• 人工智能
• 大模型
• 基础模型
• 深度学习
• 生物信息学
• 科研

RFD4-Proteína 是一款由 Baker Lab 与 NVIDIA GenAIR 联合开发的蛋白质酶设计模型，能够把酶基序（enzyme motif）与蛋白序列、全原子结构"一起生成"。本文将带你完成一次完整的酶支架化实操：以一个真实仓库自带的酶设计输入为例，用 3 条命令，围绕"乳清酸 + 锌离子"催化基序，设计出约 180 个残基的全新蛋白支架。

说明：RFD4-Proteína 是 flow-matching（流匹配）生成模型，输出是同时包含序列身份和原子坐标的 CIF 结构文件，而不是"先生成骨架再单独设计序列"的两段式流程。这正是它做酶支架化（enzyme motif scaffolding）的核心优势。

一、为什么用 RFD4-Proteína 做酶设计？

传统酶支架化流程通常是：生成骨架 → 逆折叠设计序列 → 单独评估，各环节相互割裂。RFD4-Proteína 的做法是条件式联合生成：

• 你要保留的（酶基序、配体、金属离子、结合靶标）作为固定条件输入；
• 你要设计的（剩余支架的序列 + 结构）由模型一次性生成。

🔑 关键概念——Annotated CIF：输入不是一个普通 PDB，而是带标注的 CIF 文件，标注明确区分"哪些原子保持固定、哪些区域交给模型设计"。官方文档特别强调：一个没有标注的普通结构文件并不是一份完整的设计规范。

二、准备工作：环境与硬件要求

1. 硬件要求

2. 安装方式（三选一）

方式 A：PyPI（推荐新手，把模型装进自己的 Python 环境）

python3.12 -m venv .venv && source .venv/bin/activate pip install --extra-index-url https://download.pytorch.org/whl/cu132 "rfd4-proteina[metrics-cuda13]"

方式 B：源码安装（完整工作流：带标注输入、奖励引导搜索、refolding 指标）

git clone https://gitcode.com/hf_mirrors/nvidia/RFD4-Proteina cd RFD4-Proteina make setup source .venv/bin/activate

方式 C：容器镜像（免编译，适合集群）

仓库内置预构建的 Apptainer / SquashFS 运行镜像，见 runtime/ 目录，例如 rfd4-proteina-cu13-amd64.sif，配套 SHA-256 校验文件：

apptainer exec --nv runtime/rfd4-proteina-cu13-amd64.sif \ rfd4-generate hf_ckpt_path=nvidia/RFD4-Proteina inputs=in.cif out_dir=./runs

💡 生成过程不需要训练数据集；模型权重由Proteina.from_pretrained("nvidia/RFD4-Proteina")或hf_ckpt_path自动拉取。本仓库根目录的 config.json 与model.safetensors就是原生模型包（flow 模型 + 匹配自编码器的 EMA 权重，共 4.35 亿参数），其配对关系与 SHA-256 记录在 release-checkpoints.json。

三、看懂酶设计输入文件：标注决定了设计边界

本仓库自带一份酶设计示例输入 examples/enzyme_design/input.cif，我们先拆解它"固定了什么、设计了什么"：

其中第 132 行的_rfd_design.sampled_contig 180-180声明了采样（设计）区域，见 input.cif#L132；而第 116–130 行列出了基序中每个被固定原子的坐标与掩码标注（mask_coordinate_1_atom为 True 的原子坐标将被保留）：

一句话理解：把"1 个天冬氨酸 + 乳清酸 + 锌离子"当作种子，让模型设计出能稳稳包裹住它们的约 180 残基新支架。

四、一键生成酶支架：rfd4-generate 完整命令

输入准备好后，核心只需一条命令：

rfd4-generate inputs=examples/enzyme_design/input.cif \ hf_ckpt_path=nvidia/RFD4-Proteina \ hf_ckpt_revision=a06e2509c7033b010fc43614e9fd840303588502 \ num_replicates=1 out_dir=./runs/enzyme '~metrics' compile_lengths=null

参数速读：

• inputs：带标注的输入 CIF（本例为酶基序输入）；
• hf_ckpt_path/hf_ckpt_revision：指定模型仓库与固定版本，保证可复现；
• num_replicates=1：每个示例生成 1 份设计（可加大做多样化采样）；
• '~metrics' compile_lengths=null：首次运行关闭外部评分与编译，让安装更简单；
• 其余默认值来自 inference.yaml，例如默认的recycle_strategy: thinking_medium。

生成的 CIF 会出现在runs/enzyme/inference_samples/下。想换设计目标？把inputs换成仓库里的 examples/protein_binder/input.cif（蛋白-蛋白结合物）或 examples/antibody_design/input.cif（抗体设计）即可，其余参数不变。

五、验收设计结果：怎么判断支架"设计成功"？

仓库自带的示例输出 examples/enzyme_design/design.cif 就是一次成功设计：一条 180 个残基的全新蛋白（序列前缀见 design.cif#L20-L24），基序原子被完整保留在结构内。

实际项目中，判断酶支架化是否成功的通用标准（与官方 Atomic Motif Enzyme 基准一致，详见 benchmarks/METHODS.md）：

📊 官方基准成绩（AME 基准，37 个酶基序靶标）：RFD4-Proteína（high thinking）每 GPU-小时平均产出91.18 个结构上不同的计算通过设计，而同场对比的最强方法 AlphaProtein-novo (Codesign) 为 26.02，效率约为其 3.5 倍。完整数据见 benchmarks/summary.csv。

⚠️ 注意：计算层面的"通过"不等于实验活性，最终设计仍需结构与实验双重验证。

六、进阶调参：用"思考预算"平衡质量与速度

RFD4-Proteína 通过recycle_strategy控制每个采样步中主干网络的复用次数（相当于"思考深度"）：

例如生成时追加recycle_strategy=thinking_high即可提升质量。批量设计时，可配合num_replicates生成候选集，再用 Foldseek 聚类去重，挑选结构多样的高质量支架。

七、常见问题 FAQ

Q1：flow 模型和自编码器可以混用不同版本的吗？不可以。二者是训练时配对的一组，自编码器定义了 flow 模型生成所在的潜空间，混用不同发布的组件会产出无意义结果（而非报错）。请以 release-checkpoints.json 中的配对信息为准。

Q2：输出的 CIF 能直接拿去实验吗？CIF 里同时含有序列和全原子坐标，可直接导入可视化软件检查基序几何，或送入 refolding/评分流程（需要单独的 AF2/OpenFold3 环境，见 openfold3/runtime/，生成本身不需要它们）。

Q3：许可与引用？RFD4-Proteína 模型与权重为BSD 3-Clause许可（见 LICENSE）；报告结果时请引用项目并记录精确的模型版本、代码版本、随机种子与采样配置。

📁 本文涉及的关键文件速查

• 人工智能
• 大模型
• 基础模型
• 深度学习
• 生物信息学
• 科研