再上昂贵的 FEP 或长时间 MD。5.4 3D 结构重叠把 AF3 预测和 2ITY 晶体做刚体对齐Kabsch 算法蛋白骨架几乎完全重合配体在口袋里的位置偏差约 1.8 Å——配向一致、构象一致。上图蛋白骨架AF3 彩色按 pLDDT 着色 vs 2ITY 灰色点云gefitinib 配体AF3 红色圆点 vs 2ITY 蓝色三角连接线是同一个原子在两个结构中的位置偏差。骨架完全重合配体在 ATP 口袋内贴合。六、性能与时长一段话简述完整任务在本机工作站消费级 GPU 单 HDD 数据库实测耗时阶段耗时备注MSA 数据管线4 个 jackhmmer 并发~3.8 hIO 瓶颈在 HDD不在 CPU多盘服务器可压到 30 分钟GPU 推理5 samples × 175 秒~3 分钟消费级 GPU12 GB 显存flash_attentionxla合计3 h 49 minMSA 是大头性能不是这篇重点——只是诚实标注。生产任务应该跑多盘服务器或 NVMe RAID30 分钟出结果。本机 4 小时是单盘 IO 受限的代价不该误以为是 GPU 慢。七、这套体系能拿来做什么基于今天的精度CA RMSD 1 Å、配体 RMSD 1.8 Å、口袋关键残基全 pLDDT 92我看到三类马上能用的场景耐药突变虚拟筛选用 AF3 跑 T790M / C797S / L858R 突变的激酶域 候选抑制剂找耐药后仍敏感的下一代分子共价结合模式预测C797 临近口袋、共价弹头acrylamide 等能与 C797 形成共价键的结构可用 AF3 直接预测不同种子对比构象稳定性今天跑了 5 个 sampleseeds15 个不同采样路径ipTM 都在 0.94-0.95——这种一致性说明 EGFR 激酶 gefitinib 在这个口袋是单一稳定构象没有显著的构象异质性。如果你跑一对新配体发现 5 个 sample ipTM 差异 0.1说明结合模式不确定需要做 MD 或换工具。八、局限与展望诚实地标注 AF3 在这套体系做不到的不能跳过 MSAAF3 v3.0.1 强制要求真 MSA本机单盘跑要 4 小时是常态小配体在口袋外的位置不可信今天 IRE 在 ATP 口袋内精度高1.8 Å但如果配体结合位点偏远或诱导契合效应强配体定位 RMSD 会显著变大天然无序蛋白IDP不擅长fraction_disordered 0 这次很幸运遇到 IDP 体系就崩晶体分辨率上限本次对照的 2ITY 本身是 3.42 Å——比这更精确的对照需要换 4HJO2.75 Å或 3UG22.7 Å。下一步我会跑 T790M 突变体看 gatekeeper 突变对 gefitinib 结合的影响——同 Skill、同 agent 链路预期 ipTM 会显著下降 0.7能直接给为什么第一代 TKI 耐药提供结构解释。九、结语这次实验的核心结论人话 Agent Skill AF3已经能把我想知道 EGFR 和 gefitinib 是怎么结合的这个问题在半天之内跑出接近晶体结构精度的答案。工具不稀缺稀缺的是把流程固化下来、让 agent 能稳定替你跑完。读者下一步可以做的装好 Skill按《AF3 Skill沉淀》那篇把今天的 prompt 改成你自己的目标蛋白 配体跑完对照 RCSB PDB 找同体系的晶体结构关键词你的靶点 配体名如果 ipTM 0.8 且关键残基 pLDDT 90结果就可以直接用于虚拟筛选或下游 MD如果 ipTM 0.6别硬用——换种子多跑、或者换对接工具AutoDock Vina / DiffDock。参考来源google-deepmind/alphafold3 README — 推理命令、JSON schema、权重许可出处。AF3 input 文档 — dialect/version 与 ccdCodes 字段。Abramson J, et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3.Nature2024. DOI: 10.1038/s41586-024-07487-w。Yun C-H, Boggon T, Li Y, et al. Structures of lung cancer-derived EGFR mutants and inhibitor complexes: mechanism of activation and insights into differential inhibitor sensitivity.Cancer Cell2007, 11: 217-227. DOI: 10.1016/j.ccr.2006.12.017。RCSB PDB 2ITY — EGFR 激酶域 Iressa 共晶结构3.42 Å 分辨率X-ray。PDB 化学组件 IRE — Gefitinib CCD 定义C22H24ClFN4O3。UniProt P00533 EGFR_HUMAN — EGFR 激酶域 712-979 序列源。PubChem CID 123631 — Gefitinib 化合物信息SMILES 与分子式。实测产物本机工作站 2026-09-19 启动 → 2026-09-20 完成完整产物含 mmCIF、置信度、对齐 PDB、对照图、plot 脚本随博文资产包发布。系列导航本专栏另有 Skill 沉淀类与 MCP 封装类两篇分别讲流程知识固化为 Agent 操作手册、把 AF3 包成可多人复用的服务——本篇是它们的实战落地。专栏全集agent智能体系列我的专栏蛋白 / 多肽分子模拟 / 动力学分子对接 / CADD / 工具其他开源蛋白结构推理预测分子模拟基础UCSF DOCK系列agent智能体系列开源蛋白生成方法实践分子动力学模拟-AmberrDock系列化学大模型介绍2025蛋白药物设计-原理与案例剖析分子动力学模拟-GromacsLeDock系列我胡师兄说药开源多肽设计模型和方法实践結合自由能CADD中的机器学习模型siRNA药物设计模型开源多肽性质预测高效计算基本配置小分子药物设计-原理与案例剖析ASO药物设计模型多肽药物设计-原理与案例剖析作用于DNA/RNA的药物设计实践开源小分子生成和设计实践开源药代动力学模拟软件