RFD4-Proteína：NVIDIA联手Baker Lab的终极蛋白设计工具完全指南，一文看懂AI如何同时设计序列与结构-平芜编程栈

人工智能
大模型
基础模型
深度学习
生物信息学
科研

【免费下载链接】RFD4-Proteina

项目地址：https://ai.gitcode.com/hf_mirrors/nvidia/RFD4-Proteina

RFD4-Proteína 是由华盛顿大学 Baker Lab（蛋白质设计研究所）与 NVIDIA GenAIR 联合发布的 AI 蛋白设计模型。它基于流匹配（Flow Matching）技术，能够同时生成蛋白质序列和全原子三维结构——你只需给出一个设计条件（比如一个结合靶点、一个酶催化基序或一个小分子配体），它就能为你设计出满足该条件的全新蛋白质，并以标准 CIF 格式输出。

对于新手来说，理解它与传统方法的差异只需一句话：

传统流程是"先设计骨架 → 再填充氨基酸序列"两步走，而 RFD4-Proteína 是一步到位，序列与结构同步生成、相互协调。

为什么"序列与结构共同设计"是重大进步 🧬

传统蛋白质设计流水线（如 RFdiffusion 系列）通常分两个阶段：

阶段	传统两步法	RFD4-Proteína
结构生成	先生成骨架（backbone）	与序列同时生成
序列设计	再用逆折叠（inverse folding）填序列	147 类残基词表直接输出
相互影响	序列无法反向优化结构	序列与结构在潜空间中协同演化

本次 2026-10-19 版本还引入了统一自编码器（unified AE）：一套编码器同时覆盖蛋白质、核酸和小分子，潜空间维度从 16 提升到 32，残基词表从 33 类扩展到 147 类——这意味着它不再只能设计"纯蛋白"，还能处理更复杂的生物分子场景。

⚠️ 注意：流模型（flow model）与自编码器是成对匹配的，跨版本混用会产出无意义结果，而不是报错。这一点在 release-checkpoints.json 中有明确说明。

仓库速览：一个检查点包里有什么 📦

这个仓库是规范的原生权重包（canonical native bundle），所有模型文件都带 SHA-256 校验旁路文件，便于复现。核心文件一览：

文件	作用
config.json + model.safetensors	推荐入口：base + LoRA 合并后的完整发布模型（1.74 GB，FP32）
base/config.json +`base/model.safetensors`	预训练基座模型（step 320000）
adapter/adapter_model.safetensors	PEFT LoRA 适配器（rank 32），叠加到基座后即得到发布模型
flow_checkpoints/rfd4_proteina_flow-ema.ckpt	原生 Lightning 流模型 EMA 权重（1.74 GB）
ae_checkpoints/rfd4_proteina_ae-ema.ckpt	与之匹配的原生自编码器 EMA 权重（1.03 GB）
release-checkpoints.json	版本配对关系、稳定别名、来源文件名与 SHA-256 校验值
provenance.json	源归档与原始检查点的来源追溯信息
inference.yaml	默认推理配置（默认"思考档位"为`thinking_medium`）

几个新手友好的细节：

发布的.ckpt只含 EMA 权重，已剥离优化器/调度器等训练状态，所以体积从 4.2 GB 瘦身到 1.74 GB——它们用于推理或微调初始化，不能用于恢复中断的训练。
权重总量为435,622,465 个参数（flow + AE 成对打包），采用 EMA 权重。
模型代码与权重遵循 BSD 3-Clause 许可证，可自由使用。

快速上手：三步完成第一个蛋白质设计 🚀

1. 安装（四选一，推荐容器或 GitHub 路线）

# GitHub 路线（含完整工作流：标注输入、奖励引导搜索、折叠评估） git clone https://gitcode.com/hf_mirrors/nvidia/RFD4-Proteina cd RFD4-Proteina make setup && source .venv/bin/activate

也可以用pip install "rfd4-proteina[metrics-cuda13]"装进自己的 Python 3.12 环境，或直接使用仓库 runtime/ 目录中预构建的容器镜像（提供cu13/cu12/cpu三种变体，支持 Apptainer.sif与 SquashFS.sqsh格式，均附 SHA-256 校验）。

2. 生成一个小蛋白

rfd4-generate inputs=examples/monomer.cif \ hf_ckpt_path=nvidia/RFD4-Proteina \ num_replicates=1 out_dir=./runs/first '~metrics' compile_lengths=null

生成的 CIF 文件会出现在runs/first/inference_samples/下。首次运行建议关闭外部评分和编译以保持简单。

3. 进阶：设计一个 PD-L1 结合蛋白

仓库内置了四个官方示例，每个都包含"输入条件（input.cif）+ 示例输出（design.cif）"，是最好的学习材料：

设计目标	输入条件	示例输出
🔬 蛋白–蛋白结合蛋白	examples/protein_binder/input.cif	examples/protein_binder/design.cif
⚙️ 酶基序支架设计	examples/enzyme_design/input.cif	examples/enzyme_design/design.cif
🛡️ 抗体设计（HER2 靶点）	examples/antibody_design/input.cif	examples/antibody_design/design.cif
🧪 无条件单体（仅指定 100 残基长度）	examples/monomer.cif	—

关键概念：输入是一个"带标注的 CIF"（annotated CIF）——标注说明了哪些部分必须固定（context 条件）、哪些部分交给模型去设计。一份普通的、无标注的结构文件并不构成完整的设计规格。

计算档位怎么选：low / medium / high "思考深度" 🎛️

RFD4-Proteína 提供三档计算配方，区别在于主干网络（trunk）在每个采样步中重复计算（recycle）的频率，总采样步数固定为 60 步：

档位	主干计算次数	适用场景
`thinking_low`	120	快速筛选、大量采样
`thinking_medium`（默认）	180	日常设计，性价比平衡
`thinking_high`	300	高难度靶点、追求最高通过率

在原生运行时中通过参数recycle_strategy=thinking_low|thinking_medium|thinking_high切换，默认值配置在 inference.yaml 中。

硬件要求：跑 RFD4-Proteína 需要什么 GPU 💻

系统：Linux x86_64、Python 3.12、CUDA 13 兼容驱动
权重体积：1.74 GB（FP32）；峰值显存取决于 token 数、batch size 和 recycle 深度，而非权重本身

官方已测试确认的 NVIDIA GPU：

架构	数据中心	工作站/桌面
Blackwell	B200 / B300 / GB200 / GB300	RTX PRO 6000 Blackwell、GB10（DGX Spark）
Hopper	H100 / H200 / GH200 系列	—
Ada Lovelace	L40S	RTX 6000 Ada
Ampere	A100 40GB / 80GB（SXM 与 PCIe）	—

基准表现：设计效率到底有多强 📊

以下数据来自上一版本检查点的冻结基准（2026-10-09），衡量指标为每 GPU 小时平均产出的结构上可区分的计算通过设计数（含生成与 AF3 评估），数值越高越好。完整数据见 benchmarks/summary.csv，评测方法详见 benchmarks/METHODS.md。

基准任务	靶点数	RFD4-Proteína (high)	同类最强对比方法
蛋白结合蛋白	24	71.60	Proteina-Complexa · 13.24
小分子结合蛋白	77	112.25	BoltzGen · 15.48
原子基序酶设计	37	91.18	AlphaProtein-novo · 26.02
DNA 结合蛋白	3	41.97	BoltzGen（固定 DNA）· 9.46

在每个任务类别中，RFD4-Proteína 的设计效率都领先对比方法5–12 倍。需要提醒：这些是"计算通过者"（computational passers），不等同于实验活性，设计结果仍需结构验证与实验确认。

新手常见问题 FAQ ❓

Q1：生成设计需要下载训练数据吗？不需要。训练数据集（见 test_dataset/test_dataset.tar.gz 及配套的 Hugging Face 数据集仓库）仅用于复现训练，推理只依赖模型权重本身。

Q2：为什么有两套权重入口（原生 vs Diffusers）？本仓库是原生 RFD4 权重包，通过Proteina.from_pretrained加载；另有一个 Diffusers 移植仓库提供RFD4ProteinaPipeline入口。两者是同一模型的张量换前缀拆分，不是两个不同模型，全程无需重新训练。

Q3：runtime/、alphafold2/、openfold3/目录是干什么的？它们是可选的第三方运行时镜像（Apptainer/SquashFS/Docker 格式），仅在需要回折叠验证与结构评分指标时才用到，纯生成任务完全不需要。注意这些第三方资产有各自的上游许可，不包含在 BSD 许可证范围内，使用前请单独审查。

Q4：如何保证复现性？固定hf_ckpt_revision（默认指向发布提交），并核对各文件旁的.sha256校验文件——release-checkpoints.json 中记录了完整清单。

总结：一文回顾 RFD4-Proteína 的核心价值 ✅

维度	要点
是什么	Baker Lab × NVIDIA GenAIR 的流匹配生物分子联合设计模型
核心能力	序列 + 全原子结构同步生成，支持结合蛋白、酶支架、抗体、小分子口袋等设计
技术亮点	统一自编码器（147 类残基、32 维潜空间）、三档"思考深度"、LoRA 微调的发布配方
上手门槛	一条`rfd4-generate`命令即可出结果，四个官方示例可直接学习
许可	模型与权重为 BSD 3-Clause，可自由商用研究