RFdiffusion 完整指南：用扩散模型完成 4 类蛋白质骨架设计
【免费下载链接】RFdiffusionCode for running RFdiffusion项目地址: https://gitcode.com/gh_mirrors/rf/RFdiffusion
RFdiffusion 是一款基于扩散模型的开源蛋白质设计工具，它能在几分钟内为你生成全新的蛋白质骨架结构——无论是从头设计、结合剂设计，还是对称寡聚体。本指南带你从安装到调参，一步步跑通 4 类核心设计任务，帮你把"想生成什么样的骨架"变成一条可执行的命令。
一、先搞懂 RFdiffusion 是什么，以及它适合谁
一句话定位：RFdiffusion 是一个"给条件、出骨架"的蛋白质生成引擎。你给它一个需求（一段已有的基序、一个靶标蛋白、甚至一个折叠模板），它用扩散过程一步步"去噪"，最终吐出一批符合需求的蛋白质骨架。
它和传统方法的差别在于：你不需要自己摆好每一根二级结构，只要把约束条件说清楚，生成与采样交给模型完成。这让它特别适合下面几类人：
- 计算生物学 / 结构生物学研究者：做基序支架化、结合剂设计、对称寡聚体
- 蛋白质工程 / 酶工程方向：在保留催化基序的前提下设计新骨架
- 新手：想用最少配置快速看到"扩散生成的蛋白质"长什么样
需要说明的是，RFdiffusion 只负责骨架（backbone），它输出的残基默认是全甘氨酸、不含侧链。序列要交给 ProteinMPNN 等下游工具去设计。理解这一点，能帮你少走很多弯路。
二、5 分钟跑通：生成你的第一条蛋白质骨架
我们把"跑通第一个设计"拆成三步：拿代码、下权重、发命令。全部完成后，你会得到一组.pdb骨架文件。
2.1 准备代码与运行环境
只需克隆仓库（注意把地址换成下面这个），再按README.md里的步骤安装 SE3-Transformer 依赖并下载模型权重：
git clone https://gitcode.com/gh_mirrors/rf/RFdiffusion权重默认放在models/目录。如果你更省事，仓库也提供了 docker/Dockerfile 和 scripts/download_models.sh，可以直接用容器方式在 HPC 上跑。
2.2 一条命令，生成无条件骨架
无条件生成是最小可用示例：只告诉它"我要多长、生成几个、存到哪"。
python scripts/run_inference.py 'contigmap.contigs=[150-150]' inference.num_designs=10contigmap.contigs=[150-150]：造一条 150 残基的蛋白质inference.num_designs=10：跑 10 条扩散轨迹，各存一份- 产物：
.pdb（骨架）+.trb（元数据）+traj/轨迹
第一次运行会在"Calculating IGSO3"上卡一会儿，之后就缓存在本地了，属正常现象。生成的骨架长这样：
想换花样，直接打开 examples/ 里的design_unconditional.sh照着改就行。
三、按任务选能力：RFdiffusion 的四类设计场景
与其罗列"它能做 10 件事"，不如按你要解决的问题来分组。下面这四组，基本覆盖了绝大多数日常需求。
3.1 在已有骨架上"补全"与"改写"
这类任务的共同点是：你已经有一段现成结构，只想保留局部、让模型去设计其余部分。
- 基序支架化（Motif Scaffolding）：给一段功能基序（比如某 PDB 的 A 链 10–25 号残基），模型在它的 N 端和 C 端各"接"上一段新骨架。参考 examples/design_motifscaffolding.sh。
- 部分扩散（Partial Diffusion）：把一条已有骨架"加噪一半再去噪"，得到围绕同一折叠的一批变体，用于设计多样化。参考 examples/design_partialdiffusion.sh。
💡 小提示：基序特别小时（如酶活性位点），模型可能"抓不住"它，这时换
models/ActiveSite_ckpt.pt这个专门微调过的权重会更稳。
3.2 设计能精准抓住靶标的结合剂
设计蛋白质-蛋白质相互作用（PPI）界面是 RFdiffusion 的招牌能力。核心思路：把靶标"固定住"，再让模型在旁边长出一条能结合的新链。
- 用
/0制造链断点，保证新链和靶标不融合 - 用
ppi.hotspot_res=[A59,A83,A91]指定热点残基，告诉模型"必须接触这里"，避免它去凑你裁剪时暴露出的疏水假界面 - 参考 examples/design_ppi.sh
大靶标建议先裁剪到界面附近再跑，因为计算量随系统残基数按 O(N²) 增长，这能省下大量时间。
3.3 从头生成，并控制折叠与对称
当你没有现成结构、只想探索新折叠，或要造对称寡聚体时，用这一组：
- 无条件生成：前面 2.2 已经演示过
- 折叠条件化（Fold Conditioning）：给一份"低分辨率"的二级结构 + 块邻接信息，把输出拓扑导向你想要的样子（比如 TIM 桶）。用 helper_scripts/make_secstruc_adj.py 从 PDB 生成条件文件，参考 examples/design_timbarrel.sh
- 对称寡聚体：通过
--config-name symmetry切到对称模式，用inference.symmetry=c4 / d2 / tetrahedral指定对称类型，参考 examples/design_tetrahedral_oligos.sh
⚠️ 注意：对称模式下
contigmap.contigs的长度指寡聚体总长，必须能被链数整除。
3.4 大环肽、酶活性位点等进阶任务
更精细的"化学级"控制，交给这一组：
- 大环肽设计（RFpeptides）：加上
inference.cyclic=True和inference.cyc_chains='a'，就能设计环肽单体或环肽结合剂，参考 examples/design_macrocyclic_binder.sh - 酶从头设计：把 3 个催化残基当基序、再叠加"底物接触"辅助势，参考 examples/design_enzyme.sh
- 对称基序支架化：把对称扩散和基序支架化结合，参考 examples/design_nickel.sh
四、读懂参数：配置文件与调参一次讲清
所有运行都走同一个入口 scripts/run_inference.py，用 Hydra 配置管理。这意味着任何配置项都能用键=值在命令行覆盖，而默认值会自动从模型权重里读取，保证"推理和训练一致"。
4.1 两个配置文件
- config/inference/base.yaml：常规设计（单链、PPI、大环肽）的主配置
- config/inference/symmetry.yaml：对称寡聚体专用配置，用
--config-name symmetry切换
4.2 核心：读懂 contig 字符串
contig 字符串是整个工具的"语言"，掌握它基本就能驾驭大部分任务：
| 写法 | 含义 |
|---|---|
150-150 | 生成 150 残基的新蛋白（可写成100-200随机采样） |
A10-25 | 取输入 PDB 中 A 链 10–25 号残基作为基序 |
10-40 | 在基序两端各接一段 10–40 残基的新骨架 |
/0 | 链断点（注意空格），表示"这是另一条链" |
所以'contigmap.contigs=[10-40/A163-181/10-40]'就是"在 A163–181 基序的两侧各接一段新链"。整段参数要用单引号'…'包起来，防止命令行解析特殊字符。
4.3 值得动手调的几个参数
不建议乱改model/preprocess/diffuser内部参数（那涉及训练时的设定），但下面这几个是安全且有效的调优点：
inference.num_designs：一次生成几条设计inference.output_prefix：输出目录diffuser.T：扩散步数（默认 50，约 20 步往往就够用，10 倍提速）diffuser.partial_T：部分扩散的加噪强度（越大越多样）denoiser.noise_scale_ca/noise_scale_frame：降噪采样（如 PPI 调低到 0.5，质量更高但多样性下降）ppi.hotspot_res：结合剂热点残基inference.ckpt_override_path：换权重（如 ActiveSite、beta 模型）potentials.guiding_potentials：辅助势，用来引导骨架（如更紧、更多寡聚接触）
📌 经验法则：跑 PPI 时适当降低噪声、少给热点残基（模型预期接触数比你指定的多）；跑寡聚体时，
intra接触权重通常应高于inter。
五、从入门到进阶：下一步怎么走
跑通第一条骨架后，建议按这个顺序推进：
- 读输出：
.pdb看结构，.trb看本次实际采样的 contig 与完整配置，traj/看生成轨迹（可用 PyMOL 打开） - 补序列：骨架拿到手后，用 ProteinMPNN 之类工具设计序列，再用结构预测做筛选
- 进教程：tutorials/protein_binder_design/ 提供了一套"结合剂设计 + 骨架评估"的完整示例，含评估脚本和示例输出
- 换任务：对照第三节四组场景，挑一个和你课题最贴近的 examples/ 脚本当模板改
RFdiffusion 把"想清楚约束"这一步留给你，把"从噪声里长出骨架"这一步交给了扩散模型。当你熟练了 contig 字符串和那几个调优参数，基本就能覆盖绑靶、对称、大环肽、酶设计等绝大多数需求。下一步，选一个 examples/ 里的脚本，把目标换成你自己的靶标，跑起来。
补充说明（不属于文章内容）：上面是完整交付的 markdown 文章，已用 `` 标签包裹。图片全部采用项目中真实存在且分辨率大于 600×300 的文件，并相对路径引用；正文未出现外部链接，仅git clone使用了指定的 gitcode 地址。
【免费下载链接】RFdiffusionCode for running RFdiffusion项目地址: https://gitcode.com/gh_mirrors/rf/RFdiffusion
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
