Predecimos la
forma tridimensional
de cualquier proteína.
Una interfaz web para inferencia con AlphaFold 2 sobre el supercomputador CESGA Finis Terrae III. Envía una secuencia FASTA y recibe una estructura anotada con confianza por residuo, error alineado predicho y contexto biológico. Sin terminal, sin SLURM, sin ficheros de cola.
- trabajos en cola
- 3 trabajos
- uso de gpu
- 74%
- tiempo medio
- 00:04:12
- modelo
- alphafold-2.3.1 · monómero
- último completado
- 21:07:39
Procedimiento
Tres etapas deterministas, todas transparentes: los datos entran, la estructura sale. El estado del pipeline es visible en todo momento.
-
§ 2.1 — entrada
Recepción de la secuencia
Pega una secuencia proteica monocadena en formato FASTA. La cabecera se preserva como metadato del trabajo. La longitud se valida contra la ventana del modelo (máx. 2 048 residuos).
-
§ 2.2 — inferencia
AlphaFold2 sobre FT3
El trabajo se despacha a la partición GPU de Finis Terrae III. Sondeamos el clúster cada tres segundos y transmitimos las transiciones de estado (PENDING → RUNNING → POSTPROCESS) a la interfaz.
-
§ 2.3 — salida
Estructura anotada
Recibes un modelo 3D coloreado por pLDDT por residuo, la matriz completa de error alineado predicho, el desglose de estructura secundaria, la facturación de HPC y los ficheros PDB / mmCIF.
Pruébalo con una proteína conocida
Entradas curadas con referencias cruzadas verificadas a UniProt y PDB. Pulsa cualquier fila para enviar un trabajo de predicción usando su secuencia.
Notas al margen
Definiciones rápidas para quien no es bioinformático. Citadas en el panel de resultados donde aparecen los términos por primera vez.
- [1] fasta
- Formato de texto plano para secuencias biológicas. La cabecera empieza por >, seguida de la cadena de aminoácidos en código de una sola letra (M, Q, I, F, V, K…).
- [2] pLDDT
- Predicted Local Distance Difference Test. Puntuación de confianza por residuo en [0, 100]. Valores por encima de 90 son muy fiables; por debajo de 50 suelen indicar regiones desordenadas.
- [3] alphafold2
- Sistema de aprendizaje profundo de DeepMind que predice estructuras proteicas en 3D a partir de la secuencia con precisión casi experimental. Ganó el CASP14 en 2020.