OneScience 蛋白设计与生成模型

模型分流

• RFdiffusion：骨架生成、motif scaffolding、binder design、对称设计、partial diffusion。
• 输入：Hydra config、contig、input PDB、checkpoint。
• 锚点：examples/biosciences/RFdiffusion/scripts/run_inference.py
• ProteinMPNN：backbone-to-sequence，固定链、固定位置、PSSM、tied positions、sampling temperature。
• 输入：PDB backbone、chain masks、JSONL constraints。
• 锚点：examples/biosciences/ProteinMPNN/protein_mpnn_run.py
• ProToken：结构 tokenization、VQ code、结构重建。
• 输入：PDB-derived residue features、codebook/checkpoint。
• 锚点：src/onescience/flax_models/protoken
• PT-DiT：ProToken + amino acid embedding 的 de novo design、RePaint、latent evolution。
• 输入：ProToken/AA embeddings、diffusion config。
• 锚点：examples/biosciences/pt_dit/example_scripts
• SE3Transformer：RFdiffusion 等变结构轨道内部组件。
• 锚点：src/onescience/models/se3_transformer

链路规则

• RFdiffusion 生成骨架，不自动完成最终序列设计；需要设计序列时后接 ProteinMPNN。
• PT-DiT/ProToken 依赖结构 token 和 embedding 协议，不接受普通 FASTA 作为完整 batch。
• 只改 RFdiffusion 内部等变图层时才进入 SE3Transformer。

交接物

bio_task_family: onescience-bio-model
design_stage: backbone-generation | inverse-folding | tokenization | latent-generation | module-change
onescience_model_family:
input_protocol:
constraint_spec:
checkpoint_or_weight_source:
example_entry:
source_anchors:
coder_assets_to_read:
execution_entry: onescience-skill -> onescience-coder

禁止事项

• 不要把 RFdiffusion 输出当作已完成序列设计。
• 不要把 ProteinMPNN 当结构预测模型。
• 不要绕过 ProToken checkpoint 和 codebook 协议。