RosettaCommons/RFD4-Proteina

解决的问题

研究团队需要设计具有特定功能角色的新蛋白质和生物分子复合物（如蛋白质结合剂、抗体、酶或小分子口袋）。传统方法速度慢且需要多轮试错。该项目提供了一个单一的基础模型，可以从高层次的设计条件生成新型生物分子，减少猜测工作，并支持基序支架、部分细化和奖励引导优化等任务。

工作原理

它是一个流匹配基础模型，执行序列-结构协同设计：同时生成氨基酸序列和3D结构。您可以通过带注释的CIF文件或基于文本的YAML规范来描述设计意图，在其中可以设置固定基序、热点、埋藏要求、氢键或整个链约束等条件。该模型还支持部分扩散——对现有结构进行重新加噪和细化——以及奖励引导搜索，其中候选设计根据结构预测预言机或自定义指标的分数进行分支和剪枝。推理默认快速（使用torch.compile），并可选地在BioIR后端上运行。您可以通过命令行工具（rfd4-generate、rfd4-evaluate）、Python API或Hugging Face Diffusers管道与模型交互。

适用人群

这面向蛋白质设计者、结构生物学家和计算研究人员，他们希望生成具有受控特性的新型生物分子（单体、结合剂、抗体、纳米抗体、酶、配体口袋）。它适合熟悉Linux、Python 3.12和NVIDIA GPU的团队，以及需要灵活、可脚本化设计工作流程的团队。该模型还打包为易于在Hugging Face上使用，包括基于浏览器的无安装实验工作室。

亮点

• 一个模型处理多种设计任务：单体、蛋白质和DNA结合剂、抗体和纳米抗体、酶、基序支架和小分子口袋。
• 通过带注释的CIF输入或简单的基于文本的YAML规范（固定基序、热点、埋藏、氢键等）进行丰富条件设置。
• 在生成路径上进行奖励引导搜索，由结构预测预言机和自定义指标评分。
• 部分扩散允许您细化或多样化现有结构。
• 默认使用torch.compile实现快速推理，并提供可选的BioIR后端。
• 可作为Hugging Face模型、Python API、命令行工具和Diffusers管道使用。