用途：LigandMPNN 在 ProteinMPNN 的图结构上加入非蛋白原子（小分子、核酸、金属），当设计表面包含配体或辅因子时使用；普通 ProteinMPNN 会忽略这些原子。其 run.py 也便于运行其他 MPNN 系列，因为它会把设计序列回贴到输入结构并输出 PDB。
主要能力：支持 ligand_mpnn（骨架+配体/核酸/金属，用于结合口袋或活性位点）、protein_mpnn（仅骨架，蛋白-蛋白）、soluble_mpnn（可溶性训练）、*membrane_mpnn（跨膜设计）。输出 seqs/<stem>.fa（头部含 overall_confidence 与 ligand_confidence）、backbones/<stem>{1..N}.pdb，加 --pack_side_chains 1 时在 packed/ 输出全原子模型。
使用方式：pip install torch numpy biopython ProDy ml_collections dm-tree；克隆仓库后运行 bash get_model_params.sh ./model_params，再执行 python run.py 并指定 --model_type、--checkpoint_ligand_mpnn、--pdb_path、--out_folder 等。残基选择用空格分隔的 {链}{残基号} 字符串（如 "A45 A46 B10"），--chains_to_design 用逗号分隔。
限制：ProDy 在 py3.11 需源码编译，需 C/C++ 编译器；numpy>=1.24 需对 openfold/np/residue_constants.py 打补丁或固定 numpy<1.24。--ligand_mpnn_use_atom_context 0 只做消融，不等同于 protein_mpnn。若 HETATM 被剥离或链过滤未含配体，模型不会警告，会退化为口袋盲设计，此时 ligand_confidence 缺失或为零。常见错误包括缺少 dm-tree、numpy.int 报错、clang 编译失败、模型参数未下载。