用途：解决逆折叠问题——给定蛋白骨架（三维结构，无序列或仅有占位序列），设计预测能折叠成该骨架的氨基酸序列。速度快、稳健、可在 CPU 上运行，是骨架生成（alterlab-rfdiffusion）与结构验证（alterlab-alphafold）之间的标准序列设计步骤。
主要能力：将骨架 PDB 逆折叠为一个或多个候选序列；仅重设计选定位置而固定其余位置（部分设计）；通过绑定残基/链实现对称，使同源寡聚体获得相同序列；偏置氨基酸组成（如避免半胱氨酸）或使用可溶模型；作为设计→折叠→打分循环的序列环节。
使用方式：从仓库根目录运行，HS 指向仓库的 helper_scripts 目录。批量处理先解析 PDB：python "$HS"/parse_multiple_chains.py --input_path=pdbs/ --output_path=parsed.jsonl，再运行 python protein_mpnn_run.py --jsonl_path parsed.jsonl --out_folder out/ --num_seq_per_target 8 --sampling_temp "0.1" --seed 37。单结构可跳过解析：python protein_mpnn_run.py --pdb_path backbone.pdb --pdb_path_chains A --out_folder out/ --num_seq_per_target 8 --sampling_temp "0.1"。较低的 --sampling_temp（如 0.1）给出保守、高置信度设计，较高温度增加多样性；输出 FASTA 头部含模型分数（越低越好）与序列恢复率。固定位置用 make_fixed_positions_dict.py 生成的 JSONL 指定，固定链用 assign_fixed_chains.py；加 --use_soluble_model 加载可溶权重，--ca_only 用于仅 CA 骨架。对称设计通过跨链绑定位置实现。
适用场景：骨架逆折叠、部分重设计、对称寡聚体设计、组成偏置设计，以及 de novo 流程（rfdiffusion 生成骨架→此处设计序列→alphafold 重折叠打分，仅接受高 pLDDT、低 PAE 的自洽设计）。
限制与不适用：含配体、金属或核酸的口袋/界面设计应改用 alterlab-ligandmpnn；无起始结构的新骨架生成用 alterlab-rfdiffusion；序列验证重折叠用 alterlab-alphafold；生成式多模态（序列+结构+功能）设计用 alterlab-esm。安装与版本固定、helper 脚本输入细节见 references/proteinmpnn_usage.md，按需加载。本技能属于 AlterLab Academic Skills 套件。