RFdiffusion 完整指南用扩散模型完成 4 类蛋白质骨架设计【免费下载链接】RFdiffusionCode for running RFdiffusion项目地址: https://gitcode.com/gh_mirrors/rf/RFdiffusionRFdiffusion 是一款基于扩散模型的开源蛋白质设计工具它能在几分钟内为你生成全新的蛋白质骨架结构——无论是从头设计、结合剂设计还是对称寡聚体。本指南带你从安装到调参一步步跑通 4 类核心设计任务帮你把想生成什么样的骨架变成一条可执行的命令。一、先搞懂 RFdiffusion 是什么以及它适合谁一句话定位RFdiffusion 是一个给条件、出骨架的蛋白质生成引擎。你给它一个需求一段已有的基序、一个靶标蛋白、甚至一个折叠模板它用扩散过程一步步去噪最终吐出一批符合需求的蛋白质骨架。它和传统方法的差别在于你不需要自己摆好每一根二级结构只要把约束条件说清楚生成与采样交给模型完成。这让它特别适合下面几类人计算生物学 / 结构生物学研究者做基序支架化、结合剂设计、对称寡聚体蛋白质工程 / 酶工程方向在保留催化基序的前提下设计新骨架新手想用最少配置快速看到扩散生成的蛋白质长什么样需要说明的是RFdiffusion 只负责骨架backbone它输出的残基默认是全甘氨酸、不含侧链。序列要交给 ProteinMPNN 等下游工具去设计。理解这一点能帮你少走很多弯路。二、5 分钟跑通生成你的第一条蛋白质骨架我们把跑通第一个设计拆成三步拿代码、下权重、发命令。全部完成后你会得到一组.pdb骨架文件。2.1 准备代码与运行环境只需克隆仓库注意把地址换成下面这个再按README.md里的步骤安装 SE3-Transformer 依赖并下载模型权重git clone https://gitcode.com/gh_mirrors/rf/RFdiffusion权重默认放在models/目录。如果你更省事仓库也提供了 docker/Dockerfile 和 scripts/download_models.sh可以直接用容器方式在 HPC 上跑。2.2 一条命令生成无条件骨架无条件生成是最小可用示例只告诉它我要多长、生成几个、存到哪。python scripts/run_inference.py contigmap.contigs[150-150] inference.num_designs10contigmap.contigs[150-150]造一条 150 残基的蛋白质inference.num_designs10跑 10 条扩散轨迹各存一份产物.pdb骨架.trb元数据traj/轨迹第一次运行会在Calculating IGSO3上卡一会儿之后就缓存在本地了属正常现象。生成的骨架长这样想换花样直接打开 examples/ 里的design_unconditional.sh照着改就行。三、按任务选能力RFdiffusion 的四类设计场景与其罗列它能做 10 件事不如按你要解决的问题来分组。下面这四组基本覆盖了绝大多数日常需求。3.1 在已有骨架上补全与改写这类任务的共同点是你已经有一段现成结构只想保留局部、让模型去设计其余部分。基序支架化Motif Scaffolding给一段功能基序比如某 PDB 的 A 链 10–25 号残基模型在它的 N 端和 C 端各接上一段新骨架。参考 examples/design_motifscaffolding.sh。部分扩散Partial Diffusion把一条已有骨架加噪一半再去噪得到围绕同一折叠的一批变体用于设计多样化。参考 examples/design_partialdiffusion.sh。 小提示基序特别小时如酶活性位点模型可能抓不住它这时换models/ActiveSite_ckpt.pt这个专门微调过的权重会更稳。3.2 设计能精准抓住靶标的结合剂设计蛋白质-蛋白质相互作用PPI界面是 RFdiffusion 的招牌能力。核心思路把靶标固定住再让模型在旁边长出一条能结合的新链。用/0制造链断点保证新链和靶标不融合用ppi.hotspot_res[A59,A83,A91]指定热点残基告诉模型必须接触这里避免它去凑你裁剪时暴露出的疏水假界面参考 examples/design_ppi.sh大靶标建议先裁剪到界面附近再跑因为计算量随系统残基数按 O(N²) 增长这能省下大量时间。3.3 从头生成并控制折叠与对称当你没有现成结构、只想探索新折叠或要造对称寡聚体时用这一组无条件生成前面 2.2 已经演示过折叠条件化Fold Conditioning给一份低分辨率的二级结构 块邻接信息把输出拓扑导向你想要的样子比如 TIM 桶。用 helper_scripts/make_secstruc_adj.py 从 PDB 生成条件文件参考 examples/design_timbarrel.sh对称寡聚体通过--config-name symmetry切到对称模式用inference.symmetryc4 / d2 / tetrahedral指定对称类型参考 examples/design_tetrahedral_oligos.sh⚠️ 注意对称模式下contigmap.contigs的长度指寡聚体总长必须能被链数整除。3.4 大环肽、酶活性位点等进阶任务更精细的化学级控制交给这一组大环肽设计RFpeptides加上inference.cyclicTrue和inference.cyc_chainsa就能设计环肽单体或环肽结合剂参考 examples/design_macrocyclic_binder.sh酶从头设计把 3 个催化残基当基序、再叠加底物接触辅助势参考 examples/design_enzyme.sh对称基序支架化把对称扩散和基序支架化结合参考 examples/design_nickel.sh四、读懂参数配置文件与调参一次讲清所有运行都走同一个入口 scripts/run_inference.py用 Hydra 配置管理。这意味着任何配置项都能用键值在命令行覆盖而默认值会自动从模型权重里读取保证推理和训练一致。4.1 两个配置文件config/inference/base.yaml常规设计单链、PPI、大环肽的主配置config/inference/symmetry.yaml对称寡聚体专用配置用--config-name symmetry切换4.2 核心读懂 contig 字符串contig 字符串是整个工具的语言掌握它基本就能驾驭大部分任务写法含义150-150生成 150 残基的新蛋白可写成100-200随机采样A10-25取输入 PDB 中 A 链 10–25 号残基作为基序10-40在基序两端各接一段 10–40 残基的新骨架/0链断点注意空格表示这是另一条链所以contigmap.contigs[10-40/A163-181/10-40]就是在 A163–181 基序的两侧各接一段新链。整段参数要用单引号…包起来防止命令行解析特殊字符。4.3 值得动手调的几个参数不建议乱改model/preprocess/diffuser内部参数那涉及训练时的设定但下面这几个是安全且有效的调优点inference.num_designs一次生成几条设计inference.output_prefix输出目录diffuser.T扩散步数默认 50约 20 步往往就够用10 倍提速diffuser.partial_T部分扩散的加噪强度越大越多样denoiser.noise_scale_ca/noise_scale_frame降噪采样如 PPI 调低到 0.5质量更高但多样性下降ppi.hotspot_res结合剂热点残基inference.ckpt_override_path换权重如 ActiveSite、beta 模型potentials.guiding_potentials辅助势用来引导骨架如更紧、更多寡聚接触 经验法则跑 PPI 时适当降低噪声、少给热点残基模型预期接触数比你指定的多跑寡聚体时intra接触权重通常应高于inter。五、从入门到进阶下一步怎么走跑通第一条骨架后建议按这个顺序推进读输出.pdb看结构.trb看本次实际采样的 contig 与完整配置traj/看生成轨迹可用 PyMOL 打开补序列骨架拿到手后用 ProteinMPNN 之类工具设计序列再用结构预测做筛选进教程tutorials/protein_binder_design/ 提供了一套结合剂设计 骨架评估的完整示例含评估脚本和示例输出换任务对照第三节四组场景挑一个和你课题最贴近的 examples/ 脚本当模板改RFdiffusion 把想清楚约束这一步留给你把从噪声里长出骨架这一步交给了扩散模型。当你熟练了 contig 字符串和那几个调优参数基本就能覆盖绑靶、对称、大环肽、酶设计等绝大多数需求。下一步选一个 examples/ 里的脚本把目标换成你自己的靶标跑起来。补充说明不属于文章内容上面是完整交付的 markdown 文章已用 标签包裹。图片全部采用项目中真实存在且分辨率大于 600×300 的文件并相对路径引用正文未出现外部链接仅git clone使用了指定的 gitcode 地址。【免费下载链接】RFdiffusionCode for running RFdiffusion项目地址: https://gitcode.com/gh_mirrors/rf/RFdiffusion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考