NVIDIA-BioNeMo/Proteina-Complexa

解决的问题

Proteina-Complexa 通过整合两种先前独立的方法：条件生成式建模与序列优化（幻觉法），解决了设计新型蛋白质结合剂（即与特定目标蛋白质或小分子配体结合的分子）的挑战。其目标是在提高计算效率与硅基（in-silico）成功率的同时，创建具有精确原子细节（包括主链几何结构与侧链构象）的高亲和力结合剂。

运作原理

该系统使用一种流匹配生成模型，共同建模蛋白质主链几何结构、侧链构象与序列。它在“Teddymer”上进行了预训练，这是一个由预测蛋白质结构导出的结合剂-目标对的大规模合成数据集，并透过实验多聚体数据进行了进一步优化。

在推论过程中，该模型采用基于搜索的优化策略。它利用奖励模型（如 AlphaFold2、RoseTTAFold3 以及各种力场）来引导生成过程并筛选出最佳候选者。该框架还整合了 ProteinMPNN 与 SoluableMPNN 等序列设计工具，以确保生成的蛋白质具有可行性。

适用对象

此工具专为计算生物学家、药物研发人员以及需要为治疗目标、酶设计或基序支架（motif scaffolding）设计客制化蛋白质结合剂的蛋白质工程师而设计。

特点

• 统一框架：结合生成先验与测试时优化，效能优于传统的幻觉法。
• 多功能设计：支持蛋白质-蛋白质结合剂、蛋白质-配体结合剂以及基序支架（AME）。
• 原子级精度：共同建模主链与侧链，以获得更高的准确度。
• 整合验证：内置支持使用 AlphaFold2、ESMFold 与 RoseTTAFold3 进行评估。
• 实验验证：设计已通过湿实验室验证，证明了真实世界的结合活性。