可用于设计蛋白质、肽段等与目标分子结合的结构。通过配置 YAML 文件指定设计目标，支持多种设计协议，能生成并优化排名的设计结果，需 GPU 运行。【此简介由AI生成】
| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
| 9 个月前 | ||
| 9 个月前 | ||
| 5 个月前 | ||
| 8 个月前 | ||
| 3 个月前 | ||
| 6 个月前 | ||
| 9 个月前 | ||
| 9 个月前 | ||
| 9 个月前 | ||
| 9 个月前 | ||
| 6 个月前 | ||
| 9 个月前 | ||
| 3 个月前 |
以下内容由 AI 翻译，如有问题请 点此提交 issue 反馈
安装
在 python >=3.11 的环境中：
pip install boltzgen
点击查看详细安装说明
1 - 安装 Miniconda
选择适合您操作系统的安装程序，下载并按照屏幕提示进行操作：
- Windows： https://www.anaconda.com/docs/getting-started/miniconda/install#windows-installation
- macOS / Linux： https://www.anaconda.com/docs/getting-started/miniconda/install#macos-linux-installation
安装完成后，打开终端 / 命令提示符（Windows 系统可能需要搜索 “Anaconda Prompt”）。
2 - 创建 Miniconda Python 环境
在终端中运行以下命令，创建一个名为 bg 的全新环境，并使用 Python 3.12：
conda create -n bg python=3.12
3 - 激活环境（每次使用 BoltzGen 时都需执行此操作）
conda activate bg
如果你之后打开一个新的终端会话，在使用 BoltzGen 之前必须再次运行
conda activate bg。
4 - 安装 BoltzGen
运行以下命令从 PyPI 安装 BoltzGen：
pip install boltzgen
或者，如果你更倾向于安装一个可编辑的本地管理副本，请下载 BoltzGen 代码库，切换到 boltzgen 目录，并从源代码安装 BoltzGen：
pip install -e .
若您倾向于使用 Docker，请点击查看可选的 Docker 说明
构建并运行 docker 镜像的步骤：
# Build
docker build -t boltzgen .
# Run an example
mkdir -p workdir # output
mkdir -p cache # where models will be downloaded to
docker run --rm --gpus all -v "$(realpath workdir)":/workdir -v "$(realpath cache)":/cache -v "$(realpath example)":/example boltzgen \
boltzgen run /example/vanilla_protein/1g13prot.yaml --output /workdir/test \
--protocol protein-anything \
--num_designs 2
在上面的示例中，模型权重会在首次运行镜像时下载。若要在构建时将权重嵌入镜像，请运行：
docker build -t boltzgen:weights --build-arg DOWNLOAD_WEIGHTS=true .
运行 BoltzGen
boltzgen run 命令接收一个设计规范 .yaml 文件，并生成一组经过排序的设计方案。
⚠️ 该命令会下载模型（约 6GB）至 ~/.cache 目录。你可以通过传递 --cache YOUR_PATH 参数或设置 $HF_HOME 环境变量来更改此路径。
⚠️ 若运行过程意外中断，可使用 --reuse 参数重启，不会丢失任何进度。
boltzgen run example/vanilla_protein/1g13prot.yaml \
--output workbench/test_run \
--protocol protein-anything \
--num_designs 10 \
--budget 2
# --num_designs is the number of intermediate designs. In practice you will want between 10,000 - 60,000
# --budget is how many designs should be in the final diversity optimized set
所有命令行参数的说明请参见“所有命令行参数”。
设计制作分步指南：
- 创建指定目标和设计需求的
.yaml文件。我们在example目录中提供了许多示例，例如example/vanilla_peptide_with_target_binding_site/beetletert.yaml。详细说明请参见“如何制作设计规范 .yaml”。 - 检查您的设计规范是否符合预期。
- 运行
boltzgen check example/vanilla_peptide_with_target_binding_site/beetletert.yaml。 - 在蛋白质结构查看器（例如 PyMOL、Chimera 或在线工具：https://molstar.org/viewer/）中可视化生成的 mmcif 文件。
- 您的查看器应显示结合位点与目标蛋白的其他部分颜色不同。
- 运行
- 如上文所述，对您的
.yaml文件运行boltzgen run ...命令。 - 经过筛选和排序的设计集将保存在
--output指定的目录中。
- 您可能需要使用不同的设置重新运行筛选步骤（耗时约 15 秒）。使用
boltzgen run --steps filtering --output ...或 Jupyter 笔记本filter.ipynb（通常更方便）。详细说明请参见“重新运行筛选（推荐）”。
应生成多少个设计？ 越多越好。“最低数量”取决于您的目标。 BoltzGen 应在 GPU 上运行。右侧图表显示了在 A100 GPU 上单个设计流程中每个步骤所需的时间。
我们建议首先使用例如 --num_design 50 运行，检查一切是否按预期进行，然后将 --num_design 增加到 10,000 - 60,000 之间。
流程输出
当流程完成时，您的输出目录将包含：
config/、steps.yaml：配置文件。intermediate_designs/：设计步骤的输出/*.cif和/*.npz：逆向折叠前的设计蛋白质和目标的 CIF 和 NPZ（元数据文件）
intermediate_designs_inverse_folded/：逆向折叠、折叠和分析步骤的输出/*.cif和/*.npz：逆向折叠后的设计蛋白质和目标的 CIF 和 NPZ。注意：对于设计的残基，只有主链原子会有坐标（侧链坐标将为 0,0,0）。/refold_cif：重新折叠的复合物结构（目标和结合剂）。这是分析和筛选步骤的主要输入。/refold_design_cif：重新折叠的结合剂结构，不包含目标。/aggregate_metrics_analyze.csv、/per_target_metrics_analyze.csv— 分析步骤的输出。
final_ranked_designs/：筛选步骤的输出/intermediate_ranked_<N>_designs/— 排名前 N 的高质量设计。CIF 文件从上述refold_cif复制而来。/final_<budget>_designs/— 兼顾质量和多样性的集合。CIF 文件从refold_cif/复制而来。/all_designs_metrics.csv— 筛选过程中考虑的所有设计的指标。/final_designs_metrics_<budget>.csv— 所选最终集合的指标。/results_overview.pdf— 图表
协议
| 协议（设计目标） | 适用场景 | 主要配置差异 |
|---|---|---|
| protein-anything | 设计可结合蛋白质或多肽的蛋白质 | 包含 design folding 步骤。 |
| peptide-anything | 设计（环）多肽或其他分子以结合蛋白质 | 反向折叠过程中不会生成半胱氨酸（Cys）。无 design folding 步骤。不计算最大疏水补丁。 |
| protein-small_molecule | 设计可结合小分子的蛋白质 | 包含结合亲和力预测。包含 design folding 步骤。 |
| antibody-anything | 设计抗体 CDR 区 | 反向折叠过程中不会生成半胱氨酸（Cys）。无 design folding 步骤。不计算最大疏水补丁。 |
| nanobody-anything | 设计纳米抗体 CDR 区 | 与 antibody-anything 配置相同 |
| protein-redesign | 重新设计或优化现有蛋白质 | 无 design folding 步骤。使用 design_mask 定义目标/模板。 |
所有配置参数都可以使用 --config 选项进行覆盖；有关详细信息，请参见 boltzgen run --help 或下面的“高级用户”部分。
如何制作设计规范 .yaml 文件
有关我们的 .yaml 设计规范文件工作原理的更详细说明，请参见 example/README.md。下面是一个基于示例的说明，足以满足大多数任务的需求。
重要提示： ⚠️ 所有残基索引均从 1 开始指定，并且我们使用规范的 mmcif 残基索引 label_asym_id，而非 auth_asym_id 作者残基索引！
您可以通过在 https://molstar.org/viewer/ 中打开 mmcif 文件，将鼠标悬停在残基上，并检查右下角的索引来查看文件中的索引。您将看到类似这样的内容，其中 41 是我们使用的索引，auth id 22 是不正确的：
构建好 .yaml 文件后，建议您对其运行 check 命令：
- 运行
boltzgen check example/vanilla_peptide_with_target_binding_site/beetletert.yaml。 - 在蛋白质结构查看器（例如 PyMOL、Chimera 或在线工具：https://molstar.org/viewer/）中可视化生成的 mmcif 文件。
- 您的查看器应显示结合位点与目标蛋白的其他部分颜色不同。
基于示例的说明：
我们在 example/ 目录中提供了许多示例 .yaml 文件，包括：
example/design_spec_showcasing_all_functionalities.yamlexample/vanilla_peptide_with_target_binding_site/beetletert.yamlexample/peptide_against_specific_site_on_ragc/rragc.yamlexample/nanobody/penguinpox.yamlexample/fab_targets/pdl1.yamlexample/denovo_zinc_finger_against_dna/zinc_finger.yamlexample/protein_binding_small_molecule/chorismite.yamlexample/small_molecule_from_file_and_smiles/4g37.yaml
针对未指定结合位点的靶蛋白进行蛋白质设计的小示例：
entities:
# Designed protein with between 80 and 140 residues
# (The length is randomly sampled)
- protein:
id: B
sequence: 80..140
# The target is extracted from a .cif file
- file:
# file references are relative to the location of the .yaml file
path: 6m1u.cif # .pdb files also work
# Which chain in the .cif file to use as target (uses all chains if unspecified)
include:
- chain:
id: A
重要提示： ⚠️ YAML 文件中的文件引用（例如指向 CIF 文件的引用）是相对于 YAML 文件所在目录进行解释的。
突出显示众多（并非全部）功能的示例：
entities:
# Specification of the target which is extracted from a .cif file
- file:
path: 8r3a.cif # .pdb files also work
# Which chain and residues in the .cif file to use as target (uses all chains if unspecified)
include:
- chain:
id: A
res_index: 2..50,55.. # residues between 2 and 50 and anything larger than 55
- chain:
id: B
# Wich regions of the target the design should or should NOT
# bind to (this can be left unspecified, then we just bind anywhere)
binding_types:
- chain:
id: A
binding: 5..7,13
- chain:
id: B
not_binding: "all"
# Which regions of the target should have their structure specified.
# By default, everything is visibility 1 which means that the structure is specified.
# If the visibility is 0, then the structure is not specified.
structure_groups:
- group:
visibility: 1
id: A
res_index: 10..13
- group:
# The relative positioning of things in structure group 2
# is not specified w.r.t to things in structure group 1
visibility: 2
id: B
# Overwrite the previous visibility setting and set it to 0 for res_index 13
- group:
visibility: 0
id: A
res_index: 13
# Optionally you can say that some residues in a loaded .cif file should also be redesigned.
design:
- chain:
id: A
res_index: 14..19
# For designed regions you can say what secondary structure they should have
secondary_structure:
- chain:
id: A
loop: 14
helix: 15..17
sheet: 19
# Specify a NON-designed protein chain
- protein:
id: X
sequence: AAVTTTTPPP
# Specify a designed protein chain
# Numbers specify what is being designed
- protein:
id: G
# random number between 15 and 20 of designed residues (inclusive)
sequence: 15..20AAAAAAVTTTT18PPP
# A designed helical peptides with WHL staple
# (see the constraints below that connect the peptide with the WHL ligand)
- protein:
id: R
# Random number of design residues between 3 and 5,
# then a Cystein, then 6 design residues, then ...
sequence: 3..5C6C3
- ligand:
id: Q
ccd: WHL
# A designed peptide with 17 residues
- protein:
id: H
sequence: 17
# specification for a designed peptide with two Cys and a disulfide bond (see constraints)
- protein:
id: S
sequence: 10..14C6C3
constraints:
# specify connections as if the minimum possible number of residues was sampled
- bond:
atom1: [R, 4, SG] # connection for a helical peptides with WHL staple between small molecule and designed peptide
atom2: [Q, 1, CK]
- bond:
atom1: [R, 11, SG] # connection for a helical peptides with WHL staple between small molecule and designed peptide
atom2: [Q, 1, CH]
- bond:
atom1: [S, 11, SG] # connection for a disulfide bond between Cys and Cys in designed peptide
atom2: [S, 18, SG]
对称复合物设计（仅适用于反向折叠）
对于对称复合物（例如同源二聚体），您可以通过为每个对称链指定 symmetric_group 来在反向折叠过程中关联序列生成。protein-redesign 协议支持对复合物进行评分，无需单独的结合体/靶标。
entities:
- file:
path: symmetric_dimer.cif
include:
- chain:
id: A
res_index: 100..300
symmetric_group: 1 # Link chains A and B for symmetric sampling
- chain:
id: B
res_index: 100..300
symmetric_group: 1 # Same group = same sampled insertion length
# Mark residues to redesign on both chains
design:
- chain:
id: A
res_index: 200..210
- chain:
id: B
res_index: 200..210
仅运行特定的管道步骤
您可以使用 --steps 标志仅运行管道的特定部分：
仅运行 design 和 inverse_folding 步骤：
boltzgen run example/cyclotide/3ivq.yaml \
--output workbench/partial-run \
--protocol peptide-anything \
--steps design inverse_folding \
--num_designs 2
如果您只想运行反向折叠及后续的设计评估步骤（而非骨架设计步骤），也可以执行以下操作：
仅运行 inverse_folding 步骤：
boltzgen run example/inverse_folding/1brs.yaml \
--output workbench/if-only \
--only_inverse_fold \
--inverse_fold_num_sequences 2
可用步骤：
design- 根据您的设计规范，使用扩散模型生成 num_design 个候选方案inverse_folding- 使用我们的反向折叠模型重新设计上一步的序列folding- 使用 Boltz-2 模型将设计的结合剂与其靶标一起重新折叠design_folding- 单独重新折叠设计的结合剂（不含靶标，对于肽和纳米抗体结合剂不可用）affinity- 使用 Boltz-2 预测设计蛋白质与其靶标小分子之间的结合亲和力（仅适用于小分子结合剂的设计）analysis- 使用各种指标分析折叠结构，以评估设计质量filtering- 根据分析结果筛选和排序设计，以选择最佳候选方案
重新运行筛选（推荐）
生成设计后，您可能需要多次重新运行筛选步骤（运行速度非常快），以调整选择优质设计的标准。
您可以使用 boltzgen 命令或我们提供的 jupyter notebook 来运行筛选步骤。在大多数情况下，notebook 更为便捷。如果您更倾向于使用命令行，以下是不借助 notebook 重新运行筛选器的示例。
首先，假设我们最初使用默认筛选选项生成了一些设计：
boltzgen run example/binding_disordered_peptides/tpp4.yaml \
--output workbench/tpp4 \
--protocol protein-anything \
--num_designs 20
运行完成后，我们发现只有少数设计通过了筛选。此时，我们可以通过运行以下命令来调整筛选条件：
boltzgen run example/binding_disordered_peptides/tpp4.yaml \
--output workbench/tpp4 \
--protocol protein-anything \
--steps filtering \
--refolding_rmsd_threshold 3.0 \
--filter_biased=false \
--additional_filters 'ALA_fraction<0.3' 'filter_rmsd_design<2.5' \
--metrics_override plip_hbonds_refolded=4 \
--alpha 0.2
在 SLURM 上运行
详见 slurm-example。
所有命令行参数
boltzgen run
boltzgen run 命令用于执行 BoltzGen 结合体设计流程。以下是所有可用选项：
设计规范
design_spec- 设计规范 YAML 文件的路径，或包含已准备好配置文件的目录
常规配置
--protocol {protein-anything,peptide-anything,protein-small_molecule,nanobody-anything,antibody-anything}- 用于设计的协议。该协议决定默认设置，在某些情况下还决定运行哪些步骤。默认值：protein-anything。详见协议部分。--output OUTPUT- 流程结果的输出目录--config CONFIG [CONFIG ...]- 覆盖流程步骤配置，格式为<step_name> <arg1>=<value1> <arg2>=<value2> ...（示例：--config folding num_workers=4 trainer.devices=4）。可多次使用。--devices DEVICES- 要使用的设备数量。默认使用所有可用设备。--num_workers NUM_WORKERS- DataLoader 工作进程的数量。--config_dir CONFIG_DIR- 默认配置文件的目录路径。默认值：src/boltzgen/resources/config--use_kernels {auto,true,false}- 是否使用内核。选项为 'auto'、'true' 或 'false'。默认值：auto。若为 'auto'，当设备能力 >= 8 时将使用内核。--moldir MOLDIR- moldir 的路径。默认值：huggingface:boltzgen/inference-data:mols.zip--reuse- 重用所有步骤的现有结果。仅生成达到指定总设计数量所需的新设计。
设计
--num_designs NUM_DESIGNS- 要生成的总设计数量。通常可以是 10,000 之类的数值。生成 10,000 个设计后，我们会在过滤步骤中将其筛选至--budget指定的数量。--diffusion_batch_size DIFFUSION_BATCH_SIZE- 每次主干运行生成的扩散样本数量。如果未指定，若--num-designs小于 100，默认值为 1，否则为 10。请注意，对于随机采样结合体长度（或以其他方式使用随机性）的设计任务，同一批次中生成的所有设计将共享相同的长度。因此，扩散批次大小远大于要生成的总设计数量时，将无法均匀采样可能的长度。--design_checkpoints DESIGN_CHECKPOINTS [DESIGN_CHECKPOINTS ...]- boltzgen 检查点的路径。支持一个或多个检查点。只需在此处指定单个路径即可。每个检查点将用于生成同等比例的设计。默认情况下，使用两个检查点。默认值：['huggingface:boltzgen/boltzgen1_diverse:boltzgen1_diverse.ckpt', 'huggingface:boltzgen/boltzgen1_adherence:boltzgen1_adherence.ckpt']--step_scale STEP_SCALE- 要使用的固定步长缩放（例如 1.8）。默认使用调度表。--noise_scale NOISE_SCALE- 要使用的固定噪声缩放（例如 0.98）。默认使用调度表。
反向折叠
--skip_inverse_folding- 跳过反向折叠步骤--inverse_fold_num_sequences INVERSE_FOLD_NUM_SEQUENCES- 反向折叠步骤中每个骨架生成的序列数量。默认值：1--inverse_fold_checkpoint INVERSE_FOLD_CHECKPOINT- 反向折叠检查点的路径或Hugging Face仓库及文件名。默认值：huggingface:boltzgen/boltzgen1_ifold:boltzgen1_ifold.ckpt--inverse_fold_avoid INVERSE_FOLD_AVOID- 禁用的氨基酸残基，以单字母氨基酸代码字符串形式表示，例如'KEC'。此功能在反向折叠步骤中实现，因此仅在启用反向折叠时才会影响结果。默认值：蛋白质设计为无，肽和纳米抗体设计为'C'。如果您使用纳米抗体或肽方案并希望生成半胱氨酸（Cysteins），请传递空列表。--only_inverse_fold- 跳过设计步骤，仅运行反向折叠。需要完整指定的结构。
折叠与亲和力预测
--folding_checkpoint FOLDING_CHECKPOINT- 折叠检查点的路径。默认值：huggingface:boltzgen/boltz2_conf_final:boltz2_conf_final.ckpt--affinity_checkpoint AFFINITY_CHECKPOINT- 亲和力预测器检查点的路径。默认值：huggingface:boltzgen/boltz2_affinity:boltz2_aff.ckpt
筛选
--budget BUDGET- 最终多样性优化集合中应包含的设计数量。用于筛选步骤。--alpha ALPHA- 序列多样性选择的权衡参数：0.0=仅考虑质量，1.0=仅考虑多样性。默认值为0.01（肽-任意方案）或0.001（其他方案）。--filter_biased {true,false}- 移除氨基酸组成异常值（默认对ALA/GLY/GLU/LEU/VAL设置上限）。默认值：true。--metrics_override METRICS_OVERRIDE [METRICS_OVERRIDE ...]- 用于排序的每个指标的逆重要性权重。格式：metric_name=weight（例如，plip_hbonds_refolded=4 delta_sasa_refolded=2）。值越大，该指标的排名权重越低。使用metric_name=none可移除某个指标。--additional_filters ADDITIONAL_FILTERS [ADDITIONAL_FILTERS ...]- 额外的硬筛选条件。格式：feature>threshold或feature<threshold（例如，'design_ALA>0.3' 'design_GLY<0.2'）。如果值越高越好，使用 '>'；如果值越低越好，使用 '<'。请确保对字符串使用单引号，以免您的shell被<和>字符混淆。--size_buckets SIZE_BUCKETS [SIZE_BUCKETS ...]- 大小范围内设计数量的可选约束。格式：min-max:count（例如，10-20:5 20-30:10 30-40:5）。--refolding_rmsd_threshold REFOLDING_RMSD_THRESHOLD- 用于基于RMSD的筛选的阈值（值越低越好）。
执行选项
--no_subprocess- 在主进程中运行每个步骤。当设备数量大于1时会导致问题。--steps {design,inverse_folding,design_folding,folding,affinity,analysis,filtering} [{design,inverse_folding,design_folding,folding,affinity,analysis,filtering} ...]- 仅运行指定的流水线步骤（默认：运行所有步骤）。详情请参见各个流水线步骤部分。
模型和数据下载选项
--force_download- 强制（重新）下载模型和数据。--models_token MODELS_TOKEN- 用于我们模型托管服务（Hugging Face）的秘密令牌。默认值：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--cache CACHE- 存储下载模型的目录。默认值：~/.cache
boltzgen download
boltzgen download命令用于下载 BoltzGen 所需的模型权重和数据制品。在大多数情况下，您无需使用boltzgen download，因为boltzgen run会自动下载所需内容。
下载的权重和数据集默认存储在~/.cache中，但可以通过指定--cache来更改此位置。
示例
boltzgen download all # downloads all models
boltzgen download inverse-fold # downloads only the inverse folding model
使用方法
boltzgen download [-h] [--force_download] [--models_token MODELS_TOKEN] [--cache CACHE] {affinity,design-adherence,design-diverse,folding,inverse-fold,moldir,all} [{affinity,design-adherence,design-diverse,folding,inverse-fold,moldir,all} ...]
位置参数
{affinity,design-adherence,design-diverse,folding,inverse-fold,moldir,all}- 要下载的工件子集，或使用 'all' 下载所有工件。
选项
--force_download- 强制（重新）下载模型和数据。--models_token MODELS_TOKEN- 用于我们模型托管服务的秘密令牌。通常不需要。--cache CACHE- 存储下载模型的目录。默认值：~/.cache
boltzgen configure
为了更好地控制您的设计流程，您可以将配置生成与执行分开：
示例
boltzgen configure example/cyclotide/3ivq.yaml \
--output workbench/test-peptide-protein \
--protocol peptide-anything \
--num_designs 2 \
--reuse
这会在 workbench/test-peptide-protein/ 中创建配置文件，但不会运行实际的设计流程。如果需要，你可以编辑这些文件，然后运行 boltzgen execute workbench/test-peptide-protein 来执行工作流。
boltzgen configure 接受的选项是 boltzgen run 选项的子集，因此我们在此不再全部列出。如果需要帮助，请尝试 boltzgen configure --help。
boltzgen execute
boltzgen execute 命令从由 boltzgen configure 命令生成的配置文件目录中执行预配置的流程。
用法
boltzgen execute [-h] [--no_subprocess] [--steps {design,inverse_folding,design_folding,folding,affinity,analysis,filtering} [{design,inverse_folding,design_folding,folding,affinity,analysis,filtering} ...]] output
位置参数
output- 包含预配置管道文件的目录（由 'configure' 命令生成）
执行选项
--no_subprocess- 在主进程中运行每个步骤。当设备数 >1 时会导致问题。--steps {design,inverse_folding,design_folding,folding,affinity,analysis,filtering} [{design,inverse_folding,design_folding,folding,affinity,analysis,filtering} ...]- 仅运行指定的管道步骤（默认：运行所有步骤）
boltzgen merge
如果您在多个管道运行中生成了设计（例如用于并行化），可以将最终输出合并到一个目录中，然后对合并后的集合重新运行快速过滤步骤。
示例
boltzgen merge workbench/run_a workbench/run_b workbench/run_c \
--output workbench/merged_run
# Now rerun filtering (with any tweaked parameters you like)
boltzgen run example/vanilla_protein/1g13prot.yaml \
--steps filtering \
--output workbench/merged_run \
--protocol protein-anything \
--budget 60 \
--alpha 0.05
使用方法
boltzgen merge [-h] --output OUTPUT source [source ...]
参数
source（位置参数）—— 一个或多个 BoltzGen 输出目录，其中已包含折叠/分析结果（即您之前运行管道时传递给--output的目录）。--output OUTPUT—— 合并数据的目标目录。该命令会在此文件夹内创建（或替换）设计产物，以便后续执行boltzgen run --steps filtering --output OUTPUT ...。
训练 BoltzGen 模型
以开发模式安装，这将安装 wandb 等额外软件包。
git clone https://github.com/HannesStark/boltzgen
pip install -e .[dev]
1 – 下载训练数据和检查点
# Choose any location; this is default in yaml files
mkdir -p training_data
cd training_data
# ─ Targets ─
wget -O targets.zip "https://huggingface.co/datasets/boltzgen/boltzgen1_train/resolve/main/targets.zip?download=true"
unzip targets.zip # → training_data/targets/
# ─ MSAs ─
wget -O msa.zip "https://huggingface.co/datasets/boltzgen/boltzgen1_train/resolve/main/msa.zip?download=true"
unzip msa.zip # → training_data/msa/
# ─ Small-molecule dictionary ─
wget -O mols.zip "https://huggingface.co/datasets/boltzgen/inference-data/resolve/main/mols.zip?download=true"
mkdir mols && cd mols && unzip ../mols.zip && cd ..
# ─ Folding checkpoint ─
wget -O boltz2_fold.ckpt "https://huggingface.co/boltzgen/boltzgen-1/resolve/main/boltz2_conf_final.ckpt?download=true"
# ─────────── (optional) pretrained structure-only ckpt ───────────
# Needed ONLY if you want to resume from a structure-trained model.
wget -O boltzgen1_structuretrained_small.ckpt \
"https://huggingface.co/boltzgen/boltzgen-1/resolve/main/boltzgen1_structuretrained_small.ckpt?download=true"
生成的布局
training_data/
├─ targets/ (used for target_dir in yaml)
├─ msa/ (used for msa_dir in yaml)
├─ mols/ (used for mol_dir in yaml)
├─ boltz2_fold.ckpt (used for folding_checkpoint in yaml)
└─ boltzgen1_structuretrained_small.ckpt (used for pretrained in yaml)
training_data 目录是示例 YAML 配置文件中引用的默认位置。如果您将数据放置在其他位置，请确保相应地更新这些路径。
2 – 训练 YAML 文件
以下是三种训练配置的快速参考，以及路径设置完成后如何启动它们：
| 配置文件 | 用途 | 示例命令 |
|---|---|---|
src/boltzgen/resources/config/train/boltzgen_small.yaml |
训练 小型 Boltzgen 模型（推荐用于开发，8 个 GPU，梯度累积 16） | python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/boltzgen_small.yaml name=boltzgen_small |
src/boltzgen/resources/config/train/boltzgen.yaml |
训练 大型 BoltzGen 模型 | python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/boltzgen.yaml name=boltzgen_large |
src/boltzgen/resources/config/train/inverse_folding.yaml |
仅训练 反向折叠 模型 | python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/inverse_folding.yaml name=boltzgen_if |
如果您将数据存储在 ./training_data 以外的位置，请在所有三个 YAML 文件中搜索并替换该路径。您可能需要更新的典型键包括 target_dir、msa_dir、moldir、pretrained、folding_checkpoint、monomer_target_dir 和 ligand_target_dir。
示例位置：
data:
datasets:
- target_dir: ./training_data/targets
msa_dir: ./training_data/msa
moldir: ./training_data/mols
pretrained: ./training_data/boltzgen1_structuretrained_small.ckpt
folding_checkpoint: ./training_data/boltz2_fold.ckpt
3 – 训练模型（示例命令）
在 8 块 GPU 上训练小型模型，梯度累积设为 16（推荐的开发环境设置）：
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 \
python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/boltzgen_small.yaml \
name=boltzgen_small
大模型：
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 \
python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/boltzgen.yaml \
name=boltzgen_large
逆折叠模型：
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 \
python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/inverse_folding.yaml \
name=boltzgen_if
注意：目前大模型需要额外的蒸馏数据集（即将发布）。您仍可以通过调整路径来探索其超参数，并仅基于 PDB 数据进行训练。
可选：从检查点恢复
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 \
python src/boltzgen/resources/main.py src/boltzgen/resources/config/train/boltzgen_small.yaml \
pretrained=./training_data/boltzgen1_structuretrained_small.ckpt \
name=boltzgen_small_pretrained
引用
@article{stark2025boltzgen,
author = {Stark, Hannes and Faltings, Felix and Choi, MinGyu and Xie, Yuxin and Hur, Eunsu and O{\textquoteright}Donnell, Timothy John and Bushuiev, Anton and U{\c c}ar, Talip and Passaro, Saro and Mao, Weian and Reveiz, Mateo and Bushuiev, Roman and Pluskal, Tom{\'a}{\v s} and Sivic, Josef and Kreis, Karsten and Vahdat, Arash and Ray, Shamayeeta and Goldstein, Jonathan T. and Savinov, Andrew and Hambalek, Jacob A. and Gupta, Anshika and Taquiri-Diaz, Diego A. and Zhang, Yaotian and Hatstat, A. Katherine and Arada, Angelika and Kim, Nam Hyeong and Tackie-Yarboi, Ethel and Boselli, Dylan and Schnaider, Lee and Liu, Chang C. and Li, Gene-Wei and Hnisz, Denes and Sabatini, David M. and DeGrado, William F. and Wohlwend, Jeremy and Corso, Gabriele and Barzilay, Regina and Jaakkola, Tommi},
title = {BoltzGen: Toward Universal Binder Design},
year = {2025},
doi = {10.1101/2025.11.20.689494},
journal = {bioRxiv}
}