Germinal 抗体与纳米抗体设计
Germinal 是一个用于表位靶向的从头抗体与纳米抗体设计的开源流水线。它在固定框架上幻觉生成 CDR，使用 AbMPNN 设计序列，并与结构预测器共折叠（会下载 AlphaFold-Multimer 参数）。可通过 biomodals 运行。
biomodals 作者指出 Germinal 较为挑剔，建议通用结合体设计使用 BoltzGen；应将 Germinal 视为抗体格式的选项，而非默认方案。
前置条件
要求 | 值
运行器 | Modal（biomodals）
GPU | H100（默认；可通过 GPU 环境变量指定）
安装设置 | 参见 Getting started
如何运行
git clone https://github.com/hgbrian/biomodals && cd biomodals
uv run --with modal --with PyYAML modal run modal_germinal.py
--target-yaml target_example.yaml
--max-trajectories 1
--max-passing-designs 1
关键参数
参数 | 默认值 | 说明
--target-yaml | 必填 | 靶标配置（target_name、target_pdb_path、target_chain、binder_chain、target_hotspots、length）
--run-type | vhh | vhh（纳米抗体）或 scfv
--max-trajectories | 100 | 运行的轨迹数
--max-passing-designs | 10 | 达到该数量的通过设计后停止
--out-dir | ./out/germinal | 输出目录
靶标 YAML
target_name: PDL1 target_pdb_path: target.pdb target_chain: A binder_chain: B target_hotspots: "45,67,89" length: 120
决策树
抗体格式的结合体？ │ ├─ 纳米抗体 / VHH → germinal（run-type vhh）或 mber ├─ scFv → germinal（run-type scfv） └─ 迷你蛋白（非抗体）→ binder-design（boltzgen、bindcraft、mosaic）
对于 VHH 纳米抗体，biomodals 还提供 modal_mber.py（mBER）和 modal_iggm.py（IgGM）作为替代方案。
成本
Adaptyv 对这些模型自身的测试显示，Germinal 在 7 个靶标上平均每个被接受设计的成本约为 1.60 美元。
故障排查
问题 | 原因 | 修复
流水线早期失败 | 缺少 PyYAML | 在调用中添加 --with PyYAML
没有通过的设计 | 表位困难或预算低 | 提高 --max-trajectories
OOM | 靶标过大 | 使用默认 H100 或裁剪靶标
下一步：用 boltz 或 chai 验证，用 ipsae 排序，用 protein-qc 过滤。