RFdiffusion（Watson 等, Nature 2023）把 RoseTTAFold 系结构网络和扩散生成结合，用于从噪声逐步生成满足约束的蛋白骨架。它是 AI 蛋白设计从“预测结构”走向“生成结构”的代表。
能做什么
- 无条件骨架生成：生成自然蛋白中未必存在的新折叠骨架。
- 条件设计：按 motif、对称性、目标表面等约束生成结构。
- binder 设计：给定靶蛋白表面，生成可能结合的蛋白骨架，再用 ProteinMPNN 设计序列。
项目边界
- 生成骨架只是第一步，后面还要序列设计、AF2/AF3 过滤、表达纯化和结合实验。
- binder 设计尤其要做负设计，避免非特异结合和错误界面。
- 它主要服务蛋白/多肽/生物大分子设计，不是小分子分子胶生成模型。
关键要点
- RFdiffusion = 扩散生成蛋白骨架；
- 常与 ProteinMPNN 组成骨架生成 + 序列设计流程；
- 实验筛选和功能验证决定最终价值。
延伸资源
- 论文：Watson et al., Nature 2023；配套：150《ProteinMPNN》。