
本Docker镜像提供三种蛋白质序列嵌入方法,用于将蛋白质序列转换为数值化嵌入表示,支持后续的蛋白质结构预测、功能分析及机器学习模型训练等应用场景。
FASTA文件:包含待嵌入的蛋白质序列,格式示例:
>DP02585 MWERLNCAAEDFYSRLLQKFNEEKKGIRKDPFLYEADVQVQLISKGQPNPLKNILNENDIVFIVEKVPLEKEETSHIEELQSEETAISDFSTGENVGPLALPVGKARQLIGLYTMAHNPNMTHLKINLPVTALPPLWVRCDSSDPEGTCWLGAELITTNNSITGIVLYVVSCKADKNYSVNLENLKNLHKKRHHLSTVTSKGFAQYELFKSSALDDTITASQTAIALDISWSPVDEILQIPPLSSTATLNIKVESGEPRGPLNHLYRELKFLLVLADGLRTGVTEWLEPLEAKSAVELVQEFLNDLNKLDGFGDSTKKDTEVETLKHDTAAVDRSVKRLFKVRSDLDFAEQLWCKMSSSVISYQDLVKCFTLIIQSLQRGDIQPWLHSGSNSLLSKLIHQSYHGTMDTVSLSGTIPVQMLLEIGLDKLKKDYISFFIGQELASLNHLEYFIAPSVDIQEQVYRVQKLHHILEILVSCMPFIKSQHELLFSLTQICIKYYKQNPLDEQHIFQLPVRPTAVKNLYQSEKPQKWRVEIYSGQKKIKTVWQLSDSSPIDHLNFHKPDFSELTLNGSLEERIFFTNMVTCSQVHFK >DP02606 MSRQSSVSFRSGGSRSFSTASAITPSVSRTSFTSVSRSGGGGGGGFGRVSLAGACGVGGYGSRSLYNLGGSKRISISTSGGSFRNRFGAGAGGGYGFGGGAGSGFGFGGGAGGGFGLGGGAGFGGGFGGPGFPVCPPGGIQEVTVNQSLLTPLNLQIDPSIQRVRTEEREQIKTLNNKFASFIDKVRFLEQQNKVLDTKWTLLQEQGTKTVRQNLEPLFEQYINNLRRQLDSIVGERGRLDSELRNMQDLVEDFKNKYEDEINKRTTAENEFVMLKKDVDAAYMNKVELEAKVDALMDEINFMKMFFDAELSQMQTHVSDTSVVLSMDNNRNLDLDSIIAEVKAQYEEIANRSRTEAESWYQTKYEELQQTAGRHGDDLRNTKHEISEMNRMIQRLRAEIDNVKKQCANLQNAIADAEQRGELALKDARNKLAELEEALQKAKQDMARLLREYQELMNTKLALDVEIATYRKLLEGEECRLSGEGVGPVNISVVTSSVSSGYGSGSGYGGGLGGGLGGGLGGGLAGGSSGSYYSSSSGGVGLGGGLSVGGSGFSASSGRGLGVGFGSGGGSSSSVKFVSTTSSSRKSFKS
A3M文件(仅MSA Transformer需要):
[SEQUENCE_NAME/ID].a3m,需与FASTA文件中的序列ID对应(如DP02585.a3m)[SEQUENCE_NAME/ID].npy(NumPy数组文件)shdocker pull dimeng851/embedding:v3
默认启用所有三种嵌入方法(Onehot、ProtTrans、MSA Transformer)。如需仅使用部分方法:
--embeddingType参数,删除不需要的方法,例如:
shCMD python /embedding/main.py --embeddingType onehot,protTrans # 仅启用Onehot和ProtTrans
shdocker run -d \ -it \ --name CONTAINER_NAME \ --mount type=bind,source=PATH_TO_INPUT_FASTA_FILE,target=/embedding/data/input.fasta \ --mount type=bind,source=PATH_TO_INPUT_A3M_FOLDER,target=/embedding/data/hmm \ --mount type=bind,source=PATH_TO_INPUT_OUTPUT_FOLDER,target=/embedding/data/output \ --mount type=bind,source=PATH_TO_INPUT_TORCH_CHECKPOINT,target=/root/.cache/torch/hub/checkpoints/ \ --mount type=bind,source=PATH_TO_INPUT_HUGGINGFACE_HUB,target=/root/.cache/huggingface/hub/ \ dimeng851/embedding:v3
参数说明:
CONTAINER_NAME:自定义容器名称PATH_TO_INPUT_FASTA_FILE:输入FASTA文件路径PATH_TO_INPUT_A3M_FOLDER:A3M文件所在文件夹路径(仅MSA Transformer需要)PATH_TO_INPUT_OUTPUT_FOLDER:输出结果保存路径PATH_TO_INPUT_TORCH_CHECKPOINT:MSA Transformer模型缓存路径(已下载模型则指定存放目录,否则为模型下载目录)PATH_TO_INPUT_HUGGINGFACE_HUB:ProtTrans模型缓存路径(已下载模型则指定存放目录,否则为模型下载目录)shdocker run -d \ -it \ --name embed_con \ --mount type=bind,source=/home/dimeng/caid3/test.fasta,target=/embedding/data/input.fasta \ --mount type=bind,source=/home/dimeng/project/linker_caid/a3m,target=/embedding/data/hmm \ --mount type=bind,source=/home/dimeng/caid3/output/embedding,target=/embedding/data/output \ --mount type=bind,source=/home/dimeng/.cache/torch/hub/checkpoints/,target=/root/.cache/torch/hub/checkpoints/ \ --mount type=bind,source=/home/dimeng/.cache/huggingface/hub/,target=/root/.cache/huggingface/hub/ \ dimeng851/embedding:v3
嵌入结果将保存在指定的PATH_TO_INPUT_OUTPUT_FOLDER目录下,文件名为各序列ID对应的.npy文件。
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。





探索更多轩辕镜像的使用方法,找到最适合您系统的配置方式
通过 Docker 登录认证访问私有仓库
无需登录使用专属域名
Kubernetes 集群配置 Containerd
K3s 轻量级 Kubernetes 镜像加速
VS Code Dev Containers 配置
Podman 容器引擎配置
HPC 科学计算容器配置
ghcr、Quay、nvcr 等镜像仓库
Harbor Proxy Repository 对接专属域名
Portainer Registries 加速拉取
Nexus3 Docker Proxy 内网缓存
需要其他帮助?请查看我们的 常见问题Docker 镜像访问常见问题解答 或 提交工单
docker search 限制
站内搜不到镜像
离线 save/load
插件要用 plugin install
WSL 拉取慢
安全与 digest
新手拉取配置
镜像合规机制
manifest unknown
no matching manifest(架构)
invalid tar header(解压)
TLS 证书失败
DNS 超时
域名连通性排查
410 Gone 排查
402 与流量用尽
401 认证失败
429 限流
D-Bus 凭证提示
413 与超大单层
来自真实用户的反馈,见证轩辕镜像的优质服务