mzc2113391 (诗人沃池)

BioEmu Agent 教学贴 | AI 秒出万张蛋白结构！

mzc2113391 — Sat, 16 Aug 2025 05:45:47 +0000

1.引子｜蛋白质不只是“静态雕塑”

你可能听说过 AlphaFold——那个能精准预测蛋白质三维结构的“AI 神技”。它让我们仿佛拥有了看清生命零件的“上帝视角”。

但你知道吗？蛋白质从来不是一动不动的“雕塑”。它们更像是会呼吸、会跳舞的“分子精灵”。

一个蛋白质，可以伸展、蜷缩、打开、闭合，甚至局部“融化”再重组——这些动态变化，才是它发挥功能的关键。比如，一个酶要催化反应，必须从“关”切换到“开”；一个信号蛋白要传递信息，需要“变身”换形态。

问题来了：我们如何捕捉这些千变万化的“舞蹈动作”？传统方法，比如分子动力学（MD）模拟，虽然精准，但慢得像“蜗牛”——模拟一次蛋白质折叠，动辄需要数月甚至数年的超级计算机算力。

有没有一种方法，能像 AlphaFold 预测静态结构一样，又快又准地“看到”蛋白质的所有可能形态？

Science 重磅发表来自微软研究院的全新工作BioEmu给出了答案，一个能模拟蛋白质热力学平衡结构全集的生成模型，将蛋白“如何动”的难题首次以大规模可计算的方式打开。


BioEmu(图源：BioEmu)

BioEmu 的表现，堪称“降维打击”：

✅ 预测功能大变身，成功率高达 90% 它能准确预测蛋白质的“大动作”，比如两个结构域像钳子一样开合（腺苷酸激酶），或是形成隐藏的“口袋”来结合药物（别称“隐匿口袋”）。在测试中，它成功“复现”已知功能结构的比例，最高达到 90%！

✅ 媲美 MD 模拟，速度提升上万倍与需要数万 GPU 小时的 MD 模拟相比，BioEmu 生成同等质量的结构集合，速度快了 4 到 5 个数量级！也就是说，原本需要“超级计算机跑一年”的任务，现在一块显卡“几小时”就能搞定。

✅ 预测蛋白稳定性，误差小于 1 千卡它不仅能生成结构，还能直接告诉你“这个蛋白稳不稳定”、“某个突变会让它变强还是变弱”。预测结果与真实实验数据的误差小于 1 kcal/mol，相关性超过0.6，达到了与传统计算方法相当的精度。

更酷的是，它能解释“为什么”。比如，一个突变导致蛋白不稳定，BioEmu 生成的结构集合会清晰地显示：这个突变破坏了关键的螺旋，或者让核心变得松散。这不再是“黑箱”预测，而是提供了可解释的分子机制。

我们在平台上部署了 BioEmu 智能体，助你轻松完成蛋白的结构采样

2.简介｜使用 BioEmu Agent 前的准备

平台介绍：BioEmu Agent 是星使智算旗下 GaliLeo 平台上的一款蛋白结构设计智能体。
注册地址：GaliLeo
所需信息：蛋白质序列文件 (.fasta) 或结构文件 (.pdb)。
使用方式：通过自然语言交互

3.示例｜使用 BioEmu 完成蛋白结构采样

BioEmu 的使用非常简单，直接提供它蛋白的序列信息，就可以直接帮你完成采样过程。

step1|输入任务描述：直接问他:"请对序列 NVLSQFATGSGTCNSNDIN 执行结构采样，采样 10 个结构" （你也可以上传 fasta 或 pdb 文件） Agent 将为你执行数据处理和 MSA 搜索 (可能需要一定时间，请耐心等待)，然后帮你完成结构采样。
step2|结果展示：你可以在文件中预览或下载结构

左上角可以切换不同的构象

完整对话链接

8.总结

🌟【科研神器】部署 BioEmu 的 ADAM 智能体！零门槛上手，AI 助力蛋白设计✨

💡 从计算小白到学术大神，这款免部署的智能对话工具都能成为你的得力助手！可视化操作 + 智能预测，让复杂计算变得像聊天一样简单，陪伴助力你的科研之路~

🔥 亮点速览： ✅ 无需部署，打开即用 ✅ 对话式交互，科研问题轻松解 ✅ 智能可视化，数据一目了然 ✅ 全阶段适用，萌新到大神都能玩转

🎯 点击下方链接现在登录 GaliLeo 平台，抢先体验 BioEmu Agent 的黑科技预测能力！科研效率直接起飞🛫 https://sidereus-ai.com/

ProteinMPNN/LigandMPNN Agent 教学贴｜开启硅基智能接管的蛋白进化 🔥

mzc2113391 — Sun, 27 Apr 2025 06:46:23 +0000

1.引子｜👉 “自然界用亿万年进化出蛋白质，AI 只用几秒就能设计？”

蛋白质序列设计旨在为每个残基分配适当的氨基酸类型，以使设计的蛋白质能够折叠成所需的骨架结构。传统的理性设计方法和定向进化基于生物化学规则，物理建模或已知结构模板进行人工优化，辅以实验筛选，周期长且成本高。

AI 可以通过计算在数秒内生成大量具有特定结构或功能的蛋白质序列，无需漫长试错！帮助你设计抗体药物，创造新型酶，构建纳米级生物材料。

ProteinMPNN和LigandMPNN是由华盛顿大学 David Baker 团队开发的两种基于深度学习的蛋白质序列设计方法，他们二者的使用方法相似，在适用场景上略有不同：

ProteinMPNN ProteinMPNN 是一种基于图神经网络的蛋白质序列设计方法。它通过输入蛋白质的三维结构（如 PDB 文件），利用信息传递机制，生成可能折叠成该结构的氨基酸序列。与传统的物理模型方法相比，ProteinMPNN 不需要专家定制参数，具有更高的效率和准确性。
LigandMPNN LigandMPNN 是在 ProteinMPNN 的基础上发展而来的模型，能够在蛋白质序列设计中显式地考虑配体（如小分子、核酸、金属离子等）的空间和化学上下文。它通过构建蛋白质 - 配体图，捕捉蛋白质残基与配体原子之间的相互作用，从而设计出能够与特定配体结合的蛋白质序列。还支持设计水溶性较强的蛋白，以及膜蛋白等。


ProteinMPNN(图源)


LigandMPNN(图源)

由于部署两个软件并执行序列设计流程相对复杂。我们在平台上分别部署了自然语言驱动、可在线调用的序列设计智能体 ProteinMPNN Agent 和 LigandMPNN Agent，助你轻松完成蛋白的序列设计

平台智能体的部署基于 LigandMPNN 的开源仓，受益于此，ProteinMPNN 和 LigandMPNN 的使用方法几乎完全相同，因此将二者放到一起来介绍使用。

ps: 当前版本仅支持序列设计，未来将近一步支持侧链 packing，序列打分，丰富可视化等功能，尽请期待！

2.简介｜使用 Agent 前的准备

平台介绍：星使智算旗下 GaliLeo 平台上
注册地址：GaliLeo
所需信息：蛋白结构的 pdb 文件或 pdb ID(未来将支持更多类型)，指定序列设计的条件和设计的数量。
使用方式：通过自然语言交互，例如 请用ProteinMPNN进行序列设计，设计两条序列

3.示例｜使用 ProteinMPNN Agent 进行无条件设计

step1|登陆：登陆 ProteinMPNN Agent
step2|输入任务描述：直接上传 pdb 文件或让他下载 pdb 文件，然后问他:"设计两条序列" Agent 将为你直接完成任务
step3|结果展示：你可以在文件中查看设计的 fasta 文件，或者让 Agent 帮你画出序列偏好图你可以在线查看序列偏好

4.示例｜使用 ProteinMPNN Agent 进行带条件的序列设计

ProteinMPNN 支持多种条件的序列设计，关于支持的限制条件，你可以访问ProteinMPNN 代码仓. 这里举两个常用的例子：

固定残基：直接告诉 Agent 你想固定的链和编号:
残基偏好：告诉 Agent 你哪些残基偏好哪种氨基酸，Agent 将为你创建关于残基条件的 json 文件，再为你设计序列

5.示例｜使用 LigandMPNN Agent

LigandMPNN 的基本功能与 ProteinMPNN 相同，前面提到的几个例子同时适用于 LigandMPNN，与 ProteinMPNN 不同，LigandMPNN 可以感知 pdb 文件中的小分子

下面介绍几个可以在 LigandMPNN Agent 中使用的特殊条件 (LigandMPNN Agent 与 ProteinMPNN Agent 两个工具是分开的，不要使用错喔)

掩码配体原子：告诉他掩码所有配体原子 Agent 将为你直接完成任务
设计水溶性蛋白：可以在 LigandMPNN Agent 中调用只用水溶蛋白训练的 ProteinMPNN checkpoint，设计水溶性较高的蛋白。跟他说"使用 solubleMPNN" Agent 将为你直接完成任务

ps: 当前版本理论上支持LigandMPNN 官方仓库的所有设计条件，我们将持续优化

6.帮助｜使用 tips

由于 LLM 天然上下文感知的一些缺陷，请在对话过程中尽量积极引导 Agent，对 Agent 的询问进行逐点回答并重复指令它即将做的事情，修正错误，写出更多明确的信息。下面我将给你一些聊天的建议

1.搜索知识库 当 ADAM 出现错误时，可以引导 ADAM 修正错误，以完成任务的进行，当遇到错误时，可以让 AI 搜索知识库查询解决办法
```
帮我搜索知识库查询解决方案
```
2.手动分解任务

你可以手动分解任务，而不是一次性让 ADAM 完成所有任务。例如，可以把“下载 pdb”和“序列设计”分开做，提高调用成功的概率

7.问题｜常见问题 Q&A

8.总结

🌟【科研神器】部署 ProteinMPNN/LigandMPNN 的 ADAM 智能体！零门槛上手，AI 助力蛋白设计✨

🔥 亮点速览： ✅ 无需部署，打开即用 ✅ 对话式交互，科研问题轻松解 ✅ 智能可视化，数据一目了然 ✅ 全阶段适用，萌新到大神都能玩转

🎯 点击下方链接现在登录 GaliLeo 平台，抢先体验 ProteinMPNN/LigandMPNN Agent 的黑科技预测能力！科研效率直接起飞🛫 https://sidereus-ai.com/

RFdiffusion Agent 教学贴 | 让蛋白结构设计“脱口而出” 💬

mzc2113391 — Sat, 26 Apr 2025 07:51:31 +0000

1.引子｜什么是蛋白结构设计

蛋白质是生命体系中最重要的功能分子之一，承担了从催化化学反应到支撑细胞结构等各种关键任务。蛋白结构设计（Protein Structure Design）指的是根据预期功能或目标，设计新的蛋白质三维结构，从而创造具有特定性质或活性的蛋白质。

RFdiffusion 是由华盛顿大学 David Baker 团队开发的一种基于扩散模型的蛋白质结构生成方法。它将 RoseTTAFold 的结构预测能力与扩散生成模型相结合，能够从头设计出具有特定功能的蛋白质结构，它能够帮你完成下列任务：

从头设计蛋白质单体：生成具有特定拓扑结构的新蛋白质。

蛋白质结合剂设计：设计能够特异性结合目标分子的蛋白质。

对称性寡聚体设计：构建具有特定对称性的蛋白质复合物。

酶活性位点支架设计：为酶的活性位点设计稳定的结构支架。


RFdiffusion(图源：RFdiffusion)

由于部署 RFdiffusion 并执行结构设计流程相对复杂。我们在平台上部署了一个自然语言驱动、可在线调用的结构设计智能体——RFdiffusion Agent，助你轻松完成蛋白的结构设计

ps: 1.0.0 版本支持从头设计蛋白质单体，蛋白质结合剂设计和酶活性位点支架设计，未来将上线更多功能

2.简介｜使用 RFdiffusion Agent 前的准备

平台介绍：RFdiffusion Agent 是星使智算旗下 GaliLeo 平台上的一款蛋白结构设计智能体。
注册地址：GaliLeo
所需信息：蛋白结构的 pdb 文件或 pdb ID(未来将支持更多类型)，指定设计的条件，设计的长度和设计的数量。
使用方式：通过自然语言交互，例如 请帮我无条件设计10个蛋白

3.示例｜使用 RFdiffusion Agent 进行无条件设计

step1|输入任务描述：直接问他:"帮我无条件设计 2 个蛋白，长度为 50-100"(长度可以是可变范围，RFdiffusion 将为你随机生成) Agent 将为你直接完成任务
step2|结果展示：你可以在文件中预览或下载设计的结构

完整对话链接

4.示例｜使用 RFdiffusion Agent 进行配体设计

该任务是使用 RFdiffusion设计能够特异性结合目标蛋白的蛋白质。

step1|询问可行链：此时的结构设计需要配体作为条件，你需要找到蛋白质中可行的结构域 (链 ID 和连续的氨基酸 ID 范围，不含断裂)，并把它提供给 Agent 如果你对蛋白结构很熟悉，你可以将蛋白结构在本地用可视化软件如pymol打开，查看它有的链和可行的范围，在这里，我们的结构是一个只有 A 链的蛋白胰岛素受体，氨基酸编号从 1-150 号连续。我们设计的配体条件就是"A 链的 1-150 号氨基酸"

我们建议你对自己想设计的蛋白提前有所了解，当然，如果你完全是小白，你也可以把结构上传到 Agent 平台，并询问 Agent:"帮我看一下设计的可行链"

AI 将为你提供可行的链和连续的编号范围，你可以参考它给出的可行链来提供条件设计配体

step2|输入任务描述：接下来，你可以告诉 Agent 的条件并进行结构设计了。在这个任务中，如果你有需求，你可以指定“热点残基”，它指的是在蛋白质 - 蛋白质相互作用或蛋白质 - 配体结合中，对结合自由能贡献显著的关键氨基酸残基。你还需要指定设计的长度和设计的数量

Agent 将为你直接完成任务，你可以在文件中预览或下载设计的结构

完整对话链接

5.示例｜使用 RFdiffusion Agent 进行功能位点支架

该任务是使用 RFdiffusion为酶的活性位点或其他功能位点设计稳定的结构支架。

step1|询问可行链：此时的结构设计需要以功能位点为条件，你也需要找到蛋白质中可行的结构域 (链 ID 和连续的氨基酸 ID 范围，不含断裂)，请参考上面的示例询问可行链
step2|输入任务描述：接下来，你可以告诉 Agent 你的功能位点条件并进行结构设计了。在这个任务中，你通过指定功能位点两端支架的长度来指定设计长度，然后指定设计数量。 Agent 将为你直接完成任务，你可以在文件中预览或下载设计的结构

完整对话链接

6.帮助｜使用 tips

由于 LLM 天然上下文感知的一些缺陷，请在对话过程中尽量积极引导 AI 做事，对 ADAM 的询问进行逐点回答并重复它即将做的事情，修正错误，写出更多明确的信息。下面我将给你一些聊天的建议

1.对 AI 的内容进行逐点恢复

仔细阅读 AI 询问的内容并进行逐点回复，加强行为指示，例如当 Agent 回答

但目前我还不清楚你想要设计的配体长度、设计的蛋白数量以及是否指定了热点残基，同时默认保存的前缀为binder_outputs/binder_design，你是否需要修改这个保存前缀呢？请提供这些信息，以便我能准确地为你运行RFdiffusion进行蛋白配体设计。

你可以回答：

不需要修改前缀，设计长度为30,设计2个蛋白。

这样进行逐点回复让 Agent 明确你的信息

2.搜索知识库

当 ADAM 出现错误时，可以引导 ADAM 修正错误，以完成任务的进行，当遇到错误时，可以让 AI 搜索知识库查询解决办法

帮我搜索知识库查询解决方案

3.手动分解任务

你可以手动分解任务，而不是一次性让 ADAM 完成所有任务。例如，可以把“下载 pdb”和“结构设计”分开做，提高调用成功的概率

7.问题｜常见问题 Q&A

8.总结

🌟【科研神器】部署 RFdiffusion 的智能体 ADAM！零门槛上手，AI 助力蛋白设计✨

🔥 亮点速览： ✅ 无需部署，打开即用 ✅ 对话式交互，科研问题轻松解 ✅ 智能可视化，数据一目了然 ✅ 全阶段适用，萌新到大神都能玩转

🎯 点击下方链接现在登录 GaliLeo 平台，抢先体验 RFdiffusion Agent 的黑科技预测能力！科研效率直接起飞🛫 https://sidereus-ai.com/

Protenix Agent 教学贴｜10 分钟搞定蛋白核酸小分子结构预测🚀

mzc2113391 — Fri, 25 Apr 2025 05:16:09 +0000

1.引子｜为什么要用 AI 预测分子结构

解析生命：传统的结构解析方法如 X 射线晶体学、核磁共振谱以及冷冻电镜，往往耗时昂贵，且在解析某些复杂或动态体系时面临重大挑战
药物研发：AI 可在数小时内预测潜在药物靶点的 3D 结构，结合分子对接模拟，快速评估药物 - 靶标结合能力，减少湿实验试错成本，缩短药物发现周期
功能研究：AI 预测可揭示突变对蛋白质折叠的影响（如癌症相关突变），模拟蛋白质构象变化与功能关系，指导功能机制研究

AI 生物大分子结构预测方法（如AlphaFold,RoseTTAFold-All-Atom）部署门槛高、算力消耗大、流程复杂。我们是一个能够完全免部署、自然语言驱动、可在线调用的智能体，集成了当前生物分子结构预测 SOTA 模型——字节跳动 AML AI4Science 团队开发的 Protenix(Chen et al. (2025). bioRxiv)，助你轻松完成蛋白和小分子结构预测的相关任务！


Protenix 效果图 (图源：Protenix)

2.简介｜使用 Protenix Agent 前的准备

平台介绍：Protenix Agent 是星使智算旗下 GaliLeo 平台上的一款蛋白结构智能体。
注册地址：GaliLeo
所需信息：蛋白的序列 (语言描述或 fasta 文件) 或结构文件 pdb,cif 等 (现在支持让 Agent 下载 pdb，未来将支持更多样的输入如 uniprot ID), 小分子的 mol2,sdf 文件，Chemical Component Dictionary (CCD) code, SMILES 等
使用方式：通过自然语言交互，例如 我上传了一个fasta文件, 帮我预测所有蛋白的结构

3.实操｜实操演示

step1|登陆：打开 GaliLeo 平台，进入 Protenix Agent 界面
step2|输入任务描述：
step3|AI 执行工作流：Agent 会自动识别输入，调用 Protenix 进行预测结构任务，期间它可能询问你的需求，请针对 AI 的需求进行逐点回复。在某些情况，AI 可能会遇到错误，他会尽可能自动修复，请尽可能引导他完成任务。
step4|结果展示：你可以在文件中查看或下载预测的结构，完成后续的分析，例如 TMscore 计算等。

4.帮助｜更多案例和帮助

蛋白单体及复合物的结构预测

对于该任务，你可以在聊天框中将你的需求告诉 ADAM，它将自动帮你完成标准格式的输入并预测结构。例如：

帮我预测一下蛋白GAMGSSTSG的结构

帮我预测一下蛋白复合物的结构，序列分别是GAMGSSTSG，GAMGSSTAG，GAMGAAAGMG

批量蛋白结构预测

如果你有批量的蛋白想预测结构，你可以将其整理为如下格式 fasta 文件，如果是复合物，请在链间用：隔开

example.fasta:

>Protein_A_monomer
GAMGSSTSG
>protein_B_multimer
GAMGSSTSGGAMGSSTAG:GAMGAAAGMGGAMGAAAGMG

你需要在聊天框上传这个 example.fasta，然后与 ADAM 对话：

我上传了一个fasta文件，帮我预测所有蛋白的结构

蛋白，小分子，核酸复合物的结构预测

对于更复杂的复合物体系，聊天框中支持多样化的对话和上传方式以完成你的需求：

直接对话：

通过对话的方式告诉 ADAM 需求，你可以在聊天框告诉 ADAM 蛋白序列，核酸序列以及小分子的 SMILES 或者 CCD code (Chemical Component Dictionary (CCD) code )，你可以在CCDcode 下载链接和CCDcode 帮助文档中了解 CCD code，以及修饰 (也需要用 CCD code) 以及共价键等需求，完成结构预测，例如：

帮我预测下面的复合物结构:

蛋白序列:GAMGSSTSG
小分子smiles: C[C@]12CCc3c(ccc4cc(O)ccc34)[C@@H]1CCC2=O

帮我预测下面的复合物结构:
蛋白序列:GAMGSSTSG
小分子CCD code: ATP

你也可以更加灵活的 balabala 输入大白话

帮我预测蛋白序列GAMGSSTSG和和小分子C[C@]12CCc3c(ccc4cc(O)ccc34)[C@@H]1CCC2=O的复合物结构，蛋白序列的1号残基有HY3修饰(注意，这里的修饰必须是CCD code)，蛋白序列的2号残基和小分子C1原子有共价键

如果你不确定修饰或者小分子的 CCD code，你可以问 ADAM，但搜索到的信息不一定是准确的，所以更推荐你使用 smiles 或者提前调研 CCD code，通过聊天框告诉 ADAM

请帮我调用知识库搜索乙醇的ccd code

上传文件：

你可以上传带有蛋白，小分子和核酸的复合物 pdb 或者 cif 文件或者让 ADAM 下载 pdb 文件

我上传了一个pdb文件，帮我重新预测其结构

请下载PDB 1BC8，重新预测它的结构，并计算TMscore

你也可以单独上传部分文件，例如你可以单独上传一个 mol2 文件，然后对话说明额外信息：

我上传了一个小分子的mol2文件，帮我预测一下它和蛋白序列GAMGSSTSG的复合物结构

注意，当前版本虽然支持灵活的上传和对话来实现需求，但可能不稳定，如出现错误请及时反馈。

PS/tips

1.加强指示

重复 AI 要进行的动作来加强行为指示，例如当 AI 回复：

目前已经完成格式转换和msa搜索步骤，接下来我进行结构预测。

你可以回答：

好的，请继续预测结构

这样比简单回答继续调用工具成功的概率高。

2.引导 AI 修复错误

当 ADAM 出现错误时，可以引导 ADAM 修正错误，以完成任务的进行，如 ADAM 返回

在进行msa搜索时出现了错误，报错信息显示 ./protenix_task.json 文件不存在。我将重新保存汇总的json文件到指定路径，然后再次进行msa搜索。

你可以回答：

重新保存再搜索吧

这样可以引导 ADAM 修正错误，以完成任务的进行

3.手动分解任务

你可以手动分解任务，而不是一次性让 ADAM 完成所有任务。例如，可以把“下载 pdb”和“预测结构”分开做，提高调用成功的概率

5.问题｜常见问题 Q&A

6.总结

🌟【科研神器】部署 Protenix 的 ADAM 智能体！零门槛上手，AI 助力分子结构预测✨

🔥 亮点速览： ✅ 无需部署，打开即用 ✅ 对话式交互，科研问题轻松解 ✅ 智能可视化，数据一目了然 ✅ 全阶段适用，萌新到大神都能玩转

🎯 点击下方链接现在登录 GaliLeo 平台，抢先体验 Protenix Agent 的黑科技预测能力！科研效率直接起飞🛫 https://sidereus-ai.com/