aurekaresearch/OpenDDE

OpenDDE – 全原子生物分子基础模型

简介 – OpenDDE 是一个开源的大规模神经网络模型，通过将所有组件进行共同折叠（co-folding），预测生物分子（蛋白质、DNA、RNA、配体、离子）的三维结构。它被定位为药物开发任务（如结构预测、设计与优化）的“基础模型”。

主要功能

• 全原子共同折叠 – 模型可在单次前向传递中处理多条链（例如抗体-抗原复合物）。
• 条件式推理 – 使用 --use_tfg_guidance 标志，您可以在不重新训练权重的情况下，利用界面的部分知识（接触点、抗原决定位、可移动链）来引导采样器。
• 可扩展推理 – 支持单 GPU、CPU 以及多 GPU 的“Fold-CP”模式，可将计算分布在 P 个 GPU 上（1 × P 拓扑）。
• 灵活的预处理 – 可选择开启或关闭 MSA、模板搜索和 RNA-MSA 管线；后者需要外部工具（HMMER、Kalign）和大型搜索数据库。
• 模型变体 – 提供通用检查点 (opendde.pt) 和抗体-抗原微调检查点 (opendde_abag.pt)。

如何获取

• 通过 PyPI (opendde) 使用 uv 工具安装，选择适当的 --torch-backend（CPU 或 CUDA 12.6），并可选用 [gpu] 额外功能以支持 cuEquivariance 内核。
• 或克隆存储库并从源代码安装 (pip install -e .)。
• 提供用于 GPU 推理的预建 Docker 镜像 (aurekaresearch/opendde:v1)。
• 模型权重托管于 Hugging Face；存储库提供辅助脚本，可将检查点和运行时资产下载至 ~/.cache/opendde（或自定义的 OPENDDE_ROOT_DIR）。

执行预测

1. 编写 JSON 作业描述文件（例如包含短蛋白质序列的 tiny.json）。
2. 调用 CLI：

   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
   

   该指令会产生一个目录树 output/<job>/seed_<seed>/predictions/，其中包含预测的坐标。
3. 对于较大规模的多 GPU 运行，请使用 torchrun 以及 README 中描述的 --foldcp_mode distributed 标志启动。

文档与资源

• 详细安装指南（PyPI、源代码、Docker）。
• JSON 架构、MSA/模板管线、内核选项以及教程皆位于 docs/ 文件夹中。
• 链接了预览版本（共同折叠）和较新的条件式推理功能的技术报告。
• 提供基准测试（2026ARK-AB、OpenBench2026）以及 Fold-CP 的可复现性指南。

状态 – 该存储库标记为预览；CLI 标志、JSON 字段和检查点可能会有所变动，且不保证预测结果在不同版本间具有可复现性。目前尚未用于生产管线。

授权 – Apache-2.0。

---

简而言之，OpenDDE 是一个研究级的开源基础模型，用于全原子生物分子结构预测，专注于共同折叠与条件式引导，并封装为 Python CLI 和 Docker 镜像。