用途：面向蛋白质结构预测，整理现代机器学习模型的选型、调用与结果解读，覆盖单链、蛋白复合物和蛋白-配体复合物场景。
主要能力：提供模型对比（AlphaFold3、ESMFold、Chai-1、Boltz-1、ColabFold），说明各自是否支持复合物与配体、速度与访问方式；给出 ESMFold 的 API 与本地调用、AlphaFold3 服务器输入 JSON 构造与结果分析、Chai-1 与 Boltz-1 的本地安装与预测、ColabFold 命令行与 Python API 用法；并介绍 pTM、ipTM、pLDDT、PAE 等置信度指标及多模型预测的 RMSD 比较。
使用方式：ESMFold 可通过 https://api.esmatlas.com/foldSequence/v1/pdb/ 提交序列，或本地加载 esmfold_v1；AlphaFold3 通过 alphafoldserver.com 提交 JSON；Chai-1 安装 pip install chai-lab，Boltz-1 安装 pip install boltz，ColabFold 安装 pip install colabfold 并用 colabfold_batch input.fasta output_dir/ 运行。
适用场景：快速单链预测、高精度单链、蛋白-蛋白复合物、蛋白-配体复合物、无 GPU 环境、大规模筛选、要求开源等，资料给出对应推荐模型。
限制：AlphaFold3 在 2025 年为仅服务器访问；ESMFold 不支持复合物与配体；ColabFold 需借助 AlphaFold-Multimer 预测复合物；显存需求约 ESMFold 16GB、ColabFold 8-16GB、Chai-1 与 Boltz-1 约 24GB，具体随序列或复合物规模变化。收费、价格与平台可用性暂未提供。