RFdiffusion：保留关键片段，为蛋白质重新设计骨架

如果已经知道一个蛋白质中必须保留的小片段，能不能围绕它设计一副新的三维骨架？RFdiffusion 把这个问题变成生成任务：给出固定片段、长度或对称性等条件，从随机噪声逐步构造蛋白质骨架。它值得关注的地方，是把设计需求变成空间约束，让模型探索多种可供后续筛选的形状。

这里介绍的是 RosettaCommons 仓库中的原始 RFdiffusion 路线，对应 2023 年发表的研究。它适合想看懂蛋白质生成原理的 AI 读者，以及正在学习结构设计的人；不能将它与后续同系列模型混称为刚发布的最新版本。

从散乱坐标到有条件的结构

扩散模型在图像中逐步去除噪声，在这里处理的则是氨基酸残基的空间位置与朝向。训练时，研究者扰动已知蛋白质结构，让模型学习恢复；生成时，从随机状态出发，反复提出更合理的结构。指定了必须保留的片段后，生成过程就要围绕这部分信息展开。

官方原理示意。上方箭头表示加噪，底部从左向右的箭头表示生成；散乱的点逐渐形成右侧折叠结构。来源：RFdiffusion 仓库。打开原图可查看标注。

这套方法是在 RoseTTAFold 结构预测网络的基础上，针对去噪任务进行训练而来。研究中的一个关键设计是把上一轮的结构预测也交给下一轮参考，使多次修改沿着同一结构逐渐推进。它保留了结构模型学到的空间关系，又允许不同随机起点产生不同方案。原论文展示了无条件骨架、对称组装、功能片段支架和结合蛋白等任务，不能把某一任务的结果直接推广到全部设计要求。

一段固定片段，怎样长出新的周围结构

官方文档中的例子很直观：从输入 PDB 文件里选取 A 链第 10 至 25 号残基，要求在它前面生成 5 至 15 个残基，后面再生成 30 至 40 个残基。输入文件可以还有其他结构，但真正交给模型作为保留条件的是指定的那段。

这样安排长度范围，是因为研究者未必事先知道，连接成合适骨架究竟需要多少残基。模型每轮可以采样不同长度，围绕同一个片段生成多个方案。输出是候选骨架的坐标文件，以及记录输入输出残基对应关系等信息的文件。以上是官方示例的解析，未在本文运行。

官方片段支架示意。左侧框内是保留的绿色片段；后续画面展示粉色待生成区域由散点走向骨架。图说明条件如何保持，不能据此判断某个新设计的实验活性。来源：RFdiffusion 官方仓库。

我认为这个例子比“AI 能设计蛋白质”更能说明价值：用户不用先给出完整新结构，而可以只固定最重要的一部分，保留其余形状的探索余地。相应地，小片段给出的约束也可能太弱。官方为极小功能位点另设了专门训练的模型，说明同一个默认模型并不能稳定解决所有保留条件。

骨架之后，还有一段关键路程

RFdiffusion 主要生成骨架，设计区域在输出中可能以甘氨酸序列表示。后续通常要用 ProteinMPNN 等方法，为这副骨架设计具体氨基酸序列，再借助结构预测进行筛选，最后通过实验检验。把骨架文件直接视为完整功能蛋白，会跳过这条链路中最影响结果的部分。

原论文不只展示计算图片，也对一批对称组装体、金属结合蛋白和结合蛋白进行了实验表征，包括用结构实验比较设计模型与实际结构。这里的意义是方法有选定任务的实验支持；论文中用 AlphaFold2 置信度和结构偏差定义的“计算成功”，仍须与实验成功分开理解。

当前许可文件明确覆盖代码和 README 指向的模型权重，采用 BSD 三条款式条件，允许按条款商业使用；这不自动覆盖后续接入工具或所有训练数据。实际尝试需要模型权重、计算环境和结构知识。想继续深入，可以先读仓库的片段支架示例，观察输入条件如何限制输出，再进入序列设计与验证。