BoltzGen 全原子设计是一种基于 BoltzGen 扩散模型的蛋白质设计方法，属于 protein-design-skills 技能集。其核心特点是在设计一开始就具备侧链感知能力，适合需要全原子精度或配体结合口袋设计的任务。
用途
BoltzGen 用于生成可结合目标结构的蛋白质设计，覆盖多种设计对象：蛋白、环肽、小分子结合蛋白、纳米抗体和抗体。典型场景包括需要侧链精度的设计、配体结合口袋设计，以及围绕小分子进行设计。当标准迷你蛋白设计对速度或多样性要求更高时，文档建议考虑 RFdiffusion 等替代方案。
主要能力
- 全原子设计：在早期阶段即考虑侧链构象。
- 多协议支持：提供 protein-anything、peptide-anything、protein-small_molecule、nanobody-anything、antibody-anything 等协议。
- YAML 设计规范：采用实体（entity）形式定义被设计蛋白与目标结构，可指定链、结合位点残基、结构组和约束（如二硫键）。
- 流水线步骤：包括生成、inverse folding、结构预测、过滤与排序。
- 结果输出：生成 CIF 格式全原子结构、metrics.json 置信度评分、sequence.fasta 序列，以及汇总结果和排序后的最终设计。
使用方式
运行方式
可通过 Modal 云平台（推荐）或本地安装运行。
Modal 方式：
git clone https://github.com/hgbrian/biomodals && cd biomodals
modal run modal_boltzgen.py --input-yaml binder_config.yaml --protocol protein-anything --num-designs 50
可指定 GPU：GPU=L40S modal run modal_boltzgen.py ...，默认超时 120 分钟。
本地安装方式：
git clone https://github.com/HannesStark/boltzgen.git
cd boltzgen
pip install boltzgen # 或: pip install -e .
boltzgen run binder_config.yaml --output out/ --protocol protein-anything --num_designs 50
首次运行会下载约 6GB 模型权重至 ~/.cache。运行前可用 boltzgen check binder_config.yaml 校验规范。
环境要求
Python 最低 3.11，推荐 3.12；CUDA 最低 12.0，推荐 12.1+；GPU 显存最低 24GB，推荐 48GB（L40S）；内存最低 32GB，推荐 64GB。
关键参数
--input-yaml（必填，YAML 设计规范路径）、--protocol（默认 protein-anything）、--num-designs（默认 10）、--steps（默认 all，可指定流水线步骤）。
YAML 配置
需注意：残基索引使用 label_seq_id（从 1 开始），而非作者残基编号；文件路径相对于 YAML 文件位置；目标文件建议 CIF 格式（PDB 也可但 CIF 优先）。配置示例见官方说明，包含基本 binder 配置、指定结合位点的 binder、环肽设计（含二硫键约束）等。
适用场景
- 需要全原子精度的设计。
- 小分子配体结合口袋设计。
- 需要从早期考虑侧链堆叠的设计。
- 拥有 L40S/A100（48GB+）等充足算力资源的项目。
限制
文档指出，若只需标准迷你蛋白设计、更看重速度或多样性，可考虑 RFdiffusion；若追求最高成功率可考虑 BindCraft；若需 AF2 优化可考虑 ColabDesign。仅有 A10G（24GB）等较小显存时建议考虑 RFdiffusion。常见问题包括显存不足（需 A100-80GB 或减少设计数）、目标文件路径错误、链 ID 无效等，需先用 boltzgen check config.yaml 校验并按错误表排查。输出为 CIF 格式，如需 PDB 需自行转换。性能方面，典型 binder 每个设计约 30-60 秒；文档给出的 50 个设计约 30-45 分钟、约 8 美元，100 个设计约 1-1.5 小时、约 15 美元，500 个设计约 5-8 小时、约 70 美元（基于 L40S 与 Modal 的估算）。文档另提到 Adaptyv 自身测试显示 BoltzGen 在 7 个目标上平均每个被接受设计约 1.80 美元，上述生成估算未包含达到被接受设计所需的额外采样与再折叠。