AbseekTM引入 Protenix：开启开放式多分子结构预测新时代

行业洞察

面向抗体药物研发与结构生物学，当前多分子结构预测在实际落地中面临以下共性挑战：

• 多分子场景碎片化：单体模型难以覆盖蛋白–蛋白、蛋白–小分子、蛋白–核酸等多种体系，流程割裂、切换成本高。
• 预测与实验脱节：难以融合距离约束、表位或配体位点等实验信息，无法形成“预测–验证”的闭环。
• 黑箱与不可复现：闭源模型难以审计与再训练，参数与数据流程不可得，阻碍方法创新与合规。
• 复杂体系算力昂贵：多链复合体建模耗时长、显存占用高，难以支撑规模化筛选与快速迭代。
• 抗体–抗原任务难度高：界面建模与评分不稳定，DockQ、RMSD 等指标波动大，难以支撑候选优先级决策。
• 企业级需求未被满足：亟需统一架构、可控成本、可复现管线，并与现有工作流无缝集成。

导语

基于上述行业洞察与落地难点，Abseek^TM智能计算平台现已正式部署 Protenix ——一款由 ByteDance AML AI4Science 团队研发、完全开源的多分子结构预测基础模型。作为 AlphaFold3 的开源复现，Protenix 能够在统一架构下精确预测蛋白–蛋白、蛋白–小分子、蛋白–核酸等复杂体系，实现从单体到复合体的全场景建模。它的引入旨在解决黑箱不可复现、算力昂贵、与实验脱节等核心挑战，显著提升平台在抗体–抗原建模、药物结合预测等任务中的计算效率与准确性，同时标志着 Abseek^TM 平台迈入开放式 AI 结构预测新阶段——让科研者能够直接使用、验证与改进最前沿的结构生成模型。可前往分子结构预测模块体验。

Protenix 是什么？

Protenix 是一款多模态分子结构预测模型（multi-modal structure prediction model），在统一框架下支持蛋白、核酸与小分子的端到端结构建模。它以 AlphaFold3 的架构为基础，通过完全开源的训练、推理与数据流程，首次将多分子协同预测能力开放给研究社区。

在官方技术报告中，Protenix 展示出卓越的综合性能：

• 蛋白–小分子对接成功率（RMSD ≤ 2 Å）高于 80%；
• 蛋白–蛋白复合体预测成功率（DockQ > 0.23）平均高于 70%；
• 抗体–抗原体系预测成功率（DockQ > 0.23）最高达 35.5%。

Protenix 不仅是一个算法，更是一个开放科学的象征——它让复杂的结构预测从“黑箱”转变为可重现、可验证、可持续演进的智能工具。

部署后为 AbSeekTM 带来的新变化

Protenix 的部署，为平台带来了一次系统性的升级，从模型架构到用户体验，全面优化了多分子建模能力。

1. 从单体到复合体：一次输入，多类型预测

传统模型通常针对单一分子类型，如 AlphaFold2 专注于蛋白单体。Protenix 支持多模态输入，可同时处理：

• 蛋白–蛋白复合体（含抗体–抗原体系）；
• 蛋白–小分子结合体系；
• 蛋白–DNA/RNA 复合体；
• 含修饰残基、金属离子、辅因子的结构体系。

部署后，平台用户仅需上传序列或结构文件，即可生成多类型复合体模型，真正实现一次预测，多场景适配。

2. 高性能计算优化：更快、更稳、更经济

Protenix 在推理端集成BF16 混合精度计算与定制 CUDA Kernel 加速，相比传统 AlphaFold2 多链模型，在同等算力下可实现：

• 训练速度提升 30–50%；
• 推理时间缩短至 10 分钟内；
• 显存占用降低近一半。

3. 与实验数据融合：让预测更贴近真实结构

Protenix 在推理中可融合实验约束（experimental restraints）信息，如距离约束、已知表位或配体位点。当用户提供部分实验数据时，模型能自动调整结构采样分布，使预测更接近真实构象。研究显示：

• 添加 1 组约束信息后，DockQ 成功率提升约 20%；
• 融入 4 组约束信息后，预测精度提升超过一倍。

平台的交互界面允许用户通过表单输入实验约束，无需手动构建输入文件，即可调用 Protenix 的约束建模模块。进入AbSeekTM 平台即可体验。

哪些用户需要用 Protenix？

1. 生物制药企业

• 加速候选筛选与结构验证：从序列到复合体结构建模全自动化，减少计算依赖与人力成本；
• 支持亲和力分析与突变评估：结合模型置信度指标，可量化结构差异与结合能变化；
• 增强项目透明度：生成的结构结果可直接嵌入内部管线，实现预测–实验闭环。

2. 科研机构与高校实验室

• 降低建模门槛：无需高性能 GPU 或命令行操作，通过图形界面即可完成预测；
• 促进实验协同：可在预测中直接输入实验约束，实现“实验驱动预测”；
• 拓宽研究方向：支持非典型序列、合成肽、嵌合抗体、核酸复合体等创新研究对象。

3. AI for Science 研究者

• 完全可复现的架构与数据集：公开训练集、模型参数与算法修正细节；
• 支持再训练与迁移学习：用户可基于平台微调模型，用于特定任务；
• 推动开源生态：与 OpenFold、HelixFold3、Chai-1 等项目形成互补，构建开放科学社区。

从模型到生态，构建智能分子结构新基石

Protenix 的部署，使我们的 Abseek^TM 正式完成从序列到结构、从预测到实验的全链路闭环。这一模型不仅是技术创新，更是科研生态的革新。

未来，我们将持续推动以下方向：

• 提升抗体–抗原复合体预测精度，优化界面建模能力；
• 加强实验数据融合机制，让模型更好理解真实生物体系；
• 推动开放科学合作，让更多研究者共享、改进与再创造 Protenix。

立即体验：在AbSeekTM 平台分子结构预测模块中选择 Protenix，上传序列或复合体文件，即可快速生成高置信度预测结构。

开放合作：我们欢迎高校、科研机构与产业伙伴共同探索 Protenix 在抗体药物研发、结构生物学及多模态分子建模中的创新应用。