Protenix-v1: Toward High-Accuracy Open-Source Biomolecular Structure Prediction

本文介绍了首个在训练数据、模型规模及推理预算严格对标 AlphaFold3 的前提下实现更优性能且完全开源的 Protenix-v1 模型，该模型不仅具备推理时扩展性、模板整合及 RNA 支持等关键能力，还发布了基于更新数据的增强版本并提出了更可靠的评估基准，为生物分子结构预测领域奠定了坚实基础。

要点

这是一篇关于Protenix-v1的论文介绍。简单来说，这是一项由字节跳动（ByteDance）团队开发的“开源生物大分子结构预测”新技术。

为了让你更容易理解，我们可以把预测蛋白质结构想象成在没有任何图纸的情况下，仅凭一串字母（氨基酸序列）去拼出一个极其复杂的 3D 乐高模型。

以下是这篇论文的通俗解读：

1. 核心成就：开源界的“新王者”

• 背景：以前，预测蛋白质结构最厉害的是谷歌 DeepMind 的 AlphaFold3，但它是个“黑盒”（闭源），大家看不到内部代码，也不能随意修改。虽然有很多开源模型（大家都能用的），但它们的水平一直比 AlphaFold3 差一截。
• 突破：Protenix-v1 是第一个完全开源的模型，它的表现追平甚至超越了 AlphaFold3。
• 公平性：为了证明它真的强，团队设定了严格的“公平竞赛”规则：大家用的训练数据截止时间一样、模型大小一样、计算资源预算也一样。在这种公平条件下，Protenix-v1 赢了。

2. 独特的“超能力”：越算越准（推理时扩展）

• 以前的痛点：很多开源模型就像“一锤子买卖”，你让它算一次，它给一个结果。如果算不准，你也没办法，因为它不会“多想想”。
• Protenix-v1 的妙处：它像是一个勤奋的工匠。如果你给它更多的时间（计算资源），让它多尝试几百种拼法（采样），它就能从中挑出最好的那个。
  • 比喻：就像你让一个人猜一个复杂的密码。第一次猜可能不对，但如果你让他猜 100 次，他就能从这 100 次里挑出最接近的那个。这种“多算几次就变强”的能力，以前只有 AlphaFold3 有，现在开源模型也有了。

3. 功能升级：不仅懂蛋白，还懂“搭档”

• 全能选手：以前的模型可能只擅长预测单个蛋白质。Protenix-v1 不仅能预测蛋白质，还能预测：
  • 蛋白质 + 药物分子（这对新药研发超级重要，就像帮设计师找最合适的钥匙开锁）。
  • 蛋白质 + RNA（细胞里的另一种重要分子）。
  • 抗体 + 抗原（比如新冠疫苗里抗体如何抓住病毒）。
• 新工具：它还引入了“模板”功能，就像拼乐高时参考一下说明书，让预测更准。

4. 两个版本：一个为了“考试”，一个为了“实战”

团队发布了两个版本，就像学生为了“考试”和为了“工作”准备了两种复习策略：

• Protenix-v1 (标准版)：训练数据截止到 2023 年初。这是为了公平考试，用来和 AlphaFold3 比谁更厉害，证明开源模型也能行。
• Protenix-v1-20250630 (实战版)：训练数据更新到了 2025 年 6 月。这是为了真实工作（比如制药公司明天就要用）。因为它学了更多最新的结构数据，所以在处理现实中遇到的新病毒、新药物时，表现更好。

5. 给科学界的“新尺子”

• 发现问题：团队发现以前的很多“考试题目”（基准测试）有漏洞。比如，有的模型因为内存不够算不出来，就被直接排除，导致最后的成绩单不公平；或者题目太少，运气好就能拿高分。
• 提出方案：他们重新设计了一套更严谨、更透明的评分标准和测试题库，确保以后大家比成绩时，是在同一起跑线上，而且结果更可信。

总结

这篇论文宣告了开源生物预测领域的一个里程碑：

1. 打破垄断：开源模型终于能和最顶尖的闭源模型（AlphaFold3）正面硬刚并获胜。
2. 实用性强：不仅理论强，还能通过增加计算量来换取更高的精度，非常适合药物研发等实际场景。
3. 推动进步：通过发布更好的工具和标准，让全球科学家能更公平、更透明地一起进步。

这就好比以前只有少数人手里有“超级地图”（AlphaFold3），现在大家不仅拿到了同样好用的“开源地图”，还学会了怎么让地图越看越清晰，并且重新制定了“看地图比赛”的规则，让所有人都能更好地探索生命的奥秘。

技术摘要

Protenix-v1 技术总结

1. 研究背景与问题 (Problem)

生物分子结构预测在基础生物学研究和药物发现中至关重要。尽管开源生态系统（如 AlphaFold2 的后续开源模型）发展迅速，但开源模型与 AlphaFold3 之间仍存在显著的性能差距。此外，AlphaFold3 作为闭源模型，其不透明性阻碍了系统性的公平比较和全面评估。现有的开源基准测试（如 FoldBench）在数据覆盖度、统计方差控制以及评估子集的一致性上存在缺陷，导致跨模型比较不可靠。

核心问题：

1. 是否存在一个完全开源的模型，能在严格对齐训练数据截止时间、模型规模和推理预算的前提下，达到或超越 AlphaFold3 的性能？
2. 如何构建更公平、更稳健的评估体系，以消除现有基准测试中的偏差（如数据子集不一致、方差过大）？
3. 开源模型是否具备类似 AlphaFold3 的“推理时扩展（Inference-time Scaling）”能力，即通过增加计算预算提升预测质量？

2. 方法论 (Methodology)

2.1 模型架构与训练

• Protenix-v1 (PX-v1)：首个完全开源的生物分子结构预测模型，旨在与 AlphaFold3 在同等条件下（相同训练数据截止时间、模型规模、推理预算）进行公平对比。
• 数据策略：
  • 严格对齐：Protenix-v1 使用与 AlphaFold3 相同的训练数据截止时间（2023-01-12 左右，具体视 FoldBench 定义而定），确保公平性。
  • 增强数据管道：引入了蛋白质模板整合（Protein Template Integration）和 RNA MSA 支持。
  • 蒸馏与扩展：采用了针对无序区域的蒸馏（disorder-focused distillation）和基于 MGnify 的大规模单体蒸馏。
• 推理配置：采用基于扩散（Diffusion-based）的推理，与 AlphaFold3 超参数设置一致。通过 MSA 子采样、Pair Embeddings 的推理时 Dropout 以及扩散轨迹的随机性引入多样性。

2.2 评估体系重构 (Evaluation Framework)

为了克服现有基准的缺陷，作者构建了更严谨的评估体系：

• 修正的 FoldBench：强制要求所有对比模型在**成功评估的样本交集（Common Intersection）**上进行计算，消除因 OOM（显存溢出）或评估失败导致的数据子集不一致问题。
• 方差感知协议：引入Bootstrap（自举法），使用 20 个随机种子（每个种子生成 5 个扩散样本）来评估指标，计算置信区间，以应对小样本数据集（如抗体 - 抗原复合物）的高方差问题。
• 分层基准测试 (Year-Stratified Benchmarks)：
  • 构建了 PXM-2024 和 PXM-2025，分别基于 2024 年和 2025 年发布的 PDB 条目。
  • 构建了 PXM-22to25 系列（针对配体和抗体），聚合 2022-2025 年数据以增强统计效力。
  • 构建了 PXM-2025H2，专门用于评估在更严格截止日（2025 年 6 月 30 日）后训练的模型变体。

2.3 模型变体

• Protenix-v1：标准版本，严格对齐 AlphaFold3 数据截止。
• Protenix-v1-20250630：面向实际应用的变体，训练数据截止至 2025 年 6 月 30 日，利用更多近期结构数据提升对新发布靶点的预测能力。
• Protenix-v1-wo-RNA-MSA：消融实验版本，移除 RNA MSA 输入，用于验证 RNA 支持模块的有效性。

3. 关键贡献 (Key Contributions)

1. 首个超越 AlphaFold3 的开源模型：Protenix-v1 在严格控制的条件下（同数据截止、同规模），在多项基准测试中达到或超越了 AlphaFold3 的性能，证明了开源模型与闭源顶尖模型之间的性能差距并非不可逾越。
2. 揭示推理时扩展行为 (Inference-time Scaling)：
   • 发现 Protenix-v1 具备类似 AlphaFold3 的推理时扩展特性：对于挑战性靶点（如抗体 - 抗原复合物），增加采样预算（从基线增加到数百个候选结构）能带来对数线性（log-linear）的精度提升。
   • 这为开源社区提供了通过增加计算资源换取精度的实用控制机制。
3. 构建更公平的评估标准：
   • 指出了 FoldBench 等现有基准在数据覆盖和方差上的缺陷。
   • 提出了基于“成功样本交集”和"Bootstrap 方差分析”的修正评估协议，并发布了更新的评价工具和分层基准数据集。
4. 功能增强：
   • 原生支持 RNA MSA 和 蛋白质模板 整合。
   • 发布了面向药物发现的 Protenix-v1-20250630 版本，在最新数据上表现更优。
5. 设计过滤器验证：验证了 Protenix-v1 的置信度分数（ipTM, pTM, pLDDT）作为蛋白质结合剂设计（Binder Design）筛选器的有效性，在多个靶点上 AUC 和平均精度（AP）表现最佳。

4. 实验结果 (Results)

4.1 综合性能对比 (FoldBench & PXM)

• FoldBench：在修正后的公平对比中，Protenix-v1 在蛋白质 - 蛋白质和抗体 - 抗原界面预测上优于 AlphaFold3；在蛋白质 - 配体和蛋白质 -DNA 任务上略逊于或持平 AlphaFold3，但显著优于其他开源基线（如 Boltz-1, Chai-1）。
• PXM-2024/2025：在所有六个评估域（单体、蛋白 - 蛋白、抗体 - 抗原、蛋白 - 配体、蛋白 -RNA、蛋白 -DNA）中，Protenix-v1 均一致优于现有开源基线。
  • 在 PXM-2024 的蛋白 - 蛋白界面预测上，相比领先开源基线有约 10% 的相对提升。
  • 基于置信度的结构选择（Selected）相比中位数（Median）有显著提升，特别是在抗体 - 抗原和蛋白 -DNA 界面上，提升幅度达 10%-30%。

4.2 推理时扩展 (Inference-time Scaling)

• 在 PXM-22to25-Antibody 基准上，随着采样种子数从 1 增加到 100，DockQ 成功率 (SR) 从 36.01% 提升至 47.68%，lDDT 分数也显著提升。这证明了通过增加计算预算可以显著优化预测质量。

4.3 特定任务表现

• 抗体 - 抗原 (Antibody-Antigen)：Protenix-v1 在多个抗体基准（包括修正后的 FoldBench 和 PXM-22to25）上均取得 SOTA，显著优于 Boltz-1 和 Chai-1。
• 蛋白 - 配体 (Protein-Ligand)：在 PXM-22to25-Ligand 上，Protenix-v1 实现了最低的配体 RMSD (2.772 Å) 和最高的 RMSD<2Å 成功率 (72.79%)。
• 设计筛选 (Design Filter)：在区分结合与非结合设计任务的二分类评估中，Protenix-v1 在绝大多数靶点上获得了最高的 AUC 和 AP 分数，优于 Chai-1 和 Boltz-1。

4.4 变体性能

• Protenix-v1-20250630：在包含其训练数据的 PXM-2024 上表现优异；在完全未见过的 PXM-2025H2 上，特别是在抗体 - 抗原任务上，显著优于标准版 Protenix-v1，证明了数据扩展在数据稀疏领域的价值。
• 消融实验：移除 RNA MSA 后，蛋白 -RNA 和 RNA 单体任务性能下降，而其他任务性能保持稳定，证实了 RNA MSA 模块的有效性。

5. 意义与影响 (Significance)

1. 开源生态的里程碑：Protenix-v1 打破了开源模型在性能上无法匹敌 AlphaFold3 的固有认知，为开源社区提供了一个强大的、可复现的 SOTA 基线。
2. 方法论的革新：论文指出的基准测试缺陷（如数据子集不一致、缺乏方差控制）对领域具有警示意义，提出的修正协议和分层基准为未来的公平评估树立了新标准。
3. 实用价值：
   • 推理时扩展：允许用户根据计算资源灵活调整精度，特别适用于对精度要求极高的药物发现场景。
   • 双版本策略：提供了“严格基准版”和“实际应用版（20250630）”，满足不同场景需求。
4. 社区资源：开源了模型权重、代码以及更新的评价工具（PXMeter），极大地降低了复现和进一步研究的门槛，推动了生物分子结构预测领域的透明化和可复现性。

总结：Protenix-v1 不仅是一个性能卓越的预测模型，更是一套关于如何公平评估、如何理解模型扩展性以及如何构建可靠基准的完整方法论，为未来开源生物分子 AI 的发展奠定了坚实基础。