字节开源 Protenix-v1：性能超越 AlphaFold 3 的全开源生物分子模型

Protenix-v1 是字节跳动开源的生物分子结构预测模型，能帮你预测蛋白质、核酸以及小分子配体等复合体的三维结构。

如果你做计算生物学或药物研发，以往想要复现或本地运行类似 AlphaFold 3 的全分子预测往往受限于闭源权重或缺失的数据管线。Protenix-v1 解决了这个问题，在相同的数据截止期和模型规模下，它的基准测试表现超过了 AlphaFold 3。

它能做到什么

Protenix-v1 的基础模型参数量约为 368M，规模与 AlphaFold 3 相当。它不仅支持传统的蛋白质单体与复合物，还支持模板信息与 RNA 多序列比对（MSA）特征。

对于抗原抗体结合等高难度靶点，它支持推理时间扩展。你可以把候选样本的抽样数量从几个增加到几百个，预测精度会呈现稳定的对数线性提升。

除了与 AlphaFold 3 同样以 2021 年 9 月 30 日为截止期的基准模型，团队还提供了一个训练数据截止到 2025 年 6 月 30 日的应用版本，更适合实际科研场景。

项目还配套开源了基准评测工具 PXMeter，去除了实验噪音和非生理相互作用，用于可复现的结构预测评估。

怎么跑起来与开放程度

整个 Protenix 项目的代码和 v1 版本的模型参数完全基于 Apache 2.0 协议开源，免费用于学术研究和商业用途。

更难得的是，团队不仅放出了权重，还开源了完整的训练数据处理管道和 MSA 管道，并集成了与 ColabFold 兼容的本地序列搜索。

想要上手，你可以直接通过 PyPI 安装官方包。运行 pip install --upgrade protenix 之后，准备一个包含分子序列和配体信息的 JSON 文件，在命令行调用 protenix pred 传入输入文件和模型名称即可输出结构预测结果。

需要留意的是，后续更新的 464M 参数 Protenix-v2 权重并未开源，属于专有资产，目前可自由下载和私有化部署的是 Protenix-v1。

为什么重要

在 AlphaFold 3 开启多生物分子联合预测之后，开源社区一直缺乏一个能够完全复现训练流程、且性能真正对齐甚至反超的开源底座。很多团队只能通过网页服务器调用有限的预测次数，难以做大规模靶点筛选或针对私有数据的微调。

我们认为，Protenix-v1 最大的价值不仅是跑赢了几个基准分数，而是把从数据清洗、特征提取、MSA 生成到模型推理的整套链路彻底拿了出来。计算生物学研究者和药企研发团队现在可以把这套系统直接部署在本地服务器上，不管是做学术复现还是搭建自有的分子设计流水线，都值得第一时间把它跑起来试一试。