位元組開源 Protenix-v1：效能超越 AlphaFold 3 的全開源生物分子模型

Protenix-v1 是字節跳動開源的生物分子結構預測模型，能幫你預測蛋白質、核酸以及小分子配體等複合體的三維結構。

如果你做計算生物學或藥物研發，以往想要復現或本地執行類似 AlphaFold 3 的全分子預測往往受限於閉源權重或缺失的資料管線。Protenix-v1 解決了這個問題，在相同的資料截止期和模型規模下，它的基準測試表現超過了 AlphaFold 3。

它能做到什麼

Protenix-v1 的基礎模型引數量約為 368M，規模與 AlphaFold 3 相當。它不僅支援傳統的蛋白質單體與複合物，還支援模板資訊與 RNA 多序列比對（MSA）特徵。

對於抗原抗體結合等高難度靶點，它支援推理時間擴充套件。你可以把候選樣本的抽樣數量從幾個增加到幾百個，預測精度會呈現穩定的對數線性提升。

除了與 AlphaFold 3 同樣以 2021 年 9 月 30 日為截止期的基準模型，團隊還提供了一個訓練資料截止到 2025 年 6 月 30 日的應用版本，更適合實際科研場景。

專案還配套開源了基準評測工具 PXMeter，去除了實驗噪音和非生理相互作用，用於可復現的結構預測評估。

怎麼跑起來與開放程度

整個 Protenix 專案的程式碼和 v1 版本的模型引數完全基於 Apache 2.0 協議開源，免費用於學術研究和商業用途。

更難得的是，團隊不僅放出了權重，還開源了完整的訓練資料處理管道和 MSA 管道，並集成了與 ColabFold 相容的本地序列搜尋。

想要上手，你可以直接通過 PyPI 安裝官方包。執行 pip install --upgrade protenix 之後，準備一個包含分子序列和配體資訊的 JSON 檔案，在命令列呼叫 protenix pred 傳入輸入檔案和模型名稱即可輸出結構預測結果。

需要留意的是，後續更新的 464M 引數 Protenix-v2 權重並未開源，屬於專有資產，目前可自由下載和私有化部署的是 Protenix-v1。

為什麼重要

在 AlphaFold 3 開啟多生物分子聯合預測之後，開源社群一直缺乏一個能夠完全復現訓練流程、且效能真正對齊甚至反超的開源底座。很多團隊只能通過網頁伺服器呼叫有限的預測次數，難以做大規模靶點篩選或針對私有資料的微調。

我們認為，Protenix-v1 最大的價值不僅是跑贏了幾個基準分數，而是把從資料清洗、特徵提取、MSA 生成到模型推理的整套鏈路徹底拿了出來。計算生物學研究者和藥企研發團隊現在可以把這套系統直接部署在本地伺服器上，不管是做學術復現還是搭建自有的分子設計流水線，都值得第一時間把它跑起來試一試。