RFD4-Proteina

RFD4-Proteina

围绕你指定的结合靶点、酶基序或配体，同时设计蛋白质序列和全原子结构。这是 Baker Lab 和 NVIDIA 的研究模型，面向分子设计人员。

由 nvidia 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：RFD4-Proteina 是一个用于设计生物分子的流匹配模型。它同时生成蛋白质的序列和全原子结构。你选定设计必须保留的部分，比如它要结合的靶点、酶的基序或与它结合的小分子。它来自 Baker Lab 和 NVIDIA GenAIR。

适合谁：它适合围绕靶点设计分子、并且能在 NVIDIA GPU 上运行 Python 的计算生物学家和蛋白质工程师。

Industry | Who uses it | How they use it | Example
生物技术 | 蛋白质设计人员 | 围绕结合靶点生成序列和结构 | 为选定靶点设计一个结合体
酶工程 | 酶研究人员 | 固定酶基序，设计其余部分 | 围绕基序搭建支架
药物设计 | 结构生物学家 | 围绕配体口袋做设计 | 生成适合给定配体的候选分子
研究 | 机器学习研究人员 | 研究序列和结构的联合生成 | 对比发布的两个检查点

没有受支持的 NVIDIA GPU 和 Linux 机器的人，可以不在本地运行它。

用在哪里：

• 装有 Python 3.12 的 Linux x86_64
• 受支持的 NVIDIA GPU，驱动兼容 CUDA 13
• RFD4 Python 包
• Diffusers，通过单独的 Diffusers 仓库使用
• Hugging Face 上的在线工作室页面，一个用 ZeroGPU，一个用专用 GPU

Use case | Who | What they get back
以靶点为条件的设计 | 蛋白质设计人员 | CIF 格式的设计结构，含生成的残基和坐标
基序支架设计 | 酶研究人员 | 围绕你提供的基序设计出的分子
配体口袋设计 | 结构生物学家 | 围绕你指定的配体设计出的分子

如何设置：

• Linux x86_64、Python 3.12 和受支持的 NVIDIA GPU
• 兼容 CUDA 13 的驱动
• RFD4 Python 包
• 约 1.74 GB 的权重文件磁盘空间，外加一个配置文件
• 输入为带注释的 CIF 结构或 YAML 条件文件

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 安装 RFD4 包并加载原生权重。

pip install -U huggingface_hub

hf download nvidia/RFD4-Proteina

如何使用：用 RFD4 加载器加载原生权重，然后给模型一个条件，可以是带注释的 CIF 结构，也可以是 YAML 规范。Diffusers 版本在自己的仓库里，使用一个流水线类。

Proteina.from_pretrained("nvidia/RFD4-Proteina")

RFD4ProteinaPipeline.from_pretrained("nvidia/RFD4-Proteina-Diffusers")

Tool | What it does
Proteina.from_pretrained | 加载存放在这个仓库根目录的原生权重
RFD4ProteinaPipeline.from_pretrained | 通过 Diffusers 加载同一个模型，来自它自己的仓库

示例：你提供一个标出结合靶点的带注释 CIF 文件，请求做设计。模型返回写成 CIF 文件的设计结构，列出它生成的残基及其坐标。卡片除了加载器之外，没有给出示例命令。

新手与专家：这是一个专业的研究工具，所以第一步是读项目文档并下载文件。运行它需要合适的 GPU 和一些结构生物学背景。

每次发布都把一个流模型和与它一起训练的自编码器配成一对。它们不能跨版本互换，因为混用会得到毫无意义的结果，而且不会报错。当前的流模型是预训练基础模型在合并一个秩为 32 的 LoRA 微调之后的结果。

你给出 CIF 结构或 YAML 条件
流模型和自编码器协同工作
序列和结构被联合生成
输出 CIF 格式的设计结构

注意事项：

• Third-party assets: 可选的第三方资源有各自的条款。
• License: BSD 3-Clause，涵盖模型和权重。
• Cost to run: 未提及。你需要自己的 NVIDIA GPU，卡片没有提到付费服务。
• Data it reaches: 它从 Hugging Face Hub 下载文件。训练数据需要单独下载。
• Not for: 混用不同版本的检查点，这会得到无意义的结果。

Title: 各版本的残基词表大小
Current release: 147 classes
Previous release: 33 classes

Hugging Face 上的数据（2026年11月13日）

• 框架：rfd4-proteina
• 参数量：436M
• Weights: about 1.7 GB in F32; about 218 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：14,235
• 点赞：45
• 许可证：bsd-3-clause
• 语言：en
• Fine-tunes: 2
• 标签：rfd4-proteina, safetensors, rfd4_proteina, biology, protein-design, biomolecular-design, structure-generation, flow-matching, annotated-cif

链接

• 模型：https://huggingface.co/nvidia/RFD4-Proteina
• 文件：https://huggingface.co/nvidia/RFD4-Proteina/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 nvidia/RFD4-Proteina

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。