ProteinMPNN：蛋白序列设计工具实战

ProteinMPNN（Baker 实验室，Science 2022）解决蛋白设计的「逆折叠」问题：给定一个三维骨架，设计出能折叠成该形状的氨基酸序列。它最有说服力的地方不是基准分数，而是湿实验验证的成功率——相比 Rosetta 的固定骨架设计有数量级提升，且设计出的蛋白可溶性、表达量普遍更好。

部署与运行

git clone https://github.com/dauparas/ProteinMPNN.git
cd ProteinMPNN

python protein_mpnn_run.py \
  --pdb_path backbone.pdb \
  --pdb_path_chains "A" \
  --out_folder ./designs \
  --num_seq_per_target 32 \
  --sampling_temp "0.1" \
  --seed 37 --batch_size 8

模型很小（几 MB），CPU 也能跑，几秒钟出几十条序列。这是它易于大规模使用的重要原因。

关键参数

参数	作用	建议
--sampling_temp	采样温度	0.1 保守（高置信、多样性低）；0.2～0.3 兼顾多样性
--num_seq_per_target	每骨架序列数	32～100，后续再筛
--fixed_positions_jsonl	固定某些残基	保留催化位点、结合界面关键残基
--omit_AAs	排除氨基酸	常排除 C（避免非预期二硫键）
--ca_only	仅用 Cα	骨架质量粗糙时更鲁棒
--use_soluble_model	可溶性权重	设计可溶蛋白时开启

固定关键位点几乎总是必要的：催化三联体、金属配位残基、与靶标接触的界面残基，一旦被重设计，功能就没了。

在设计流程中的位置

标准的从头设计三段式管线：

• 1. 生成骨架：RFdiffusion（见 197《RFdiffusion》）按约束生成三维骨架；
• 2. 设计序列：ProteinMPNN 为骨架填氨基酸；
• 3. 验证折叠：AlphaFold2 / ESMFold 预测设计序列的结构，看是否回到目标骨架。

第 3 步的判据通常是：预测结构与设计骨架的 Cα RMSD < 2 Å，且 pLDDT > 80。这个「设计-验证」自洽循环是筛掉大部分失败设计的关键，能把湿实验的命中率显著提高。做结合物设计时，还会加看界面的 ipTM。

# 典型串联：每个骨架出 N 条序列，逐条用 ESMFold 回测
for pdb in backbones/*.pdb; do
  python protein_mpnn_run.py --pdb_path $pdb --out_folder designs/ \
    --num_seq_per_target 48 --sampling_temp "0.1"
done
# 再对 designs/seqs/*.fa 批量跑 ESMFold，按 RMSD 与 pLDDT 过滤

注意事项

• 它不判断功能，只判断可折叠性：序列能折成目标形状 ≠ 有活性。功能需要靠约束设计（固定功能位点）和实验验证。
• 骨架质量决定上限：垃圾骨架进，垃圾设计出。骨架本身不合理时，再好的序列设计也救不回来。
• 温度影响明显：低温度序列更保守、更可能折叠成功但趋同；需要多样性时适当升温并加大采样量。
• 仍需实验验证：计算自洽只是过滤，表达、可溶性、活性最终要靠湿实验说话。

延伸资源

• 骨架生成：197《RFdiffusion》；折叠验证：195《ESMFold》、192《Boltz》；
• 经典对照：198《Rosetta》、199《PyRosetta》；
• 蛋白设计与抗体见「新药模态」模块。