OpenDDE

OpenDDE

预测蛋白质等生物分子的原子级三维结构，服务于早期药物研究。可在命令行用 GPU、CPU 或 Docker 运行。目前是预览版本。

由 aurekaresearch 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：OpenDDE 是一个开源的生物分子基础模型。它以单个原子为单位工作，并把多个分子放在一起折叠，研究人员可以用它预测结构、设计分子，并在药物研究中优化候选物。

它是预览版本。命令选项、输入输出字段和已发布的检查点都可能在版本之间发生变化。

适合谁：适合想用开源模型做结构预测、并且熟悉 Python 和命令行的研究人员。在 Linux 上有 CUDA GPU 会更方便，不过小规模测试用 CPU 也能跑。

Industry | Who uses it | How they use it | Example
药物研究 | 计算化学家 | 在做实验前预测分子如何一起折叠 | 保存在输入文件里的一条候选蛋白质链
抗体研究 | 抗体与抗原研究组 | 运行针对抗体与抗原配对调优的检查点 | 对一个抗体及其靶点做一次预测
学术实验室 | 结构生物学研究人员 | 在普通电脑上用短输入试用模型 | 在 CPU 上运行一条九个字母的蛋白质序列
机器学习研究 | 模型开发者 | 安装可编辑的代码副本并做实验 | 用 dev 组装好的源码副本

如果你需要一个稳定的生产流水线工具，现在可以先跳过它，因为这个版本只是预览。

用在哪里：

• 带 CUDA GPU 的 Linux：GPU 安装就是为这种环境准备的。
• 装有 Python 3.11 或更高版本的任何电脑：CPU 安装可以用，只是更慢。
• Docker：提供预构建的镜像。
• 装有 Python 的 Windows、macOS 或 Linux：用 Hugging Face 工具下载模型文件。

Use case | Who | What they get back
结构预测 | 计算生物学家 | 写入输出文件夹的预测结构
抗体抗原运行 | 抗体研究人员 | 来自针对该配对调优的检查点的预测
快速安装检查 | 正在安装的人 | 一次不需要搜索数据库的小型测试预测

如何设置：开始前你需要准备几样东西。

• Python 3.11 或更高版本
• uv，用来创建虚拟环境并选择 PyTorch 后端
• GPU 安装需要 Linux CUDA 环境，CPU 安装在任何机器上都行
• 一个存放模型数据的文件夹，用 OPENDDE_ROOT_DIR 变量设置（默认是你主目录下的缓存文件夹）

1. 用 uv 创建 Python 3.11 虚拟环境并激活它。
2. 用 GPU 或 CPU 后端安装 OpenDDE。
3. 运行 doctor 命令检查安装。
4. 获取检查点。默认检查点缺失时预测命令会自动下载，你也可以自己下载。

GPU 安装：

uv venv --python 3.11
source .venv/bin/activate
uv pip install --torch-backend cu126 'opendde[gpu]'
opendde doctor

仅 CPU 的安装：

uv venv --python 3.11
source .venv/bin/activate
uv pip install --torch-backend cpu 'opendde[cpu]'
opendde doctor

在克隆下来的源码副本里准备数据文件夹：

export OPENDDE_ROOT_DIR=/path/to/opendde_data
bash scripts/download_opendde_data.sh

关闭 MSA、模板和 RNA MSA 功能时，可以跳过体积很大的搜索数据库：

bash scripts/download_opendde_data.sh --skip-search-database

用 Hugging Face 工具下载模型文件，或拉取 Docker 镜像：

pip install -U huggingface_hub
hf download aurekaresearch/OpenDDE
docker pull aurekaresearch/opendde:v1

如何使用：先用 JSON 输入文件描述你的分子，再用输入文件和输出文件夹运行预测命令。下面这个小输入只有一条蛋白质链。

[
  {
    "name": "tiny",
    "modelSeeds": [101],
    "sequences": [
      {
        "proteinChain": {
          "sequence": "ACDEFGHIK",
          "count": 1
        }
      }
    ]
  }
]

关闭所有外部搜索后，这次运行不需要搜索数据库：

opendde pred \
  -i tiny.json \
  -o ./output \
  -n opendde_v1 \
  --use_msa false \
  --use_template false \
  --use_rna_msa false \
  --sample 1 \
  --step 200 \
  --cycle 10

要用抗体抗原检查点，需要明确写出它的文件：

opendde pred \
  -i input.json \
  -o ./output \
  --load_checkpoint_path "$OPENDDE_ROOT_DIR/checkpoint/opendde_abag.pt"

Tool | What it does
opendde pred | 根据输入文件运行预测，并把结果写入输出文件夹
opendde doctor | 检查安装是否正常

示例：保存带单条蛋白质链的示例输入，然后运行上面的小型预测。因为这些功能已关闭，不需要搜索数据库。结果会写入你指定的输出文件夹。在 CPU 上这次运行可能会比较慢。

新手与专家：如果你刚接触，可以把 OpenDDE 当作一个根据分子各部分的描述来估算其三维形状的软件。先装 CPU 版本，运行 doctor 命令，再试那个小型预测，确认一切正常。

如果你熟悉这个领域，它是一个围绕共折叠构建的全原子模型，带有一个通用检查点和一个在抗体抗原数据上调优的检查点。它开箱即用 fp32 推理并自动选择三角核，--seeds 参数可以覆盖每个任务 modelSeeds 字段里的值。关闭 MSA、模板和 RNA MSA，是用较少的输入特征换取轻得多的数据准备。

用 JSON 输入文件描述分子
用输出文件夹运行 opendde pred
检查点从数据文件夹加载
模型预测结构
结果写入输出文件夹

注意事项：下面几点说明了使用时该预期什么。

• Preview status: 选项、输入字段和检查点可能变化，不同版本的预测结果也可能不一致。
• License: Apache 2.0。
• Cost to run: 没有提到 API 密钥或付费服务。GPU 不是必需的，但 CPU 运行可能很慢。
• Data it reaches: 它从数据文件夹读取检查点和运行文件，预测命令也可能下载缺失的默认文件。本地模板和 RNA 搜索需要体积很大的搜索数据库。
• Not for: 生产流水线，预览版本目前还不适合用于此。

Hugging Face 上的数据（2026年11月13日）

• 任务：other
• 框架：opendde
• 最近 30 天下载：10,009
• 点赞：12
• 许可证：apache-2.0
• 标签：opendde, biology, protein, protein-structure-prediction, drug-discovery, co-folding, all-atom, diffusion, other

链接

• 模型：https://huggingface.co/aurekaresearch/OpenDDE
• 文件：https://huggingface.co/aurekaresearch/OpenDDE/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download aurekaresearch/OpenDDE

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。