Protenix 结构预测
Protenix 是字节跳动开源的 AlphaFold3 的 PyTorch 复现版本（Apache 2.0 许可）。它是一款 AF3 级别的复合物预测器，可用于对设计的复合物进行交叉验证，常与 boltz 和 chai 一起使用。可通过 biomodals 运行。
用途与定位
Protenix 主要用于蛋白复合物的结构预测。在需要跨多个预测器对候选结构进行排序时，它的结果可作为参考之一。资料指出，用多个预测器对同一批候选进行排序，比只信任单一模型更可靠。
模型选择
- 抗体-抗原复合物：使用 Protenix-v2。v2 模型（4.64 亿参数，2026 年 4 月）在 DockQ > 0.23 阈值下相比 v1 提升 9 至 13 个百分点的抗体-抗原准确率，并且更节省样本（v2 使用 5 个种子即超过 v1 使用 1000 个种子的表现）。通过 --model-name protenix-v2 选择。
- 通用复合物：v1 基础模型即可。
工具对比
当在 Protenix、Boltz 与 Chai 之间选择时：
- 需要亲和力头（小分子）：boltz（Boltz-2）
- 最快、支持配体：chai
- 开源 AF3 复现：protenix（v1 基础模型）
- 抗体-抗原复合物：protenix-v2
前置条件
- 运行器：Modal（biomodals）
- GPU：L40S（默认；可通过 GPU 环境变量指定）
- 安装设置：参见 Getting started
使用方式
安装与运行命令：
git clone https://github.com/hgbrian/biomodals && cd biomodals
printf '>protein|A\nMAWTPLLLLLLSHCTGSLSQ...\n' > target.faa
uv run --with modal modal run modal_protenix.py
--input-faa target.faa
--seeds 42
--no-use-msa
关键参数
- --input-faa：默认无（必填其一），FASTA 输入（或用 --input-json）
- --seeds：默认 42，逗号分隔的种子
- --use-msa / --no-use-msa：默认 MSA 开启；传 --no-use-msa 表示单序列模式
- --model-name：默认 v1 基础模型；抗体-抗原复合物设为 protenix-v2
- --use-mini：默认关闭；切换到更小的 protenix_mini 模型
- --out-dir：默认 ./out/protenix，输出目录
适用场景
- 用 AF3 级别模型预测复合物结构
- 对抗体-抗原复合物进行预测（使用 v2）
- 与其他预测器（boltz、chai）交叉验证设计的复合物
限制与注意事项
- 运行依赖 Modal（biomodals）平台与 GPU（默认 L40S）
- 启用 MSA 会导致运行较慢；可加 --no-use-msa 提速
- 大型复合物可能显存不足（OOM），可使用 --use-mini 或更大的 GPU
- 若缺少输入会报错，需提供 --input-faa 或 --input-json 之一
后续步骤：用 ipsae 进行排序，用 protein-qc 进行过滤。