RF Diffusion
是由华盛顿大学等机构开发的蛋白质结构生成模型，结合了 RoseTTAFold 的结构预测能力与扩散模型的生成能力，能够在多种设计任务中表现出色。其核心创新在于将蛋白质结构预测模型与扩散模型相结合，通过对三维结构坐标进行局部扰动和去噪，学习蛋白质序列与结构之间的复杂关系。该模型支持多种输入条件，如部分序列、折叠信息或固定的功能基序，提供了灵活的设计控制能力。在多项实验验证中，RFdiffusion 展示了其强大的蛋白质设计能力，包括生成多样且准确的蛋白质结构、设计高亲和力的结合剂以及构建对称的低聚物结构等。
例子：
这张图是一个RFdiffusion 无条件单体结构设计的示意图，展示了通过扩散模型生成的一个全新蛋白质单体结构，配以结构域、二级结构和功能注释的可视化效果。
1.三维蛋白结构骨架
整体呈带有弯曲和折叠的带状结构，是模型生成的蛋白主链（主干结构）。
蓝色α-螺旋（alpha helix）
绿色β-折叠（beta sheet）
橙色无规卷曲（loop/random coil）
2.结构域（Domains）
蛋白被划分为不同结构域（如N端与C端之间的两个稳定折叠单元），用浅色阴影区分结构模块。
每个结构域通常代表特定的功能或折叠单元，生成时也可用于模仿天然蛋白模块化。
3.Motif 注释
在结构中高亮显示了特定的功能motif（短结构段），可能是人工指定或模型自主生成的重要区域。
Motif 以红色或紫色框出，代表如酶活性位点、受体结合片段、loop hotspot等。
4.结合位点标注
图中用星号或标签标出可能的“配体结合口袋”或“蛋白-蛋白相互作用区域”。
通常由结构模型打分（如Pocket finder工具）或模型的设计目标指定。
以下是各个脚本的简要介绍及其用途：
一、脚本用途概览
1. install_rfdiffusion.sh
1）用途：自动配置 RFdiffusion 所需的软件环境。
2）功能：
① 创建新的 Conda 环境（默认名为 rfdiffusion）。
② 安装所需的依赖包（如 PyTorch、Biopython、dm-haiku、scipy 等）。
③ 克隆并安装 RFdiffusion 代码仓库。
④ 安装 ProteinMPNN（如果需要）。
⑤ 下载或配置模型权重文件。
3）适用场景：首次部署 RFdiffusion 或在新的服务器或集群节点上重新安装环境。
2. 依次运行脚本
run_unconditional_monomer.sh
1）用途：从头生成一个长度为 150 个氨基酸的蛋白质单体结构，无需任何模板或输入结构。
2）适用场景：探索新型蛋白结构或折叠多样性。
run_binder_design.sh
1）用途：设计能与指定蛋白靶标结合的新蛋白质（结合剂）。支持设置热点残基。
2）适用场景：药物设计或蛋白-蛋白相互作用界面的探索。
run_loop_remodeling.sh
1）用途：重塑已有蛋白结构中某段 loop 区域（如界面 loop），以改善稳定性或功能。
2）适用场景：对已有蛋白设计进行局部优化。
run_motif_scaffolding.sh
1）用途：将已知的关键结合位点（motif）嵌入到新蛋白结构中，设计结构支架（scaffold）。
2）适用场景：抗原表位设计、免疫设计等。
run_partial_diffusion.sh
1）用途：对已有结构进行部分去噪和扩散处理，以生成具有多样性的折叠结构。
2）适用场景：蛋白变体探索、对结构稳定性进行微调。
run_fold_conditioning.sh
1）用途：通过提供二级结构和邻接信息来进行特定拓扑结构的蛋白设计。
2）适用场景：结构引导的设计任务，能结合用户自定义的折叠模式。
run_symmetric_oligomer.sh
1）用途：设计具有对称性的低聚物结构，如二聚体、四聚体等。
2）适用场景：材料科学、自组装蛋白、病毒壳体设计等方向。
3. 或者一键运行脚本：
run_all_rf_tasks.sh：依次执行上述所有任务脚本。
1）功能：
自动依次运行以下任务：
① 无条件单体设计
② 结合剂设计
③ Loop 重建
④ Motif scaffold
⑤ Partial diffusion
⑥ Fold conditioning
⑦ Symmetric oligomer
二、运行结果与后续分析
运行完这些脚本，将获得一系列蛋白质结构设计的结果文件，它们来自 RFdiffusion 不同任务模块，形式一般是 PDB 文件（蛋白质三维结构），可用于后续的结构评估、建模验证或功能分析。下面是每个任务对应能得到的具体结果：
这些结果可用于：
1. 结构可视化与筛选：
使用 PyMOL、Chimera、Mol* 等工具查看结构是否合理、美观、有创新。
2. 功能预测或模拟：
使用 AlphaFold 再预测结构稳定性。
使用 Rosetta 进行能量打分。
使用 Docking 软件模拟其结合位点。
3. 实验设计准备：
如果具备实验平台，可定向合成这些结构进行验证（如测序表达、CD 光谱、NMR、Cryo-EM 等）。
生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！
喜欢的宝子们点个赞吧~码字不易，且行且珍惜~
