RFdiffusion 蛋白质设计实操指南：从环境搭建到 5 类生成任务
【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蛋白质骨架生成工具：它把目标结构一步步"去噪"还原出来，让你围绕真实设计目标批量产出候选骨架，而不是在折叠库里检索已有结构。它的典型任务包括为靶蛋白设计结合剂、按对称群生成寡聚体、围绕催化位点搭骨架，以及做局部改造。本文面向刚接触蛋白质设计的使用者，从环境搭建、五类设计任务、参数调优，一直讲到结果验证，把完整实操路径拆解清楚。
三分钟装好 RFdiffusion
克隆仓库即可开始：
git clone https://gitcode.com/gh_mirrors/rf/RFdiffusion之后按 README 配置 Python 环境，并用 scripts/download_models.sh 下载模型权重。仓库分三层，各管各的事：
- rfdiffusion/：核心代码，扩散采样、SE3 注意力（一种保持三维旋转、平移不变性的网络结构）、对称性处理都在这里；
- examples/：17 个示例脚本，覆盖绑定、寡聚、酶改造等常见任务，改参数就能直接跑；
- config/inference/：YAML 参数文件，推理超数全部在此调整。
能力地图：5 类设计任务对号入座
| 设计目标 | 适合的任务 | 参考脚本 / 配置 |
|---|---|---|
| 靶向结合 | 为已知靶蛋白生成能贴合界面并结合的骨架；可指定界面热点残基引导生成方向 | examples/design_ppi.sh、examples/design_macrocyclic_binder.sh |
| 对称与寡聚 | 按循环（cN）、二面体（dN）或四面体、二十面体等对称群生成寡聚体；也可做环状、大环结构 | examples/design_tetrahedral_oligos.sh、examples/design_cyclic_oligos.sh、config/inference/symmetry.yaml |
| 功能位点 | 在指定位置设计酶活性位点；按条件生成特定折叠（fold 条件生成） | examples/design_enzyme.sh、examples/design_motifscaffolding_with_target.sh |
| 局部改造 | 保留骨架的一部分，只对其余区域做扩散（部分扩散）；在固定基序（motif）外补充支架 | examples/design_partialdiffusion.sh、examples/design_motifscaffolding.sh |
| 自由探索 | 无条件生成探索新折叠空间；指定长度区间随机采样短肽 | examples/design_unconditional.sh、examples/design_dihedral_oligos.sh |
每类任务的细节差异，基本都体现在 contigmap（链长描述）、symmetry（对称类型）和 ppi（界面设置）这几组参数上，读对应示例脚本里的注释就能看懂。
实操全流程：从输入 PDB 到结构评估
第一步，准备输入。examples/input_pdbs/ 里放了 11 个示例 PDB，比如 insulin_target.pdb 和 1YCR.pdb，拿来练手不需要额外下载数据。
第二步，调参。修改 config/inference/base.yaml：diffuser.T控制扩散步数（默认 50），denoiser.noise_scale_ca与noise_scale_frame控制注入噪声的强度（调低通常质量更高、多样性下降），inference.symmetry指定对称类型。对称类任务则切换到 config/inference/symmetry.yaml，把 symmetry 改成 c2、d5、tetrahedral 等对应取值。
第三步，运行。在仓库根目录直接跑这条命令即可：
bash examples/design_unconditional.sh脚本内部调用 scripts/run_inference.py，输出 PDB 和轨迹文件（.trb，记录扩散过程）写到指定的 output_prefix 路径下。
第四步，评估。用 PyMOL 或 Chimera 打开生成的 PDB：先看骨架质量（有无穿模、异常转角），再看与靶标的界面接触、对称轴是否对齐、功能位点是否落在预期位置。需要进一步确认时，可以用结构预测工具复核序列能否回折到设计骨架。
进阶与避坑
- 🔧 先小规模试跑：把 num_designs 设成 1~2，确认流程和显存都正常，再放大批量。
- 对称任务别用默认 base 配置：切换对称配置后，记得开启
model_only_neighbors: true以降低显存占用。 - 结合界面模糊时，用
ppi.hotspot_res明确指定界面热点残基，生成会明显更贴近目标表面。 - ⚠️ 生成的骨架不等于可用蛋白：务必过一遍结构验证和后续序列设计，再谈功能预期。
- 轨迹文件（.trb）值得留着，回看去噪过程能帮你定位生成偏差出现在哪一步。
挑一个最简单的示例（比如上面的无条件生成）先完整跑一遍，流程通了之后，再依次尝试绑定和对称寡聚任务，你会发现整套工具链的门槛并没有想象中高。
【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
