Protenix官网使用入口，一款面向蛋白质结构预测与相关分析的工具库

Protenix是字节跳动开源的一款面向蛋白质（及核酸-蛋白复合物）结构预测与相关分析的工具库，基于Apache License 2.0协议开源，代码托管于 [GitHub – bytedance/Protenix]，聚焦于解决生物大分子结构预测的高效性、易用性和硬件兼容性问题。

Protenix功能特点：

1、硬件兼容性与高性能：

– 跨硬件适配：针对消费级 GPU（RTX 3090/4090）做了 Triton 内核兼容优化，当 Triton 不可用/不支持时，自动降级为 PyTorch 原生实现，无需修改代码即可在消费级硬件运行；

– 高效计算优化：

– 采用 Triton 编写的自定义注意力内核（`tri_attention`），并通过自动调优（autotune）提升注意力计算效率；

– 实现融合版 AdamW 优化器（Fused AdamW），针对 CUDA 设备加速训练过程；

– 分布式训练支持：集成 PyTorch 分布式（`torch.distributed`），支持多卡训练与 loss 异常检测（NaN/Inf 检查）。

2、多分子类型支持：

– 支持蛋白质链（ProteinChain）、DNA 序列、RNA 序列的结构预测，可定义分子拷贝数（count）；

– 支持配体（Ligand）、离子（Ion）建模，支持 CCD 格式的修饰类型（如 CCD_P4G、CCD_MG）与位点指定；

– 提供分子修饰可视化与编辑组件（基于 ipywidgets 的交互式界面），支持手动添加/删除修饰、校验序列合法性（如蛋白序列仅允许 ARNDCQEGHILKMFPSTWYVX 等字符）。

3、易用性与工程化：

– 配置化管理：提供统一的配置加载/解析/保存工具（`protenix.config`），支持训练参数、模型参数的灵活配置；

– 完整的工程链路：

  – 内置 CI/CD 流程：GitHub Actions 自动完成代码 lint、测试、PyPI 发布；

  – 标准化代码规范：所有核心文件包含字节跳动版权声明与 Apache 2.0 协议头，代码结构清晰（utils/、model/、data/、web_service/ 等模块解耦）；

– 交互式工具：提供基于 ipywidgets 的 Web 可视化组件（`protenix.web_service.viewer`），支持序列编辑、修饰添加、共价键定义等可视化操作。

4、可扩展性与开源协作：

– 清晰的贡献流程：提供 CONTRIBUTING.md 规范，支持通过 Issue 提交问题、PR 提交代码，鼓励设计文档（Design Docs）先行的协作模式；

– 模块化设计：核心模块（训练工具、Tokenizer、注意力内核、配置管理）解耦，便于自定义扩展（如新增优化器、自定义注意力内核）；

– 开源协议友好：Apache 2.0 协议允许商用、修改、分发，仅需保留版权声明与协议文本。

Protenix快速上手教程：

1、环境准备：

Protenix 基于 Python 3.11 开发，建议使用虚拟环境部署：

# 克隆代码库
git clone https://github.com/bytedance/Protenix.git
cd Protenix

# 安装依赖
pip install --upgrade pip
pip install -r requirements.txt

# 可选：安装开发依赖（测试/lint）
pip install flake8 pytest

2、基础使用：序列输入与结构预测：

Protenix 支持 JSON 格式的输入文件定义分子序列与修饰，示例参考 examples/example.json：

{
  "sequences": [
    {
      "proteinChain": {
        "sequence": "MGSSHHHHHHSSGLVPRGSHMSGKIQHKAVVPAPSRIPLTLSEIEDLRRKGFNQTEIAELYGVTRQAVSWHKKTYGGRLTTRQIVQQNWPWDTRKPHDKSKAFQRLRDHGEYMRVGSFRTMSEDKKKRLLSWWKMLRDNDLVLEFDPSIEPYEGMAGGGFRYVPRDISDDDLLIRVNEHTQLTAEGELLWSWPDDIEELLSEP",
        "count": 1,
        "msa": {
          "precomputed_msa_dir": "./examples/7r6r/msa/1",
          "pairing_db": "uniref100"
        }
      }
    },
    {
      "dnaSequence": {
        "sequence": "TTTCGGTGGCTGTCAAGCGGG",
        "count": 1
      }
    }
  ],
  "name": "7r6r"
}

核心步骤：：

1、定义蛋白/DNA/RNA 序列、拷贝数、MSA（多序列比对）路径；

2、（可选）添加配体/离子（如 CCD_MG，指定拷贝数）；

3、调用模型训练/预测接口，基于配置文件指定训练参数（学习率、优化器、硬件类型等）。

3、模型训练：

Protenix 提供封装好的优化器工具（`protenix.utils.training`），可快速构建训练流程：

import torch
from protenix.utils.training import get_adamw, get_optimizer
from protenix.config import load_config

# 加载配置
config = load_config("path/to/config.yaml")

# 初始化模型（示例）
model = YourProteinModel()  # 自定义/加载Protenix内置模型
device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)

# 构建优化器
optimizer = get_optimizer(
    configs=config,
    model=model,
    param_names=["backbone", "attention"]  # 可选：指定微调参数
)

# 训练循环（示例）
for epoch in range(config.train.epochs):
    loss = model.train_step()  # 自定义训练步
    # 检查loss是否异常
    from protenix.utils.training import is_loss_nan_check
    if is_loss_nan_check(loss):
        print("Loss异常，终止本轮训练")
        continue
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

4、交互式可视化：

Protenix 提供基于 ipywidgets 的交互式组件，可快速编辑分子序列与修饰：

from protenix.web_service.viewer import DnaRnaProteinEntityWidget, LigandIonCCDEntityWidget

# 初始化蛋白/DNA/RNA编辑组件
widget = DnaRnaProteinEntityWidget()
display(widget)  # 在Jupyter Notebook中显示

# 初始化配体/离子编辑组件
ligand_widget = LigandIonCCDEntityWidget()
display(ligand_widget)

# 获取编辑后的结果（自动校验序列合法性）
result = widget.get_result()

Protenix应用场景：

1、基础科研：蛋白质结构预测：

– 针对未知功能的蛋白序列，预测其三维结构，辅助功能注释；

– 研究突变（如氨基酸替换）对蛋白结构的影响，结合修饰位点建模（如磷酸化、配体结合）。

2、药物研发：靶点-配体复合物建模：

– 建模蛋白-小分子配体/离子复合物结构，辅助药物分子设计；

– 分析DNA/RNA-蛋白复合物的相互作用，研究基因调控机制。

3、硬件适配验证：跨平台计算：

– 在消费级GPU（RTX 3090/4090）上验证蛋白结构预测流程，降低科研成本；

– 对比 Triton 加速版与原生 PyTorch 实现的性能差异，优化计算流程。

4、工具链二次开发：

– 基于 Protenix 的 Triton 注意力内核，自定义生物大分子注意力机制；

– 扩展优化器、训练流程，适配特定场景（如低精度训练、超大序列预测）；

– 集成到生物信息学平台，提供结构预测的可视化交互功能。

进入Protenix官网入口