OpenFold：训练和推理 AlphaFold 类模型的开源方案

OpenFold 由哥伦比亚大学 AlQuraishi 组主导，是 AlphaFold2 的 PyTorch 可训练复现。DeepMind 官方实现基于 JAX 且只发布推理代码与权重，OpenFold 补上了最关键的一块：你可以从头训练，也可以在自己的数据上微调。这让结构预测模型第一次真正可被研究社区改造。

部署

git clone https://github.com/aqlaboratory/openfold.git
cd openfold
mamba env create -f environment.yml
conda activate openfold
python setup.py install
bash scripts/download_alphafold_params.sh openfold/resources/   # 可直接用 AF2 权重

python run_pretrained_openfold.py fasta_dir/ pdb_mmcif/mmcif_files/ \
  --output_dir out/ --config_preset model_1_ptm \
  --model_device cuda:0

它与 AlphaFold2 的权重二进制兼容，可以直接加载官方参数做推理，也可加载 OpenFold 自训练的权重。

相对官方实现的差异

许可差异是很多团队选它的真实原因：AF2 官方权重带非商业限制，而 OpenFold 自行训练的权重许可更宽松，商业场景下的可用性不同。使用前仍需核对具体版本的条款。

什么场景真的需要它

• 要微调到特定蛋白家族：例如抗体、膜蛋白、特定折叠类型，通用模型表现不佳时，用自有结构数据微调可能改善。
• 要改架构做研究：想验证 Evoformer 的某个设计、换 MSA 处理方式、做消融实验——只有可训练的实现才能做。
• 要蒸馏或加速：把大模型压缩成更快的版本用于高通量场景。
• 要中间表示：OpenFold 便于取出 Evoformer 的嵌入表示，作为下游任务（功能预测、突变效应）的特征——这是很多实际项目用它的方式。

反过来说，如果只是想拿到某个蛋白的结构，完全不需要 OpenFold：用 AlphaFold Server、ColabFold 或直接查 AlphaFold DB 更快更省事。为一次性预测部署整套训练环境是明显的过度工程。

训练成本要有心理准备

• 从头训练需要数百 GPU-天量级的算力与 PDB 全量数据 + 自蒸馏数据集，绝大多数团队不现实。
• 微调成本低得多，但仍需多卡与相当规模的结构数据；样本太少时容易过拟合，收益不稳定。
• 训练与推理都要 MSA 数据库（数百 GB），存储与检索时间要提前规划。

延伸资源

• 教程与背景：019《AlphaFold Server 教程》、110《PyMOL 可视化》；
• 对照实现：192《Boltz》、193《Chai-1》、190《HelixFold3》；
• 蛋白语言模型路线：194《ESM》、195《ESMFold》。