ProteinMPNN

模型介绍

ProteinMPNN 是一种基于消息传递神经网络（Message Passing Neural Network）的蛋白质序列设计模型，能够根据给定的蛋白质骨架结构高效生成高表达、可折叠的氨基酸序列。

模型描述

ProteinMPNN 采用编码器-解码器架构，编码器通过图神经网络提取骨架结构的几何与拓扑特征，解码器以自回归方式逐位生成氨基酸序列。

使用说明

1. OneCode 使用

可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：

点击体验智能化一键式 AI4S 编程

2. 手动安装使用

硬件要求

• 推荐使用 GPU 或 DCU 运行。
• CPU 可以用于导入和小配置连通性验证，完整训练和推理速度较慢。
• DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。

3. 快速开始

下载模型包

modelscope download --model OneScience/ProteinMPNN --local_dir ./ProteinMPNN 
cd ProteinMPNN

安装运行环境

DCU环境

# 请首先激活DTK及CONDA
conda create -n onescience311 python=3.11 -y
conda activate onescience311
# 支持uv安装
pip install onescience[bio] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

如果运行环境显式需要指向 OneScience 主目录，可设置：

export ONESCIENCE_ROOT=/path/to/onescience

快速验证

export PYTHONPATH=$(pwd)/model:${ONESCIENCE_ROOT}/src:${PYTHONPATH:-}
python -c "from proteinmpnn.protein_mpnn_utils import ProteinMPNN; print('proteinmpnn wrapper ok')"
python scripts/inference.py --help
python scripts/training.py --help

推理

当前权重已放在 weight/ 的子目录中。普通 ProteinMPNN 使用 weight/vanilla_model_weights/；如果不显式传 --path_to_model_weights，scripts/inference.py 默认会使用该目录。

使用脚本运行最小推理

cd /path/to/proteinmpnn
bash scripts/test_inference.sh

该脚本默认使用：

输入 PDB：data/inputs/PDB_monomers/pdbs/5L33.pdb
设计链：A
模型权重：weight/vanilla_model_weights
输出目录：outputs/test_inference/

查看生成序列：

ls outputs/test_inference/seqs

等价命令：

python scripts/inference.py \
  --pdb_path ./data/inputs/PDB_monomers/pdbs/5L33.pdb \
  --pdb_path_chains "A" \
  --out_folder ./outputs/test_inference \
  --path_to_model_weights ./weight/vanilla_model_weights \
  --model_name v_48_020 \
  --num_seq_per_target 2 \
  --sampling_temp "0.1" \
  --seed 37 \
  --batch_size 1

可选权重：

• 普通模型：--path_to_model_weights ./weight/vanilla_model_weights
• 可溶蛋白模型：--path_to_model_weights ./weight/soluble_model_weights 或加 --use_soluble_model
• CA-only 模型：--path_to_model_weights ./weight/ca_model_weights 或加--ca_only

推理示例脚本

scripts/infer_examples/ 下包含 12 个推理场景示例，均已适配当前目录结构：

运行单个示例：

bash scripts/infer_examples/submit_example_3.sh

注意：submit_example_3_score_only_from_fasta.sh 依赖 submit_example_3.sh 先生成 outputs/example_3_outputs/seqs/3HTN.fa。

训练

当前示例训练数据放在 data/pdb_2021aug02_sample/。该目录应包含：

list.csv
valid_clusters.txt
test_clusters.txt
pdb/<pdbid第2-3位>/<pdbid>.pt
pdb/<pdbid第2-3位>/<pdbid>_<chain>.pt

直接运行训练示例脚本：

cd /path/to/proteinmpnn
bash scripts/test_train.sh

该脚本默认使用：

训练数据：data/pdb_2021aug02_sample
输出目录：outputs/train/exp_020/
每轮样本数：1000
每 50 轮保存一次 checkpoint

查看训练日志和权重：

cat outputs/train/exp_020/log.txt
ls outputs/train/exp_020/model_weights

等价命令：

python scripts/training.py \
  --path_for_training_data ./data/pdb_2021aug02_sample \
  --path_for_outputs ./outputs/train/exp_020 \
  --num_examples_per_epoch 1000 \
  --save_model_every_n_epochs 50

恢复训练时传：

python scripts/training.py \
  --path_for_training_data ./data/pdb_2021aug02_sample \
  --path_for_outputs ./outputs/train/exp_020 \
  --previous_checkpoint ./outputs/train/exp_020/model_weights/epoch_last.pt

常用参数

推理参数

训练参数

OneScience 官方信息

引用与许可证

• ProteinMPNN 原始论文：Robust deep learning–based protein sequence design using ProteinMPNN。

• ProteinMPNN 相关源码使用 MIT License，详见仓库根目录 LICENSE。模型权重和数据的具体使用条款请以对应发布方说明为准。

• 如果在科研工作中使用 ProteinMPNN，建议引用对应ProteinMPNN原始论文和OneScience相关项目信息，并根据实际任务补充下游分析工具或数据集引用。