ホームDeep Learningbytedance/Protenix
// archived 2026-04-09
bytedance

Protenix

AI#Bioinformatics#Protein Structure Prediction#Deep Learning#Computational Biology
GitHub で見る →
1,752

// 概要

Protenix は、高精度な生体分子構造予測のために設計されたオープンソースのフレームワークであり、最先端の手法に匹敵する性能を持つモデルを提供します。本プロジェクトでは、抗体・抗原の構造予測やリガンド関連の妥当性において大幅な改善を示す Protenix-v2 を含む複数のバージョンが提供されています。Apache 2.0 ライセンスの下で公開されており、学術研究および商用研究の両方で自由に利用可能です。

// 技術解説

Protenix は、高精度な生体分子構造予測のために設計されたオープンソースのフレームワークであり、計算生物学コミュニティに対してアクセスしやすく拡張可能な基盤を提供することを目指しています。このプロジェクトは、テンプレートや RNA MSA の統合といった高度な機能をサポートするモジュール式アーキテクチャを採用しており、推論コストと予測性能のバランスをとるための軽量なバリエーションも提供しています。透明性の高いパイプラインと再現可能なベンチマークを提供することで、Protenix は最先端のプロプライエタリなモデルに対するオープンソースの代替手段というニーズに応え、Apache 2.0 ライセンスの下でコミュニティ主導の研究と商用利用を優先した重要なトレードオフを実現しています。

// 主要ハイライト

01
複雑な抗体-抗原相互作用のサポートを含む、生体分子の高精度な構造予測を実現します。
02
Protenix-Mini のような軽量なモデルバリエーションを提供し、精度を大きく損なうことなく計算推論コストを大幅に削減します。
03
共有変数キャッシュ、効率的なカーネルフュージョン、TF32 アクセラレーションなどの高度な推論最適化を含み、スループットを向上させます。
04
原子レベルの接触やポケット制約といった物理的先行知識をサポートし、構造予測の精度を高めます。
05
完全にオープンソースのトレーニングおよび MSA パイプラインを備えており、研究者が結果を再現し、特定のユースケースに合わせてモデルをカスタマイズすることを可能にします。
06
タンパク質結合設計のための PXDesign や、標準化されたアーティファクトのないモデル評価のための PXMeter を含む包括的なエコシステムを提供します。

// ユースケース

01
タンパク質やリガンドを含む生体分子構造の高精度な予測
02
統合された PXDesign モデルスイートを使用した de novo タンパク質結合剤の設計
03
PXMeter ツールキットによる構造予測モデルの再現可能な評価

// クイックスタート

Protenix を使い始めるには、pip を使用して 'pip install protenix' でパッケージをインストールしてください。インストール後、JSON 入力ファイルを指定し、目的のモデルバージョンを選択して 'protenix pred' コマンドを実行することで、構造予測を行うことができます。詳細なワークフローについては、提供されている推論デモスクリプトおよびデータ前処理に関するドキュメントを参照してください。