RosettaCommons/RFD4-Proteina

해결하는 문제

연구 팀은 특정 기능적 역할을 가진 새로운 단백질 및 생체분자 복합체(예: 단백질 결합체, 항체, 효소, 소분자 포켓)를 설계해야 합니다. 전통적인 방법은 느리고 많은 시행착오가 필요합니다. 이 프로젝트는 높은 수준의 설계 조건에서 새로운 생체분자를 생성할 수 있는 단일 기반 모델을 제공하여 추측 작업을 줄이고 모티프 스캐폴딩, 부분 정제, 보상 유도 최적화와 같은 작업을 가능하게 합니다.

작동 방식

이것은 서열-구조 공동 설계를 수행하는 플로우 매칭 기반 모델입니다. 아미노산 서열과 3D 구조를 함께 생성합니다. 설계 의도는 주석이 달린 CIF 파일 또는 텍스트 기반 YAML 사양을 통해 설명할 수 있으며, 고정 모티프, 핫스팟, 매몰 요구 사항, 수소 결합 또는 전체 사슬 제약 조건과 같은 조건을 설정할 수 있습니다. 모델은 또한 부분 확산(기존 구조의 재노이즈 및 정제)과 보상 유도 검색을 지원하며, 후보 설계는 구조 예측 오라클 또는 사용자 정의 메트릭의 점수에 따라 분기 및 가지치기됩니다. 추론은 기본적으로 빠르며(torch.compile 사용) 선택적으로 BioIR 백엔드에서 실행할 수 있습니다. 명령줄 도구(rfd4-generate, rfd4-evaluate), Python API 또는 Hugging Face Diffusers 파이프라인을 통해 모델과 상호 작용합니다.

대상 사용자

이것은 제어된 특성을 가진 새로운 생체분자(단량체, 결합체, 항체, 나노바디, 효소, 리간드 포켓)를 생성하려는 단백질 설계자, 구조 생물학자 및 계산 연구자를 대상으로 합니다. Linux, Python 3.12 및 NVIDIA GPU에 익숙하고 유연하고 스크립트 가능한 설계 워크플로우가 필요한 팀에 적합합니다. 모델은 Hugging Face에서 쉽게 사용할 수 있도록 패키징되어 있으며, 설치 없는 실험을 위한 브라우저 기반 스튜디오도 포함됩니다.

하이라이트

• 하나의 모델이 많은 설계 작업을 처리합니다: 단량체, 단백질 및 DNA 결합체, 항체 및 나노바디, 효소, 모티프 스캐폴딩, 소분자 포켓.
• 주석이 달린 CIF 입력 또는 간단한 텍스트 기반 YAML 사양(고정 모티프, 핫스팟, 매몰, 수소 결합 등)을 통한 풍부한 조건 설정.
• 구조 예측 오라클 및 사용자 정의 메트릭으로 점수가 매겨진 생성 경로에 대한 보상 유도 검색.
• 부분 확산을 통해 기존 구조를 정제하거나 다양화할 수 있습니다.
• 기본적으로 torch.compile을 사용한 빠른 추론, 선택적 BioIR 백엔드.
• Hugging Face 모델, Python API, 명령줄 도구 및 Diffusers 파이프라인으로 사용 가능.