---------------------------------------------------------------------------------------------
各位有合作需求的看官，点击 博主头像，微信添加好友，按名字搜索即可；
---------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------
######### 教程自此开始########
---------------------------------------------------------------------------------------------
必要前提：
可能用到的两个大模型文件 ---- 可以手动处理，以免深加工过程给你卡死：
afdb50.tar.gz
uniref50.fasta.gz
---------------------------------------------------------------------------------------------
时间有限，就不整那些 bash 格式有的没的了；直接贴出来全程：
测试机：20年左右中等商务台式机，内存升级到48 GB；系统盘 500GB SSD，数据盘 2TB 高速机械盘，2TB M2口 盘；
---------------------------------------------------------------------------------------------
# 这里先添加一个前置：二选一即可
1）开启wsl功能，重启，进入wsl；
2）import一个纯净版的Ubuntu镜像，这里用的是22.04版的；
---------------------------------------------------------------------------------------------
1 进入wsl pure 终端
wsl -d pure
---------------------------------------------------------------------------------------------
2 更新系统包；
sudo apt update && sudo apt upgrade -y
---------------------------------------------------------------------------------------------
3 安装必要工具 （wget 用于下载，tar 用于解压，grep 用于检查 CPU）：
sudo apt install wget tar grep -y
---------------------------------------------------------------------------------------------
4 检查 CPU 是否支持 AVX2（你的机器应该支持，如果没有，输出为空，则需用 ARM64 版，但 Intel 机通常有）：
cat /proc/cpuinfo | grep avx2
# 如果看到 "avx2"，继续；否则，联系 grok 继续调整
---------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------
步骤1 -- 下载并安装foldseek二进制（推荐方式，无需编译）
---------------------------------------------------------------------------------------------
1 创建安装目录 （建议放用户主目录下，便于管理；或放 2TB SSD 挂载点，如果你已 mount）：
mkdir -p ~/foldseek && cd ~/foldseek
---------------------------------------------------------------------------------------------
2 下载 Linux AVX2 二进制（从官方 mmseqs.com 镜像
wget https://mmseqs.com/foldseek/foldseek-linux-avx2.tar.gz
---------------------------------------------------------------------------------------------
3 解压
tar xvzf foldseek-linux-avx2.tar.gz
---------------------------------------------------------------------------------------------
4 添加到PATH（临时生效方案）
export PATH=$(pwd)/foldseek/bin/:$PATH
推荐：下面是永久添加 PATH 到 ~/.bashrc 的手动步骤：
1） 运行编辑 .bashrc 指令
nano ~/.bashrc
2） 在文件最下面添加这一行：
export PATH=$HOME/foldseek/foldseek/bin/:$PATH
3） 保存退出（Ctrl+O → Enter → Ctrl+X）
source ~/.bashrc
# 刷新使之生效；
foldseek --help
---------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------
# ------------------ 可选：用 Miniconda 安装 Foldseek（如果不喜欢二进制版）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 下载
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda
# 安装
export PATH=$HOME/miniconda/bin:$PATH
# 将$HOME/miniconda/bin插入到PATH的最前面，这样系统会优先在该目录下查找命令，从而确保可以找到并运行conda等工具
source ~/.bashrc
# 刷新使之立即生效
conda install -c conda-forge -c bioconda foldseek
# 此后，再通过conda，从bioconda通道安装foldseek
1. 创建数据目录
# ------------------ 数据库下载（建议放在 /mnt/h 大盘） ------------------
mkdir -p ~/foldseek/databases && cd ~/foldseek/databases
# 这条指令——不执行，它会放到 home下面——我们是要放到H:\foldseek/databases下面；
mkdir -p /mnt/h/foldseek/databases && cd /mnt/h/foldseek/databases
# 用这条指令；
---------------------------------------------------------------------------------------------
2. 下载常用数据库（用 foldseek databases 命令，它会自动下载并解压）
1）小型测试库（PDB），全是PDB，几个GB大小，适合入门
mkdir tmp && foldseek databases PDB pdb tmp
2）中型：AlphaFold Swiss-Prot （10 Million ? 结构，几十 GB）
foldseek databases Alphafold/Swiss-Prot afdb_swissprot tmp
3）大型：AlphaFold Proteome （全蛋白组，几百 GB；SSD是够用，但48 GB RAM，需要优化——才有可能使用）
foldseek databases Alphafold/Proteome afdb_proteome tmp
4）超大：AlphaFold UniProt50（聚类版，54 Million 结构，几百 GB；
-- 优化了运行参数，推荐用地参数跑，不影响结果准确性 -- sort-by-structure-bits 0）
foldseek databases Alphafold/UniProt50 afdb50 tmp
# 这条指令应该是通过foldseek来下载这两个序列库？？
5）ProstT5 模型（序列搜索必备，必须要下的）
foldseek databases ProstT5 prostt5_weights tmp
3. tmp 目录是临时文件夹，可删后重用。下载时间取决于网速（可能需要vpn支持）。
---------------------------------------------------------------------------------------------
内存提示：对大库如 afdb50（默认需 ~151GB RAM），你的 48GB 不够。用 --sort-by-structure-bits 0 降到 ~35GB（结果 E-value 不变，但排序略变）。或用 --prefilter-mode 1 流式搜索。
---------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------
步骤3 基础指令（M610台式机能运行//跑得动的示例）
# ------------------ 常用搜索 / 聚类 示例 ------------------
---------------------------------------------------------------------------------------------
1. 结构搜索（用PDB， mmcif 文件查询数据库） -- 也是最基本的应用，用一个结构文件查库，示例：搜PDB库，输出aln.tsv：
foldseek easy-search query.pdb pdb/ aln.tsv tmp/ --prefilter-mode 1 --sort-by-structure-bits 0
# --prefilter-mode 1：内存低，适合单查询。
# 输出格式加 --format-mode 3：生成交互 HTML（在浏览器看 3D 比对）。
# 对大库如 afdb50：加 --sort-by-structure-bits 0 省内存。
# 时间：几秒到分钟，你的 CPU 够。
---------------------------------------------------------------------------------------------
2. 序列搜索（直接用 FASTA 序列搜结构空间，无需预测结构）
最实用升级功能，用ProtT5。-- 示例，序列搜AFDB Swiss-Prot：
foldseek easy-search query.fasta afdb_swissprot/ aln.tsv tmp/ --prostt5-model prostt5_weights/ --prefilter-mode 1 --sort-by-structure-bits 0
# 下下载ProsT5模型（如上面）
# 超快：M610应该是 每个序列查询在几秒内完成；输出TM-score等；
---------------------------------------------------------------------------------------------
3. 结构聚类（对多个结构分组） --- 示例，聚类目录下所有PDB文件，覆盖率 0.9：
foldseek easy-cluster structures/ cluster_res/ tmp/ -c 0.9 --prefilter-mode 1
# 适合几千条（序列的）结构；大规模的分批跑
---------------------------------------------------------------------------------------------
4. 蛋白复合物搜索/聚类（Multimer）-- 示例，搜复合物数据库：
foldseek easy-multimersearch complexes/ afdb_proteome/ multimer_res/ tmp/ --prefilter-mode 1 --sort-by-structure-bits 0
或，聚类：
foldseek easy-multimercluster complexes/ multimer_clu/ tmp/ --multimer-tm-threshold 0.65
# M610 适合小中型复合物；
---------------------------------------------------------------------------------------------
5. 自定义数据库创建，如果有自己的FASTA/PDB
示例
1）用自由序列组/PDB （组合？？）
foldseek createdb my_sequences.fasta my_db --prostt5-model prostt5_weights/
foldseek createindex my_db tmp/
2）从PDB
foldseek createdb my_structures/ my_db
foldseek createindex my_db tmp/---------------------------------------------------------------------------------------------
通用提示：
# tmp/ 是临时目录，跑完可删。
# 多线程：默认用所有核心，你的 CPU ~4-8 核，够用。加 --threads 8 控制。
# 输出：aln.tsv 是 TSV 结果；加 --format-mode 5 输出叠加 PDB。
# 测试：用 GitHub 示例文件（下载 example/ 目录从 repo）。
# 问题排查：如果 OOM，加更多内存优化；日志看 stderr。
# GPU：你的机器无，用纯 CPU 没问题（速度稍慢，但稳定）。
---------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------
######### 教程到此结束########
