Foundry轻量级部署蛋白质设计这类生物分子AI模型怎么在个人电脑上跑起来【免费下载链接】foundryCentral repository for biomolecular foundation models with shared trainers and pipeline components项目地址: https://gitcode.com/GitHub_Trending/foundry25/foundry场景你手上有一个靶蛋白想让计算机替你设计一个能互补结合的蛋白再验证设计出来的序列能不能折回预期形状。Foundry轻量级部署正是为这类本地运行需求准备的——这个生物分子基础模型的中央仓库把RFdiffusion3设计、ProteinMPNN逆折叠、RosettaFold3结构预测三个重器打包进同一个 pip 包生物分子AI 本地运行一台笔记本就能完成不用碰集群。 场景给一个靶蛋白设计互补蛋白这类个人电脑蛋白质设计任务不只是生成一个结构。完整流程分三段先由RFdiffusion3在约束条件下固定热点、配体、对称性要求等生成新骨架再由ProteinMPNN在这个骨架上设计氨基酸序列最后由RosettaFold3把序列重新折回结构和设计方案对比看它稳不稳。Foundry里的三个模型恰好对应这三段官方notebook examples/all.ipynb 把它们串成了完整演示。RFD3全原子设计的三张示例结构从小型结合蛋白到含配体的复杂体系动手前的机器要求清单项目最低线说明Python3.12 及以上rc-foundry要求 Python ≥ 3.12内存8GB设计任务建议 16GB 以上显卡NVIDIA CUDA 卡可选CPU 也能跑只是更慢系统Linux / macOS / WindowsWindows 用户建议用 WSL2PyTorch、AtomWorks 等核心依赖由包管理器自动解析不用你逐个安装。跑通的三小步装包、权重、验证先装什么pip install rc-foundry[all]只想要设计模型、不想装其余的RFdiffusion3 安装可以缩小为pip install rc-foundry[rfd3]。提示Intel XPU 显卡用户先装 XPU 版 PyTorch再用 pip而非 uv安装rc-foundry[all]避免依赖重解析把 XPU 版 torch 换掉。权重放哪儿权重不含在安装包里需要单独下载默认落到~/.foundry/checkpointsfoundry install base-models --checkpoint-dir ~/.foundry/checkpoints提示权重分散在多块磁盘时设置环境变量FOUNDRY_CHECKPOINT_DIRS冒号分隔追加搜索目录推理时就不用每次传路径。怎么确认没装坏foundry list-installed看到 rfd3、rf3、mpnn 三个权重都列出来安装就算成功。想直观一点打开 examples/all.ipynb 跑前几个单元格它是三个模型的端到端演示。用一条命令跑通RFdiffusion3蛋白质设计权重就位后直接指向仓库自带的示例输入 JSONrfd3 design out_dirlogs/inference/demo inputsmodels/rfd3/docs/examples/demo.json输入 JSON 里写的是设计约束哪些残基固定、长度区间、有无配体等字段全表见 models/rfd3/docs/input.md生成的结构会写进out_dir指定的目录。另外两个模型也各是一条命令rf3 fold做结构预测mpnn则是对已有结构做 ProteinMPNN 本地推理的逆折叠。RFD3 设计固定酶活性位的过程随扩散步数减少结构从模糊逐渐成形最终补全侧链相互作用设计可信度怎么验把设计序列再丢回 RF3 折一次把预测结构和设计结构叠在一起看——贴合度越高设计越可信80 个残基蛋白的两个结构叠加预测结果与设计骨架贴合程度直观反映设计可行性显存告急怎么办如果你遇到显存 OOM先缩推理批量默认配置里diffusion_batch_size是 8命令后追加diffusion_batch_size4还不够就再追加low_memory_modeTrue切到省内存的 tokenization 模式两个字段都在 models/rfd3/configs/inference_engine/rfdiffusion3.yaml。如果完全没显卡、想纯 CPU 跑框架提供了 CPU 配置示例参考 models/rfd3/configs/trainer/cpu.yaml具体推理参数组合参考官方docs确认速度会比 GPU 慢但单次 demo 依然能出结果。如果跑通了但嫌慢就降工作量num_timesteps默认 200控制扩散采样步数n_batches控制一次生成几个结构先调低这两项单次时长会明显缩短。下一步去哪儿从跑通到玩起来想深入入口有三个models/rfd3/README.md 是 RFD3 的完整文档附各种设计场景教程models/rf3/README.md 讲结构预测想在一个 notebook 里把三个模型顺一遍examples/all.ipynb 有从骨架生成到结构验证的全流程。下载好的权重统一放在~/.foundry/checkpoints随时foundry list-available可查有哪些新权重。跑通之后可以试个小实验拿一个你熟悉的蛋白用 RFD3 固定它的活性位残基去生成新的结合蛋白再把设计序列交给 RF3 折回和设计方案叠一起看——形状还对得上你就亲手走完了从头蛋白设计的完整流程。【免费下载链接】foundryCentral repository for biomolecular foundation models with shared trainers and pipeline components项目地址: https://gitcode.com/GitHub_Trending/foundry25/foundry创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
