用途：把 MSA-Search 与 OpenFold3 两个 BioNeMo NIM 串联，先检索进化同源序列，再用 MSA 提升蛋白质结构预测精度，尤其适用于 PDB 中缺少近缘同源序列的目标。
主要能力：MSA-Search 基于 GPU 加速的 MMSeqs2，在 UniRef30 与 ColabFold 数据库中检索同源序列并输出 A3M 比对；OpenFold3 接收该比对进行结构预测，返回 PDB 等格式结构及 confidence_score、pLDDT、pTM 等指标。支持用最小单序列 MSA 与完整 MSA 对比，观察 MSA 对预测的影响；复合物可用 /paired/predict 端点获取配对比对，再填入各链的 msa 与 paired_msa 字段。
使用方式：需先与用户确认查询序列、MSA 深度（默认 500，越大越慢但上下文更多）以及 API 模式（托管或本地 Docker）。托管端点需 NGC_API_KEY，MSA 端点为 https://health.api.nvidia.com/v1/biology/colabfold/msa-search/predict，OpenFold3 端点为 https://health.api.nvidia.com/v1/biology/openfold/openfold3/predict。流程为：POST 序列与数据库参数获取 A3M，保存为 query_msa.a3m，再将其作为 msa 字段传入 OpenFold3 的预测请求，最后写出结构文件并打印置信度指标。
限制：每次调用都会把蛋白序列与检索到的 MSA 比对传输至 NVIDIA 托管 API（health.api.nvidia.com）。本地 MSA-Search 需约 1.4 TB 数据库存储，官方强烈建议使用托管模式，除非具备该基础设施。本地 Docker 下不要假设 MSA-Search 与 OpenFold3 同时占用 localhost:8000，应一次运行一个容器并传递 A3M 文件，或为各 NIM 分配不同主机端口并显式设置 URL。其余收费、价格与平台细节暂未提供。