aurekaresearch/OpenDDE

OpenDDE – 전원자 생체 분자 파운데이션 모델

소개 – OpenDDE는 모든 구성 요소를 공동 폴딩(co-folding)하여 생체 분자(단백질, DNA, RNA, 리간드, 이온)의 3차원 구조를 예측하는 오픈 소스 대규모 신경망 모델입니다. 구조 예측, 설계 및 최적화와 같은 신약 개발 작업을 위한 "파운데이션 모델"로 자리매김하고 있습니다.

주요 기능

전원자 공동 폴딩 – 단일 순방향 패스에서 여러 체인(예: 항체-항원 복합체)을 처리할 수 있습니다.
조건부 추론 – --use_tfg_guidance 플래그를 사용하면 가중치를 재학습하지 않고도 인터페이스에 대한 부분적인 지식(접촉점, 에피토프, 가동 체인)을 활용하여 샘플러를 제어할 수 있습니다.
확장 가능한 추론 – 단일 GPU, CPU 및 계산을 P개의 GPU에 분산하는 멀티 GPU "Fold-CP" 모드(1 × P 토폴로지)를 지원합니다.
유연한 전처리 – MSA, 템플릿 검색 및 RNA-MSA 파이프라인을 켜거나 끌 수 있습니다. 후자는 외부 도구(HMMER, Kalign)와 대규모 검색 데이터베이스가 필요합니다.
모델 변형 – 범용 체크포인트(opendde.pt)와 항체-항원 튜닝 체크포인트(opendde_abag.pt)가 제공됩니다.

설치 및 사용 방법

PyPI(opendde)에서 uv 도구를 사용하여 설치합니다. 적절한 --torch-backend(CPU 또는 CUDA 12.6)를 선택하고, cuEquivariance 커널을 위해 선택적으로 [gpu] 옵션을 추가하십시오.
또는 저장소를 복제하고 소스에서 설치합니다(pip install -e .).
GPU 추론을 위한 사전 빌드된 Docker 이미지(aurekaresearch/opendde:v1)가 제공됩니다.
모델 가중치는 Hugging Face에 호스팅되어 있습니다. 저장소에는 체크포인트와 런타임 에셋을 ~/.cache/opendde(또는 사용자 지정 OPENDDE_ROOT_DIR)로 다운로드하는 도우미 스크립트가 포함되어 있습니다.

예측 실행

JSON 작업 설명 파일(예: 짧은 단백질 서열이 포함된 tiny.json)을 작성합니다.

CLI를 호출합니다:

opendde pred -i tiny.json -o ./output -n opendde_v1 \
    --use_msa false --use_template false --use_rna_msa false \
    --sample 1 --step 200 --cycle 10

이 명령은 예측된 좌표가 포함된 디렉토리 트리 output/<job>/seed_<seed>/predictions/를 생성합니다.

더 큰 규모의 멀티 GPU 실행의 경우, README에 설명된 대로 torchrun 및 --foldcp_mode distributed 플래그를 사용하여 시작하십시오.

문서 및 리소스

상세 설치 가이드(PyPI, 소스, Docker).
JSON 스키마, MSA/템플릿 파이프라인, 커널 옵션 및 튜토리얼은 모두 docs/ 폴더에 있습니다.
프리뷰 릴리스(공동 폴딩) 및 새로운 조건부 추론 기능에 대한 기술 보고서가 링크되어 있습니다.
벤치마크(2026ARK-AB, OpenBench2026) 및 Fold-CP 재현성 가이드가 제공됩니다.

상태 – 이 저장소는 프리뷰로 표시되어 있습니다. CLI 플래그, JSON 필드 및 체크포인트는 변경될 수 있으며, 예측 결과가 릴리스 간에 재현 가능하다고 보장되지 않습니다. 아직 프로덕션 파이프라인용은 아닙니다.

라이선스 – Apache-2.0.

요약하자면, OpenDDE는 공동 폴딩과 조건부 가이드에 중점을 둔 전원자 생체 분자 구조 예측을 위한 연구용 오픈 소스 파운데이션 모델이며, Python CLI 및 Docker 이미지로 패키징되어 있습니다.

aurekaresearch/OpenDDE

OpenDDE – 전원자 생체 분자 파운데이션 모델

관련