bytedance/Protenix

Protenix – 오픈소스 고정밀 생체 분자 구조 예측

개요 – Protenix는 단백질(및 RNA-단백질 복합체와 같은 관련 생체 분자)의 3차원 구조를 예측하기 위한 딥러닝 시스템입니다. AlphaFold 3 아키텍처를 기반으로 하며, 최신 학습 데이터, 확산 기반 추론 기법, 선택적 제약 조건(예: 원자 수준 접촉 또는 리간드 포켓)을 추가하여 재현 및 확장했습니다. 이 프로젝트는 Python 패키지, 명령줄 인터페이스, 그리고 쉬운 추론을 위한 공개 웹 서버를 제공합니다.

중요성 – 정확한 구조 예측은 현대 계산 생물학의 초석으로, 신약 개발, 효소 공학 및 기초 연구를 가능하게 합니다. Protenix는 Apache 2.0 하에서 완전히 오픈소스를 유지하면서 여러 벤치마크(특히 항체-항원 복합체)에서 AlphaFold 3를 능가한다고 주장합니다. 또한 더 빠르고 저렴한 추론을 위한 경량 "Mini" 변형도 제공합니다.

빠른 시작 (최종 사용자용)

# PyPI에서 최신 릴리스 설치
pip install --upgrade protenix --index-url https://pypi.org/simple

# JSON 설명에서 구조 예측
protenix pred -i examples/input.json -o ./output \
    -n protenix_base_default_v1.0.0   # 릴리스된 모델 이름 선택

JSON 형식은 docs/infer_json_format.md에 문서화되어 있으며, 접촉 맵이나 포켓 정의와 같은 선택적 제약 조건을 지원합니다.

주요 구성 요소

구성 요소	목적	상태
protenix (Python 패키지)	핵심 추론 라이브러리, CLI 및 데이터 전처리 유틸리티.	PyPI에 릴리스됨
Protenix Web Server	브라우저를 통해 누구나 작업을 업로드할 수 있는 호스팅 서비스 (`https://protenix‑server.com`).	공개
PXDesign	Protenix 기반 모델 위에 구축된 다운스트림 드노보 단백질 결합제 설계 제품군.	오픈소스, 별도 저장소
PXMeter	엄선된 데이터 세트와 평가 스크립트가 포함된 벤치마크 툴킷.	오픈소스
Protenix‑Dock	강체 도킹을 위한 고전적(비 ML) 단백질-리간드 도킹 구현.	오픈소스

모델 카탈로그 (README 기준)

모델 이름	파라미터	학습 데이터 컷오프	특징	릴리스 날짜
`protenix‑v2`	464 M	2021‑09‑30	MSA, RNA‑MSA, 템플릿 지원, 확산 추론	2026‑04‑08 (가중치 독점)
`protenix_base_default_v1.0.0`	368 M	2021‑09‑30	MSA, RNA‑MSA, 템플릿	2026‑02‑05
`protenix_base_20250630_v1.0.0`	368 M	2025‑06‑30	MSA, RNA‑MSA, 템플릿	2026‑02‑05
`protenix_base_default_v0.5.0`	368 M	2021‑09‑30	MSA 전용	2025‑05‑30

참고: 최신 protenix‑v2 가중치는 오픈 라이선스로 릴리스되지 않았으며, "독점"으로 나열되어 재배포할 수 없습니다.

하이라이트 및 기술적 트릭

확산 기반 추론 최적화 (v0.7.0): 공유 변수 캐싱, 커널 융합, TF‑32 가속 – 토큰당 월타임(wall-time)을 획기적으로 단축.
제약 조건 인식 예측: 사용자는 원자 수준 접촉이나 포켓 정의를 입력하여 모델이 물리적으로 타당한 구조를 갖도록 유도할 수 있습니다.
Mini 모델: 대부분의 정확도를 유지하면서 추론 비용을 절감한 소형 변형으로, 대규모 스크리닝에 유용.
전체 학습 데이터 파이프라인: MSA, 템플릿 및 RNA 정렬을 준비하기 위한 스크립트가 오픈소스화됨 (docs/prepare_training_data.md).
ColabFold 호환 MSA 검색: 인기 있는 ColabFold 워크플로우에 익숙한 사용자를 위한 원클릭 로컬 MSA 생성.

벤치마크 (보고된 수치)

Protenix‑v2는 항체-항원 세트에서 v1 대비 DockQ > 0.23 성공률을 9‑13 퍼센트 포인트 향상시켰으며, v1이 1000개의 시드를 필요로 하는 것과 달리 단 5개의 랜덤 시드만으로 동등한 성능에 도달합니다.
Protenix‑v1은 동일한 데이터 컷오프, 모델 크기 및 추론 예산에서 AlphaFold 3와 일치하거나 능가하며, 샘플링 예산을 늘리면 추가적인 성능 향상을 보입니다.

전체 벤치마크 표는 docs/model_1.0.0_benchmark.md 및 첨부된 PDF 보고서에 있습니다.

개발 및 커뮤니티

기여 가이드: CONTRIBUTING.md – 스타일 검사에는 pre‑commit 훅을 사용하세요.
소통 채널: Twitter, Slack, WeChat (배지 바의 링크 참조).
관련 오픈소스 프로젝트: PXDesign, PXMeter, Protenix‑Dock (모두 동일한 ByteDance 조직 하에 있음).
라이선스: 코드 및 릴리스된 모델 파라미터는 Apache 2.0 (독점 v2 가중치 제외).

Protenix 사용 시기

학술 또는 상업 프로젝트를 위해 AlphaFold 3의 무료 오픈소스 대안이 필요한 경우.
제약 조건 기반 폴딩(예: 알려진 접촉 또는 리간드 포켓 강제)을 실험하고 싶은 경우.
결합제 설계 (PXDesign) 또는 벤치마크 툴킷 (PXMeter)과 같은 다운스트림 도구를 구축하는 경우.
컴퓨팅 자원이 제한적이며 고처리량 스크리닝을 위해 Mini 변형을 선호하는 경우.

도움 받기

버그나 기능 요청은 GitHub 저장소에서 이슈를 생성하세요.
보안 관련 우려는 제공된 이메일을 통해 ByteDance Security에 문의하세요 (공개 이슈를 생성하지 마세요).
v1, v2 및 원본 재현 논문에 대한 학술적 인용이 제공됩니다. 결과를 게시할 때 이를 포함하세요.

결론 – Protenix는 AlphaFold 3를 넘어선 최첨단 기술을 제공하면서 설계, 평가 및 도킹을 위한 보조 도구 제품군을 갖춘, 활발하게 유지 관리되는 진정한 오픈소스 단백질 구조 예측 플랫폼입니다.