前言
RoseTTAFold 是华盛顿大学（University of Washington） Divid Baker 团队开发的一个蛋白质结构预测工具[1]，2021 年在《科学》（Science）杂志发表。RoseTTAFold 基于三轨神经网络（3-Track neural network），预测可兼顾蛋白质序列模式、蛋白质内氨基酸相互作用和蛋白质可能的三维结构。
RoseTTAFold 开源，可到 GitHub 下载代码源码在本地搭建，也可在网上使用。Baker 团队搭建了一个在线版本，可以到 RoseTTAFold server[2] 体验。
打开浏览器输入提供的网址，然后在左上角选择 Structure Prediction 下拉菜单。下拉菜单有三个选项：
提交（Submit）。提交要预测蛋白的序列，需要注册，我讨厌注册。
Queue（队列）。查看提交预测的队列，提交线上预测的人很多得排队。
示例结果（Example Result）。展示预测蛋白的五个结果 3D 模型。
线上版本是免费的，全世界很多人都在排队使用，有条件可以选择本地搭建。
RoseTTAFold 本地搭建
准备
RoseTTAFold 源码是开源的，可以直接到 GitHub 下载。不过在开始之前我还是要说说本地搭建的要求：
一台 Linux 电脑。开虚拟机可能不行，因为这种运算，虚拟机太慢了，最好还是实体 Linux 机，或可以使用 Windows 系统的 WSL[3]（Windows Subsystem of Linux，Windows 的 Linux 子系统）。
8G 内存。这是可以分配给 RoseTTAFold 的内存，不是电脑内存，建议电脑内存 8G 以上。我只试过源码自带示例在 8G 、64G 和 128G 内存跑 PyRosetta。当然，跑的都是 8 核，结果区别好像不大。8G 和 128G 都是 40 分钟左右，64G 没有单独做过，但是所有的测试都是 64G 做的，所以大差不差也是这个时间。反正一个小时应该是基本要求。生物嘛，一个小时很短的。
2.6T 磁盘空间。RoseTTAFold 源码很小，但需要下载的模板和数据库压缩包有 402G，解压后有 2263.2G，即 2.3T。系统安装、解压后删除压缩包、安装 conda[4]，还保存一些数据，300G 只能算还过得去。所以整个电脑得有 2.6T 磁盘空间。
电脑安装 conda/mamba。电脑安装的可以是 minconda[5]、anaconda[6]。安装完之后可以安装 mamba[7] 作为 conda 的替代命令。
综上，如果要安装到自己电脑，需要花几个钱扩充一下硬盘空间。
我的建议是，有需要可以搭建，但自己电脑不行就不必勉强。可以询问自己的导师或者老师，看看学院有没有服务器。学校的服务器一般都很富裕。生信学生，一般学院都有服务器，毕竟生信做数据分析少不了。可能有的学校没有生信专业，所以还真没有服务器。
又或者，实验室有这个需求，可以问问老师，毕竟花个几百块钱买个硬盘不比动不动就几千上万的实验仪器便宜？RoseTTAFold 比较高的要求无非就是 Nvidia（英伟达）GPU（Graphical processing unit）和硬盘。前者可以不用，直接 CPU （Central processing unit）跑，后者现在还不算贵。至于内存，我觉得问题应该不大，实在不够可以花百十大洋买个内存条。
Linux 系统安装我就不演示了，这种教程我大清满大街都是，随便搜搜，或者可以翻我之前的博客。如果是学院、学校服务器就省了系统安装这一步。
下载源码
到 RoseTTAFold GitHub[8] 主页查看如何下载。
如果使用 Git[9] 下载源码，请确保自己的电脑安装了 Git。默认安装了 conda/mamba。
安装 conda/mamba 可以参考之前的博客 服务器安装 RStudio Server
友情提示：conda 一定要换源，不然时间耗死你。最好安装 mamba 替代 conda
按照 GitHub 上的提示进行安装。当然，如果一帆风顺就不会有今天这篇文章了。
克隆（Clone）源码
使用 Git 克隆
$ pwd/home/chunshuyumao/Downloads$ git clone https://github.com/RosettaCommons/RoseTTAFold.git...$ cd RoseTTAFold$ pwd/home/chunshuyumao/Downloads/RoseTTAFold
创建环境
创建环境有两个选择：
RoseTTAFold-linux.yml。Nvidia 卡支持的 Cuda 在 10 以上，一般是 11。
RoseTTAFold-linux-cuda10.yml。Nvidia 卡支持的 Cuda 在 10 及以下。
如果太复杂，直接选择第一个。其实这个主要是看你的电脑有没有 Nvidia 卡，Linux 命令行输入 lspci | grep -i vga。
$ lspci | grep -i vga02:00.0 VGA compatible controller: Matrox Electronics Systems Ltd. MGA G200e [Pilot] ServerEngines (SEP1) (rev 42)
上面的输出显示根本没有 Nvidia 卡。直接使用第一个创建环境算了。
$ pwd/home/chunshuyumao/Downloads/RoseTTAFold$ conda env create -f RoseTTAFold-linux.yml
创建完环境后，自己的 conda/mamba 下会有一个叫做 RoseTTAFold 的环境，可以使用 conda env list 查看。
安装完之后还有一个可选的 folding-linux.yml 环境，使用 PyRosetta[10] 预测蛋白结构需要。RoseTTAFold 提供两种方式预测蛋白结构，一种是基于“点到点”（end-to-end,e2e）的方式，另一种是基于 PyRosetta。前者的预测效果可能不比后者。
使用 PyRosetta，我后面会介绍，就需要创建 folding 环境，只使用“点到点”的方式就不需要。
创建两个环境有点久，分别有 2G 左右。创建完毕查看当前环境：
$ conda env list# conda environments:#base /home/chunshuyumao/.local/miniconda3RoseTTAFold /home/chunshuyumao/.local/miniconda3/envs/RoseTTAFoldfolding /home/chunshuyumao/.local/miniconda3/envs/folding
下载第三方软件
$ pwd/home/chunshuyumao/Downloads/RoseTTAFold$ ./install_dependencies.sh
这个几个第三方包不大，下载很快。
下载数据包
创建 RoseTTAFold 环境的时候，可以再开一个控制台下载需要的数据包。按照 GitHub 上的 README.md 下载和解压即可。
$ pwd/home/chunshuyumao/Downloads/RoseTTAFold$ # 解压有 1.2 G$ wget -c https://files.ipd.uw.edu/pub/RoseTTAFold/weights.tar.gz$ tar -zx -f weights.tar.gz$ # uniref30 [46G]，解压有 182G$ wget -c http://wwwuser.gwdg.de/~compbiol/uniclust/2020_06/UniRef30_2020_06_hhsuite.tar.gz$ mkdir -pv UniRef30_2020_06mkdir: created directory '/home/chunshuyumao/Downloads/RoseTTAFold/UniRef30_2020_06'$ tar -zx -f UniRef30_2020_06_hhsuite.tar.gz -C ./UniRef30_2020_06$ # BFD [272G]，解压有 1.8T$ wget -c https://bfd.mmseqs.com/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt.tar.gz$ mkdir -pv bfdmkdir: created directory '/home/chunshuyumao/Downloads/RoseTTAFold/bfd'$ tar -zx -f bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt.tar.gz -C ./bfd# structure templates (including *_a3m.ffdata, *_a3m.ffindex) [over 100G]，解压有 280G$ wget -c https://files.ipd.uw.edu/pub/RoseTTAFold/pdb100_2021Mar03.tar.gz$ tar -zx -f pdb100_2021Mar03.tar.gz
这几个文件下载的速度只能看命运了，可能晚上下载的速度快一点。上面的 wget 命令和 README.md 不大一样，多了一个 -c 命令。这是 --continue 的缩写，最好加上，相信我，不然你会等到死。
下载 PyRosetta（可选）
如果不想使用 PyRosetta，可以不进行这一步。当然，这也就意味着源码中的 run_pyrosetta_ver.sh 你无法使用。
注册获取账户和密码
要使用 PyRosetta 需要注册一个账号。到华盛顿大学[11]下载。根据我给的网址进入，可以看到如下界面。点击右下角的 ORDER NOW 即可。ORDER 后进入确认界面，再次点击 CHECKOUT NOW，进入登陆界面。
如果没有账号，可以现场创建一个账号，选择 Register。后面的步骤就比较简单了，填写一下个人信息，至于地址机构什么的，随便填吧。后面根据邮件确认信息，然后会收到一封邮件。邮件里有自己可以使用的用户和密码，记住即可。
安装 PyRosetta
打开 conda 配置文件 ~/.condarc。这一步可以参考 PyRosetta 安装教程[12]。
下面是我的 conda 配置，这是换源过后的。remote_read_timeout_secs: 600.0 设置 conda 下载超时时间 600 秒。因为是国外的软件下载速度肯定不好，所以超时时间可以设置久一点。
把自己注册后收到的密码和用户名填入下面的 PASSWD 和 USERNAME。
$ cat ~/.condarcshow_channel_urls: true default_channels: #- https://USERNAME:PASSWD@conda.rosettacommons.org - https://USERNAME:PASSWD@conda.graylab.jhu.edu - https://mirrors.aliyun.com/anaconda/pkgs/main - https://mirrors.aliyun.com/anaconda/pkgs/r - https://mirrors.aliyun.com/anaconda/pkgs/free - https://mirrors.aliyun.com/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.aliyun.com/anaconda/cloud msys2: https://mirrors.aliyun.com/anaconda/cloud bioconda: https://mirrors.aliyun.com/anaconda/cloud menpo: https://mirrors.aliyun.com/anaconda/cloud pytorch: https://mirrors.aliyun.com/anaconda/cloud simpleitk: https://mirrors.aliyun.com/anaconda/cloudauto_activate_base: falseremote_read_timeout_secs: 600.0
设置好之后在命令行中输入：
$ conda activate folding$ conda install pyrosetta -y
下载过程难免有多次失败，因为网络不行。如果想做到无人值守安装，可以将上面的安装命令改成：
$ conda activate folding$ while ! conda install pyrosetta -y; do echo 'Try again...'; done
这样如果下载失败，电脑会自动帮你恢复安装，直到安装成功或者你放弃。注意，如果是自己的电脑，那千万不要让电脑休眠（Suspend）。如果是服务器，可以使用 Tmux[13] 连接服务器，然后后台运行。这是一个大话题，此处不进行解释。
如果安装成功，那就万事大吉了。
运行示例
安装完成就可以运行示例了，可以参考 RoseTTAFold 文件下的 README.md 文件。
首先进入 example 文件夹，然后运行 run_pyrosetta_ver.sh 或者 run_e2e_ver.sh。注意，没有安装 PyRosetta 软件就只能运行 run_e2e_ver.sh 脚本。
$ pwd/home/chunshuyumao/Downloads/RoseTTAFold$ cd example$ mkdir -pv mytest$ ../run_pyrosetta_ver.sh input.fa mytest
所有的输出文件都会放到 mytest 文件夹内，也可以把 input.fa 换成自己的蛋白质序列。
输出结果
end-to-end
结果会产生一个 PDB（Protein Data Bank）文件，文件放到输出目录的 model 文件夹内。例如我上面运行的输出目录是 mytest，所以 PDB 文件在 mytest/model 内。
PyRosetta
运行会产生 5 个模型文件，放到输出目录的 model 文件夹内，命名规则是 model_[1-5].crderr.pdb，头部包含一些误差信息，可以不用在意直接当作 PDB 文件使用。
输出结果可视化
输出结果是文件，怎么可视化查看？可以去 RCSB[14] 查看。
浏览器打开 RCSB，选择“可视化”（Visualize）中的 Mol*（MolStar）进行可视化。
至此，安装完成。马克思保佑！
一些问题
__mul__ 属性不存在
While processing /home/chunshuyumao/Downloads/RoseTTAFold/example/mytest/pdb-3track/model0_1_0.05.features.npz: 'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute '__mul__'
按照官网的步骤搭建本地 PyRosetta，运行完后 model 文件夹内什么也没有。找到输出目录下的 log 文件夹，里边是程序输出的日志文件。
以 stderr 结尾的是错误日志，stdout 结尾的是输出日志。一般来说先看错误日志，然后再看输出日志。
查看 run_pyrosetta_ver.sh 文件可以看到脚本的运行顺序是：
生成 MSA 文件，日志记录在 make_msa.std[err,out]；
运行次级结构，日志记录在 make_ss.std[err,out]；
查找模板文件，日志记录在 hhsearch.std[err,out]；
预测距离和方向，日志记录在 network.std[err,out]；
生成模型，日志记录在 folding.std[err,out]；
择取最终模型。分成两步：
如果没有生成 NPZ 文件则先生成，日志记录在 DAN_msa.std[err,out]；
择取最终模型，日志记录在 pick.std[err,out]。
看看问题出在哪里：
不要看 DAN_msa.stderr 就觉得它的问题严重性更强，其实不是，得通过报错信息来判断。其实 DAN_msa.stderr 只是发出了警告，不是错误。在程序员眼中，警告（Warning）并不是错误，大写也没用。
有个笑话：公路尽头是悬崖，警察在路口贴了一个警告牌，结果还是有人开车掉下去死了。警察一看，好家伙，原来是个程序员，他以为“警告”（WARNING）不是什么大问题，毕竟又不是“错误”（ERROR）。
这个警告不是程序出错的原因，再看 DAN_msa.stdout 文件。
While processing /home/chunshuyumao/Downloads/RoseTTAFold/example/mytest/pdb-3track/model0_1_0.05.features.npz: 'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute '__mul__'
文件一直出现这个提示。其实这很让人费解，这是一个错误很明显，但是我不知道是哪里出现的问题。一个错误提示什么也没有，没有说哪个文件出了问题，没有说哪一行出了错误，也没说在干什么，只是说：俺在处理某某文件的时候发现某某对象没有某某特性。
呃，不得不说，这种情况就好像什么也没说。之前用 gThumb，GNOME 桌面一个看图软件，开了一个不存在的插件，gThumb 报错了，错误信息是：Oops! There is something wrong!
这！我都不知道该说点啥好：我当然知道有问题呀，你好歹提示我哪里有问题嘛，你这么一说，好像我不知道一样！
看来这两个报错信息有的一拼。
碰到问题不要去百毒搜索，我们先去官网看看是不是有人遇到了同样的情况。源码发布在 GitHub，先去 GitHub 查看。打开 RoseTTAFold 的 GitHub 主页，点击 Issues 查看问题。被解决的问题一般在 Closed，未解决的在 Open。
可以看到在 Open 的 Issues 里边，比较靠前的第三个问题就和我们遇到的一样。
点进去查看具体信息。这个问题目前没有人回答，使用的版本和我的差不多，出错的情况差不多，也是 Python3.7 ，我当时就觉得可能是 Python 的问题。于是重新创建一个 Python3.6 环境运行，结果还是不行。
自己动手，丰衣足食，直接看代码。我们运行的是 run_pyrosetta_ver.sh 文件，故此查看。找到输出 DAN_msa.std[err,out] 文件的那一行，调用的是 ErrorPredictorMSA.py，然后出错。那就简单，直接找到这个文件，在 RoseTTAFold/DAN_msa 文件夹下。
查看 ErrorPredictorMSA.py 文件
查看文件的时候可以跟着 Python 的调用走，例如找到 main() 函数，然后跟着一步一步走。我看了一会之后发现真正调用的地方在第 159 行，调用了 pyErrorPred.process 函数。
至于是怎么看的，其实只要看看它的参数即可。在函数调用的上面几行出现了关键字 features.npz，这样这类文件自然只会在下面出现。不用担心，反正是找到了。
找到之后跟着这个函数进去，用 VIM 可以直接使用 gd（Goto Definition）进行查看。如果使用其他编辑器，可以找找编辑器的快捷键或者跳转按钮。
跳转之后我来到了 process 函数的定义：DAN_msa/pyErrorPred/featurize.py 文件的第 607 行。继续查看。接下来的查看是没有任何技巧的，因为报错给的信息基本等于没有。
我是暴力查找的：在 process 函数内选一个点，例如第 615 行，插入一行输出：
print('-----------------------GOT YA----------------------------')
插入之后再运行 run_pyrosetta_ver.sh 脚本。错误信息出现在这个输出之后，说明报错位置在第 615 行之后；出现在这个输出之前就说明问题在这行之前。这样慢慢推进，输出结果在 DAN_msa.stdout 查看。
也可以使用夹逼法：选两个点，如果错误信息在两者之间就慢慢压缩。如果出现在前者前边，那就调整位置继续夹逼。同理后边一样。
好巧不巧，我还真找到了，而且花的时间很短，可能是运气好吧！
第 619 行的函数 extract_EnergyDistM 调用，跳转进去，来到本文件的第 53 行定义。看起来都没什么问题：这指的是代码的逻辑。直到看到第 80 行，这里出现了一个似曾相识的字眼 —— __mul__，问题多半就是这里了。
结合刚刚的信息来看，代码中的 iru 是没有这个 __mul__ 属性的。我们需要确定一下它到底有没有这个属性。
'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute '__mul__'
确定 iru 的属性
打印属性
Python 可以使用 dir 函数查看对象的属性和内部函数。
在代码中添加相应的输出部分：在 iru 下面插入几行，打印它的属性，插入代码是 print(dir(iru))。
73 # Get an edge iterator74 iru = graph.get_node(index1).const_edge_list_begin()75 irue = graph.get_node(index1).const_edge_list_end()7677 print(dir(iru))78 79 # Parse the energy graph.80 while iru!=irue:81 # Dereference the pointer and get the other end.82 edge = iru.__mul__()83
在交互模式可以直接使用 dir(iru) 打印，但是脚本中需要用 print 打印。修改之后再次运行脚本。
再次运行脚本的参数和刚开始的一样，因为这样更省时间，输出会保存到 DAN_msa.stdout 日志文件。
查看日志内的属性
查看 DAN_msa.stdout 日志，里边重复打印了很多次属性，只需要看一个即可。可以确认的是，iru 的确没有 __mul__ 属性。
PyRosetta-4 2023 [Rosetta PyRosetta4.conda.linux.cxx11thread.serialization.CentOS.python37.Release 2023.16+release.942c01d5066fd96860b7d268702b832fe906a739 2023-04-12T15:05:51] retrieved from: http://www.pyrosetta.org(C) Copyright Rosetta Commons Member Institutions. Created in JHU by Sergey Lyskov and PyRosetta Team./home/chunshuyumao/Downloads/RoseTTAFold/DAN-msa/models/smTr['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'arrow', 'assign', 'dereference', 'pre_decrement', 'pre_increment', 'valid']While processing /home/chunshuyumao/Downloads/RoseTTAFold/example/mytest/pdb-3track/model0_1_0.05.features.npz: 'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute '__mul__'
再看看代码注释是怎么说的：
# Dereference the pointer and get the other end.edge = iru.__mul__()
“解引用”，哈哈，不知道大家是怎么想的。写这个代码的人多半使用过 C/C++ 语言，因为 C/C++ 语言的解引用操作是 *variable。variable 是变量，例如 iru，解引用就是在变量前面加一个 *，这个符号同时也是乘法符号（multiple），在 Python 中的乘法操作重载用 __mul__ 定义，解引用直接用这个符号，有点好玩。
它没有定义这个操作符我们无法使用。仔细看上面的属性发现，有一个属性是 dereference，恰好就是解引用的意思。搞不好就是？其实就是了。这应该是代码重构后没改过来的部分。于是我们把 edge = iru.__mul__() 改为 edge = iru.dereference()。
####################################### Fill the dist_matrix with energies #######################################aas = []for i in range(length): index1: int = i + 1 aas.append(pose.residue(index1).name().split(":")[0].split("_")[0]) # Get an edge iterator iru = graph.get_node(index1).const_edge_list_begin() irue = graph.get_node(index1).const_edge_list_end() # Parse the energy graph. while iru!=irue: # Dereference the pointer and get the other end. #edge = iru.__mul__() # ↓↓↓↓↓↓↓↓↓修改这里↓↓↓↓↓↓↓↓↓↓↓↓ edge = iru.dereference()
修改完再次运行脚本：
$ pwd/home/chunshuyumao/Downloads/RoseTTAFold/example$ ../run_pyrosetta_ver.sh input.fa mytest
修改完之后发现 mytest/model 下仍空空如也，再次查找问题。
plus_plus 属性不存在
还是 DAN_msa.stdout 文件有问题，错误如下：
While processing /home/chunshuyumao/Downloads/RoseTTAFold/example/mytest/pdb-3track/model0_0_0.15.features.npz: 'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute 'plus_plus'
不用看，继续在我们刚刚的代码找。
101 # Move pointer102 iru.plus_plus()
看注释写的是 Move pointer，函数又是 plus_plus：这是 C/C++ 语言移动迭代器/指针的方式，即 ++variable 或者 variable++。++ 不就是 Plus Plus 嘛！
查看刚刚的输出，iru 内有一个属性是 pre_increment，pre_increment 是前进没错了，就是不知道 pre 是啥意思。为了确认这是我们找的函数，我们需要查看这个函数的说明。
在 iru.plus_plus 上面一行添加 print(iru.pre_increment.__doc__)，查看函数的信息。这是 Python 查看函数说明的方式，函数说明一般集中在 __doc__ 属性内。
重新运行脚本 run_pyrosetta_ver.sh，查看结果，结果在 mytest/log/DAN_msa.stdout 中。
pre_increment(self: pyrosetta.rosetta.utility.graph.EdgeListConstIterator) -> pyrosetta.rosetta.utility.graph.EdgeListConstIteratorincrement operator. Point this iterator at the next element in the list.C++: utility::graph::EdgeListConstIterator::operator++() --> const class utility::graph::EdgeListConstIterator &
上面的输出很明显了，这就是我们要找的函数，用于移动指针/迭代器（Move pointer），而且是前加加（previous plus plus） ++variable，可以说命名很规范了。
修改 plus_plus 代码
找到目的函数，把 iru.plus_plus() 改成 iru.pre_increment() 即可。
# Move pointer#iru.plus_plus()iru.pre_increment()
随后重新运行脚本。至此问题结束！
后语
问题解决了，但是我没有在 GitHub 回复那位同样碰到问题的同志，谁有时间或者兴趣可以回复回复人家，毕竟人家有需要，而且等一个月了没人回应。我不回只是因为我不想登录自己的账号。
此外再调侃修改代码中遇到的事。
虽然写下 RoseTTAFold 很厉害，但是这个团队的人技术明显不大一样。
首先是编写 PyRosetta C++ 源代码的人，他写了函数的使用说明（__doc__属性），这是一种很好的写代码习惯，一个函数应该有函数说明，让别人知道自己是干啥的。
其次是写 Python 代码的人，在一些非正常操作，例如使用 * 作为解引用（调用 __mul__ 函数），应该写下注释给看代码的人知道这么做的目的。
上面两种操作都很专业，可以看出来技术很硬。
然后是编写 Shell 脚本的人，包括 run_pyrosetta_ver.sh 和 run_e2e_ver.sh 脚本，有一些操作做的很专业，但有些操作又很不应该。例如他知道先判断有没有生成相对应的文件，如果有就不需要重新运行程序，节约时间。但他同时又没有判断自己的程序有没有运行成功，直接让后面的脚本继续运行了。
106 ############################################################107 # 6. Pick final models108 ############################################################109 count=$(find $WDIR/pdb-3track -maxdepth 1 -name '*.npz' | grep -v 'features' | wc -l)110 if [ "$count" -lt "15" ]; then111 # run DeepAccNet-msa112 echo "Running DeepAccNet-msa"113 python $PIPEDIR/DAN-msa/ErrorPredictorMSA.py --roll -p $CPU $WDIR/t000_.3track.npz $WDIR/pdb-3track $WDIR/pdb-3track 1> $WDIR/log/DAN_msa.stdout 2> $WDIR/log/DAN_msa.stderr114 fi
这种错误可能让人做出错误判断，例如无法正确找到出错的地方。
这种错误是故意的还是无意的？应该不是无意的，而是故意的，因为在 RoseTTAFold 的 README.md 文件中，团队表示这两个脚本只是简单让我们知道这个程序怎么用而已。由此可知这两个脚本的目的只是为了演示，所以他们简化了步骤，也就让脚本健壮性差很多。
上面的脚本可以改成：
106 ############################################################107 # 6. Pick final models108 ############################################################109 count=$(find $WDIR/pdb-3track -maxdepth 1 -name '*.npz' | grep -v 'features' | wc -l)110 if [ "$count" -lt "15" ]; then111 # run DeepAccNet-msa112 echo "Running DeepAccNet-msa"113 if ! python $PIPEDIR/DAN-msa/ErrorPredictorMSA.py --roll -p $CPU $WDIR/t000_.3track.npz $WDIR/pdb-3track $WDIR/pdb-3track 1> $WDIR/log/DAN_msa.stdout 2> $WDIR/log/DAN_msa.stderr; then114 echo "run DeepAccNet-msa: Error!"115 exit 1116 fi117 fi
这样只要脚本没运行成功，后面的命令是无法执行的，而且根据输出可以明显看到是哪一步出了问题。同理，脚本里其他代码的运行都可以如此判断。
还有一点，就是我在文中调侃的报错信息：
While processing /home/chunshuyumao/Downloads/RoseTTAFold/example/mytest/pdb-3track/model0_1_0.05.features.npz: 'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute '__mul__'
这里用的是 try/catch 进行错误捕捉，用 try/catch 我觉得不合适，但是无所谓，因为这是个人习惯问题。我不喜欢 try/catch，他们没必要惯着我。可问题是，为什么错误信息不给个位置和文件？这个我非常不理解。
一般来说，如果选择报错，特别是这种直接不处理的异常，应该给个提示，例如：
While processing `/home/chunshuyumao/Downloads/RoseTTAFold/example/mytest/pdb-3track/model0_1_0.05.features.npz` in file `/home/chunshuyumao/test.py`, 619: 'pyrosetta.rosetta.utility.graph.EdgeListConstItera' object has no attribute '__mul__'
这样出现问题，其他人就可以快速定位了。当然，我觉得罪魁祸首还是 try/catch。愿世间没有 try/catch。
相关网站
[1]
Baek M, DiMaio F, Anishchenko I, et al. Accurate prediction of protein structures and interactions using a three-track neural network. Science, 2021, 373(6557): 871-876.[2]
RoseTTAFold server: https://robetta.bakerlab.org/[3]
WSL: https://learn.microsoft.com/zh-cn/windows/wsl/install[4]
Conda: https://docs.conda.io/projects/conda/en/stable/index.html[5]
Miniconda: https://docs.conda.io/en/latest/miniconda.html[6]
Anaconda: https://anaconda.org[7]
Mamba: https://mamba.readthedocs.io/en/latest/user_guide/mamba.html[8]
RoseTTAFold GitHub: https://github.com/RosettaCommons/RoseTTAFold[9]
Git: https://git-scm.com[10]
PyRosetta: https://pyrosetta.org/[11]
PyRosetta in UW: https://els2.comotion.uw.edu/product/pyrosetta[12]
PyRosetta Installation: https://www.pyrosetta.org/downloads[13]
tmux wiki: https://github.com/tmux/tmux/wiki[14]
RCSB: https://rcsb.org