开源生物分子 AI 模型与工具生态科普指南

副标题：从序列搜索、结构生成和结构预测，到对接、模拟、验证与科学交互核验日期：2026-07-23（Asia/Shanghai）

摘要

这 21 个项目并不完整，只是一个补全，本文作为字典工具

合理的组合方式不是把 21 个项目全部串在一起，而是根据任务选择必要环节，并保留每个环节的输入、版本、参数、输出和证据边界。

flowchart LR    A["序列或已知结构"] --> B["MMseqs2 / ColabFold<br/>MSA 与搜索"]    A --> C["AtomWorks<br/>结构解析与标准化"]    D["设计目标与约束"] --> E["RFD3 / RFD3NA<br/>结构生成"]    E --> F["MPNN 家族<br/>序列设计"]    B --> G["结构预测模型组<br/>AF3 / RF3 / Boltz / Chai / Protenix / OpenFold3"]    C --> G    F --> G    G --> H["PoseBusters / Vina / OpenMM<br/>几何、对接与物理假设"]    H --> I["人工评审与实验"]    G --> J["Mol* / Saguaro / ECharts<br/>查看和解释"]    H --> J    K["Ketcher"] --> D    L["Gradio 独立 Demo"] -.-> G

对当前 AIDD 项目而言，这些工具应共享现有作业、Artifact、Dynamic Plan、审计和人工门控，而不应被包成一个难以解释的“超级模型”。

1. 先分清项目的“职业”

同一个三维结构文件，可能是生成模型刚画出的蓝图、结构预测模型给出的折叠假设，也可能是对接软件放置的配体 pose。文件格式相似，证据含义却完全不同。

因此，平台中的稳定对象应是科学能力、输入输出契约和证据语义，不是某个模型名字。具体模型、checkpoint、容器和参数应作为可替换 implementation。

2. 开源生态全景

2.1 结构生成与蛋白设计

RFdiffusion3

RFD3 是 Foundry 的全原子结构生成模型。它可根据长度、模板、功能基序、靶蛋白、小分子、DNA/RNA、热点、氢键和对称性等约束生成蛋白结构，典型输出是每候选一份压缩 mmCIF 和 JSON 设计元数据；它回答“造什么结构”，而不是“已有序列折成什么”。RFD3 README｜RFD3 输入规范

RFdiffusion3NA

RFD3NA 将生成空间扩展到 RNA/DNA，可使用 RNA dot-bracket、碱基配对、金属/配体环境以及蛋白–核酸联合约束。它适合 RNA aptamer、多聚合物装配和核酸功能结构探索，但项目成熟度与任务内验证仍少于 RFD3。RFD3NA README｜官方多聚合物示例

ProteinMPNN、LigandMPNN、SolubleMPNN

ProteinMPNN 接收固定蛋白骨架、可设计/固定位置、温度、氨基酸偏置和对称约束，输出候选 FASTA 与序列模型分数。ProteinMPNN 官方仓库｜Science 论文

LigandMPNN 进一步编码小分子、离子、DNA/RNA 等周围原子环境，适合设计口袋、金属配位和核酸界面；它仍不预测 ligand pose 或 affinity。LigandMPNN 官方仓库｜Nature Methods 论文

SolubleMPNN 是 ProteinMPNN 的权重变体，输出仍是固定骨架候选序列；模型名中的 “Soluble” 表示训练先验，不是数值溶解度预测。Foundry checkpoint registry

2.2 全原子结构预测模型

下表按项目名字排列，不代表性能名次。各模型的输入特性、许可边界和训练数据时间截止点不同，只有在同一盲测集、同一数据政策和同一验收指标下才能公平比较。

来源：AlphaFold 3｜Boltz-2｜Chai-1｜OpenFold3｜Protenix｜RF3

2.3 搜索、MSA 与原子数据基础设施

ColabFold 的主要平台价值是将 MMseqs2 搜索、复合物配对和 A3M 输出封装成可重复流程。对专有序列，应使用本地数据库或私有 MSA server，不允许本地失败后静默回退公共服务。ColabFold 官方仓库

MMseqs2 是蛋白/核酸搜索和聚类引擎，适合作为 MSA-GENERATE 的底层 implementation；它不应成为结构模型内部不可见的网络调用。MMseqs2 官方仓库

AtomWorks 负责 PDB/mmCIF/mmJSON、CCD、组装体、键和结构注释的解析与统一原子表示，并为 Foundry 模型提供 I/O 和 feature pipeline。它不是用户可见预测模型，更适合成为所有结构适配器共享的 normalization kernel。AtomWorks 官方仓库

2.4 几何、对接与物理检查

PoseBusters 检查分子和 protein–ligand pose 的键长、键角、平面性、内部碰撞和复合物碰撞等合理性。它可以发现明显错误，但“全部通过”不等于 pose 真实或 ligand 有活性。PoseBusters 官方仓库｜原始论文

AutoDock Vina 根据冻结的 receptor/ligand PDBQT、搜索盒和采样参数生成 pose 与经验打分。它适合同一协议内的 pose 假设和相对排序，不能作为跨靶点通用自由能或实验 affinity。Vina 官方文档

OpenMM 是分子模拟工具包，不是预训练模型或力场。只有 topology、force field、ligand parameterization、protonation、solvation、integrator、ensemble、seed 和分析方法共同冻结后，才形成可解释的模拟协议。OpenMM 官方仓库｜完整许可证说明

2.5 科学交互组件

来源：Mol*｜Saguaro｜ECharts｜Ketcher｜Gradio

3. 输入和输出：五个具体场景

3.1 已知蛋白序列，预测结构

用户输入├── Chain A: MKT...GLY├── Chain B: EVQ...LAA├── 各链来源、construct start/end├── 可选 MSA ArtifactRef├── 可选 template policy└── seeds / samples / model implementation            ↓AF3 / Boltz-2 / Chai-1 / OpenFold3 / Protenix / RF3            ↓标准输出├── 全部原始模型样本├── normalized mmCIF├── ResidueMap / AtomMap├── pLDDT / PAE / pTM / ipTM 等原生指标├── sample ranking 与限制说明└── 完整运行 manifest

这里最关键的是输出所有样本和指标语义，而不是只留 top-1 PDB。不同模型的 ranking score 不可直接平均；平台应另外计算统一的结构一致性、界面接触与几何指标。AF3 官方权重和输出还需受非商业条款约束，不能与其他宽松许可模型一样默认进入商业流程。

3.2 从零设计蛋白 binder

输入：靶蛋白结构 + hotspot + binder 长度 70–100 aa  → RFD3 生成 100 个 binder 骨架  → ProteinMPNN 为每个骨架生成 8 条序列  → 选择一个结构预测器，只按序列和允许的独立信息复折叠  → 计算目标骨架与复折叠结构的一致性  → 用另一个不同实现的结构模型复预测前 20 条  → 几何/界面/开发性门控  → 人工选择实验集合

生成的目标骨架不能再作为结构预测模型的 template，否则复折叠“验证”会把答案一起交给模型。第一个预测器可从 RF3、Boltz-2、Chai-1、Protenix 或 OpenFold3 中按任务选择，第二个应尽量来自不同实现生态；AF3 可在符合其权重条款时作非商业对照。

3.3 蛋白–小分子口袋设计

输入：protein target + ligand 的 canonical identity、stereochemistry、SDF/CCD  → RFD3 生成受配体约束的口袋/支架  → LigandMPNN 设计口袋序列  → 选择支持目标化学组分的两个结构模型复预测复合物  → PoseBusters 检查 ligand/complex 几何  → Vina 做 pose perturbation/redocking 假设  → Boltz affinity 在适用域内给 binder/同系列排序信号  → OpenMM 对入选 pose 做最小化/短 MD 多副本检查  → 实验 assay

需要同时保留 ligand canonical identity、stereochemistry、atom map、父 pose digest 和所有 protonation/tautomer state。LigandMPNN confidence、Vina score、Boltz affinity 和实验 IC50 是四种不同证据，不得混成一个未经校准的总分。

3.4 RNA/DNA 与多聚合物设计

输入：protein/RNA/DNA entity + dot-bracket/base-pair/bond/metal constraints  → RFD3NA 生成多聚合物候选  → 蛋白链用 MPNN 设计  → 核酸链用专用二级结构/序列规则过滤  → 两个支持相应 polymer/entity 类型的结构模型复预测  → 共价键、碱基配对、金属配位和几何门控  → 实验

当前项目的 ProteinCandidate 只能表达蛋白链，因此这个场景要求先扩展通用组装体契约，不能把 RNA/DNA 和配体信息塞入自由文本字段。

3.5 已有蛋白口袋，对小分子做对接与检查

用户输入├── receptor 结构及质子化/水/金属处理策略├── ligand SDF/SMILES、立体化学与 protonation state├── docking box 中心和尺寸└── exhaustiveness、seed 和输出 pose 数            ↓AutoDock Vina 生成 pose 与同协议内的经验分数            ↓PoseBusters 检查键长、键角、平面性与碰撞            ↓入选体系可用 OpenMM 做能量最小化或冻结协议的多副本短 MD            ↓输出：poses + scores + geometry report + trajectory/analysis + manifest

这条流程不需要强行插入结构生成或序列设计模型。它的价值是生成和排除 pose 假设，不是把 docking score 包装成实验亲和力。

4. 同类项目怎么选：没有总冠军，只有任务适配

4.1 结构生成与序列设计是两步

一个典型设计任务先用 RFD3/RFD3NA 得到骨架，再用一个 MPNN 变体生成序列。两类模型的分数不能互相替代，也都不能替代后续复折叠和实验。

4.2 六个结构预测项目的差异

上表不能替代本地 benchmark。即使公开论文的总体指标很高，实际项目仍应在自己的蛋白类别、复合物类型、配体分布、数据 cutoff 和输出用途上建立盲测集。

4.3 搜索与数据工具不是附属品

• MMseqs2
   是高性能搜索和聚类引擎，更像数据库“发动机”。
• ColabFold
   把 MMseqs2 搜索、MSA 组装、复合物配对和下游格式转换封装成易用流程，更像“导航系统”。
• AtomWorks
   解析 PDB/mmCIF/CCD、组装体和原子级注释，更像让不同模型共用同一套尺规的“转换器”。

MSA、模板和数据库版本会改变模型结果。它们应是带 digest 和来源记录的一级产物，不应藏在模型容器里临时联网获取。

4.4 PoseBusters、Vina 和 OpenMM 互不替代

4.5 交互组件是一套联动界面

• Mol
  * 管三维结构、原子选择、表征和轨迹；
• RCSB Saguaro
   管一维序列、位点和 annotation tracks；
• Apache ECharts
   管 PAE/PDE 热图、模型排名和运行指标；
• Ketcher
   管小分子二维编辑，但权威规范化应留在服务端化学工具；
• Gradio
   适合快速输入输出 Demo 和模型烟测，不适合取代已有的权限、作业和 Artifact 系统。

最理想的体验是：用户在 Saguaro 点击第 145 位残基，Mol* 同时聚焦三维位置，ECharts 高亮 PAE 对应行列，接触表定位到相邻 ligand atom，而不是五个互不相识的小窗口。

4.6 按目标选组合

5. 许可证与“开源”边界

AlphaFold 3 当前官方仓库明确区分 Apache-2.0 源码与单独的模型参数条款；参数和输出不得用于与商业活动相关的用途，也不得用输出训练类似的生物分子结构预测模型。AF3 权重条款

许可证在平台中应成为执行前的机器可读 gate，而不是文档备注：code_license、weight_license、data_license、output_policy、commercial_status 和 legal_review_ref 应分别记录。

6. 从科普到落地：当前项目代码现状

6.1 已具备的正确基础

当前 P01-P02 已形成结构模型的可替换外壳：

• protein_structure/contracts.py
   定义 ProteinCandidate、chain/source/construct、修改、二硫键、模板上下文和冻结的模型策略；
• protein_structure/engine.py
   定义 ProteinStructureAdapter 与统一 ProteinPredictionArtifacts；
• protein_structure/service.py
   完成输入暂存、protocol digest、持久作业、结果验证、ResidueMap、confidence map、assessment、日志和 manifest；
• config/flows.json
   已发布 P01-P02 micro-Flow；
• Dynamic Plan 已能用带 digest 的 ArtifactRef 编排不同 Flow；
• capability-implementations.json
   已有 implementation identity、代码/权重/数据/容器资产、硬件和许可证治理 schema。

这说明新增模型不需要重新实现任务、审计、回放和 Artifact 系统。

6.2 当前缺口

1. P01-P02 当前 implementation 仍是 aidd.protein.structure.public-fixture，不是生产模型；
2. ProteinCandidate
    只表达蛋白链，不能完整表达 DNA/RNA/ligand/ion/CCD/SMILES/SDF 和通用共价键；
3. ProteinPredictionArtifacts
    只有单一 PDB/mmCIF，不能完整表达多 seed、多 sample、PAE/PDE 和 per-atom confidence；
4. P01-P02 当前 gpu_count=0，与真实 RF3/Chai/Boltz 等 GPU 需求不符；
5. capability implementation registry 尚无蛋白模型 implementation；
6. jobs/manager.py
    使用进程内 ThreadPoolExecutor，不能承载需要 30–80 GB 显存的模型常驻运行；
7. 模型前处理还没有统一的 MSA ArtifactRef、entity map、AtomMap 和 restraint schema。

6.3 已经接入的工具和 UI

• Vina 1.2.7、Meeko 0.7.1、PoseBusters 0.6.5 已在 SM05-SM06 中形成真实 docking/validation 流程，docking/engine.py 已直接调用 Vina 与 PoseBusters；
• molecular-structure-renderer.tsx
   已使用 Mol* 5.11.0 加载结构，但还未消费 ResidueMap/ConfidenceMap 或共享选择；
• protein-sequence-renderer.tsx
   已使用 Saguaro 3.3.0，并明确当前编号是 construct-local；
• molecule-draft-editor.tsx
   已使用 Ketcher 3.17.1，保存时交给服务端 RDKit 做规范化和身份 diff；
• ECharts 6.1.0 已在优化活动 renderer 使用，可复用为 PAE/PDE 和模型共识图表。

因此交互层不需要更换技术栈，只需增加结构模型专用的 related-artifact 解析与 selection mapping。

7. 项目落地的目标架构

7.1 能力族与 implementation 分离

建议稳定能力族：

aidd.sequence.msa-generateaidd.protein.backbone-generateaidd.biopolymer.generateaidd.protein.sequence-designaidd.biomolecule.structure-predictaidd.protein-ligand.affinity-rankaidd.molecular-pose.validateaidd.molecular-system.simulateaidd.structure.consensus-assess

implementation 名称再包含模型与冻结资产，例如：

rfd3-foundry-0.2.0-<checkpoint-digest>proteinmpnn-original-<commit>-<weights-digest>boltz2-2.2.1-<weights-digest>chai1-0.6.1-<weights-digest>protenix-v2-2.0.0-cutoff-2021-09-30openfold3-preview2-0.4.4rf3-foundry-0.2.0-<checkpoint-digest>

这样模型升级、替换和 challenger 评估不会改变科学协议的能力语义。

7.2 通用输入契约

建议新增 BiomolecularAssemblySpecification：

entities[]├── entity_id / chain_ids / role├── type: protein | rna | dna | ligand | ion├── sequence / length_range├── chemical identity: CCD | SMILES | SDF/CIF ArtifactRef├── modifications├── source and construct mapping└── MSA/template ArtifactRefsbonds[]restraints[]design_regions[]fixed_atoms[]sampling_policylicense_and_network_policy

模型不支持某字段时必须返回 out-of-domain；不能静默删除 ligand、bond、template 或 restraint 后继续执行。

7.3 通用结构输出契约

建议新增 StructurePredictionBundle：

• 原始模型输出目录；
• 每个 seed/sample 的结构和原生 ranking；
• 权威 normalized mmCIF；
• entity/chain/residue/atom/token 映射；
• per-atom/per-residue confidence；
• PAE/PDE/distogram 等矩阵；
• model-native summary；
• 统一几何与结构一致性评估；
• 输入、MSA、template、数据库、checkpoint、容器、参数、seed、GPU 和耗时 manifest；
• Prediction
   证据标记、适用域和限制。

PDB 只应作为兼容副本，因为多字符 chain、复杂化学组分和共价连接更适合 mmCIF。

7.4 独立 GPU runner

flowchart LR    UI["DeerFlow / React Workbench"] --> MCP["AIDD MCP + Preview/Gate"]    MCP --> W["AIDD Worker / Durable Job"]    W --> R["GPU Runner API"]    R --> C1["Generation / sequence-design containers"]    R --> C2["Structure predictor containers A / B"]    R --> C3["Docking / simulation containers"]    C1 --> O["Immutable object/artifact store"]    C2 --> O    C3 --> O    O --> W    W --> UI

基础 Worker 负责协议、排队、状态和 Artifact；模型容器负责 GPU 计算。Runner 请求应包含 implementation identity、input ArtifactRefs、资源上限和 effect key，返回原始输出清单、日志、状态和 digest。

7.5 Dynamic Plan 组合

每个模型保持独立 micro-Flow，Dynamic Plan 只通过 ArtifactRef 连接：

flowchart TD    A["Assembly / sequence specification"] --> M["MSA / data preparation Flow"]    D["Design specification"] --> G["Backbone / biopolymer generation Flow"]    G --> Q["Sequence-design Flow"]    M --> F1["Structure predictor Flow A"]    M --> F2["Structure predictor Flow B"]    Q --> F1    Q --> F2    F1 --> V["Consensus / geometry Flow"]    F2 --> V    V --> P["Physics Check Flow"]    P --> H["Named-human Gate"]

这复用现有 Dynamic Plan 的预算、分支、停止条件和人工门控，不创建新的 agent runtime。

8. 交互页面建议

8.1 推荐布局

┌──────────────────────────────────────────────────────────────┐│ Run / Model / Sample / License / Evidence / Download         │├───────────────────────────────┬──────────────────────────────┤│ Mol* 3D structure             │ ECharts PAE/PDE heatmap      ││ residue/atom/ligand selection │ model ranking / confidence   │├───────────────────────────────┴──────────────────────────────┤│ Saguaro sequence tracks                                      ││ construct/source/auth/label numbering, motif, PTM, design    │├───────────────────────────────┬──────────────────────────────┤│ Geometry / PoseBusters       │ Provenance / model manifest   ││ contacts / clashes / bonds   │ assets / seeds / limitations  │└───────────────────────────────┴──────────────────────────────┘

8.2 统一选择总线

现在 Saguaro 选择是 chain:construct_position，Mol* 使用结构内部 loci，PAE 使用 token index。建议由 ResidueMap/AtomMap 把共享选择升级为：

{"artifact_digest":"sha256:...","entity_id":"protein-A","chain_id":"A","construct_position":37,"source_position":145,"label_seq_id":37,"auth_seq_id":145,"insertion_code":null,"model_token_index":36}

Saguaro 点击残基后，Mol* 应 focus 同一结构位置，ECharts PAE 高亮对应行列；Mol* 点击 ligand atom 后，contact 表和 Ketcher/RDKit identity panel 应定位同一 AtomMap。

8.3 插件采用结论

• 继续使用 Mol
  *：已有依赖和 renderer，扩展 selection/theme/sample 即可；
• 继续使用 Saguaro
  ：已有 sequence viewer，补 ResidueMap 和 annotation tracks；
• 继续使用 ECharts
  ：足够绘制 PAE/PDE、共识和运行指标，不必增加 Plotly；
• 继续使用 Ketcher
  ：只负责编辑，服务器端 RDKit 保持权威；
• Gradio 仅做独立 demo
  ：用于新模型容器的短期烟测，不嵌成第二套生产 UI。

9. 分阶段实施建议

阶段 A：统一契约与运行边界

目标：真实模型接入前先消除结构性债务。

• 新增多组分 entity/bond/restraint schema；
• 扩展多 seed/sample、PAE/PDE、per-atom confidence 输出；
• 建立 MSA ArtifactRef 与网络数据流转 policy；
• 建立 GPU runner API 和容器/权重 digest 治理；
• 为蛋白模型新增 capability implementation records；
• 将 code/weight/data/output license 拆开。

验收：fixture 可以在不运行真实模型时完整 round-trip，并对 unsupported field fail-closed。

阶段 B：横向评估结构预测项目

不预设某个模型必然成为生产主线。从 Boltz-2、Chai-1、Protenix、OpenFold3 和 RF3 中选取符合许可、硬件和任务需求的候选，用同一小型挑战集评估；AF3 仅在符合条款的隔离环境做非商业对照。

• 对每个候选固定代码、checkpoint、自算 SHA256、容器、参数和 seed；
• 用相同的 protein-only、complex 和 protein–ligand fixtures 比较输入覆盖与失败边界；
• 将原始输出全部归档，再转成统一 StructurePredictionBundle；
• 实测显存、吞吐、超时、OOM、取消和恢复；
• 基于科学指标、许可、运维成本和项目适配性选择生产 implementation 与 challenger。

验收：所有候选共用一套报告，结论可回溯到单个输入、模型资产和原始输出。

阶段 C：补齐 MSA 和多模型共识

• 建立 ColabFold/MMseqs2 独立 MSA Flow；
• 按阶段 B 的盲测接入至少两个不同结构 implementation；
• 统一计算 pairwise structure/interface disagreement；
• 需要时把 Boltz affinity 单独注册为有适用域的 capability；
• 不直接平均不同模型的原生 confidence。

验收：同一冻结输入和同一 MSA 下的多模型盲测、不一致性分析和校准报告。

阶段 D：接入生成与序列设计闭环

• 将 RFD3 和 RFD3NA 作为两个输入域不同的 generation Flow；
• 将 ProteinMPNN、LigandMPNN 和 SolubleMPNN 注册为同一能力族的不同 implementation；
• 每条 sequence 保存 parent backbone、design mask、约束与生成谱系；
• 任何复折叠预测器都禁止把设计骨架当作验证 template；
• 至少一个异源预测、几何门控和人工 gate 后才进入实验候选集。

验收：公开 motif、binder、ligand-pocket 和 nucleic-acid fixtures，证明约束、谱系和反循环规则完整。

阶段 E：几何、物理和交互完善

• 将 PoseBusters 从 Vina pose 扩展到结构模型产生的 ligand pose；
• 将 OpenMM 最小化/短 MD 建成独立 physics-hypothesis Flow；
• 用 Mol*、Saguaro 和 ECharts 完成跨视图 ResidueMap/AtomMap 联动；
• 用 Gradio 保持新模型的独立 smoke demo，不导入第二套生产作业系统；
• 所有模型、搜索数据库和验证组件持续进入同一 challenge track。

10. 统一验收与证据分层

10.1 每个模型 implementation 的共同验收

• 身份
  ：代码、权重、容器、数据库、前后处理均有 digest；
• 输入
  ：entity、chain、sequence、ligand、bond、MSA、template、restraint 无静默丢失；
• 输出
  ：每个坐标和置信度能映射回输入 entity/residue/atom；
• 可重复性
  ：seed 和确定性边界明确；
• 资源
  ：最大 token/atom、显存、超时、OOM 和取消可测试；
• 许可证
  ：执行前 gate，输出继承 policy；
• 科学性
  ：适用域、限制和错误类型可机器读取；
• 升级
  ：任何模型/权重/数据库/容器变化重新跑固定 challenge set。

10.2 证据层级

模型原始输出  ↓格式/映射/几何有效性  ↓模型内置信度  ↓多样本稳定性  ↓异源模型一致性  ↓物理假设检查  ↓实验 Observation

上层可以否定下层的过度解释，但下层不能自动升级成上层。例如高 pLDDT 不能升级成 affinity observation，多模型一致也不能升级成实验结构。

11. 综述结论：怎样把这个生态用对

1. 先选科学能力，再选具体项目。
    搜索、生成、序列设计、结构预测、对接和模拟是不同能力，不存在一个能合理替代所有环节的“总模型”。
2. 把 MMseqs2、ColabFold 和 AtomWorks 当成一级基础设施。
    MSA、模板、数据库和原子标准化会改变下游结果，必须可审计、可复用。
3. 结构预测不预设唯一胜者。
    用自己的盲测集在 AF3、Boltz-2、Chai-1、OpenFold3、Protenix 和 RF3 中做合规比较，生产上保留两个异源 implementation 比依赖某个公开总榜更可靠。
4. 设计流程要串联，证据要分层。
    RFD3/RFD3NA 生成结构，MPNN 家族生成序列，独立结构模型做复折叠，但各环节分数不应混成一个不可解释总分。
5. PoseBusters、Vina 和 OpenMM 组成逐渐加深的检查链。
    它们分别检查几何、生成 pose 假设和检验特定物理协议，任何一个都不是实验活性的替代品。
6. 把开源边界做成机器可读门控。
    分别记录 code、weight、data 和 output 条款；尤其不能用 AF3 源码的 Apache-2.0 掩盖其官方权重与输出限制。
7. 用 Mol、Saguaro、ECharts 和 Ketcher 建一个联动工作台。
   * Gradio 保留给独立 Demo 和烟测，不取代生产权限、作业和 Artifact 系统。
8. 当前代码应沿现有架构扩展。
    补齐通用多组分契约、GPU runner、多样本产物和 ResidueMap/AtomMap 联动，继续复用 Dynamic Plan、ArtifactRef、MCP 和命名人工门控。
9. 模型链的终点仍是实验。
    模型可以帮助生成、排序和排除假设，但不能自行把 Prediction 升级为 Observation。

12. 逐项目资料与主来源

本项目逐项目分析

• RFdiffusion3
• RFdiffusion3NA
• ProteinMPNN
• LigandMPNN
• SolubleMPNN
• AlphaFold 3
• Boltz-2
• Chai-1
• Protenix
• OpenFold3
• AtomWorks
• ColabFold
• MMseqs2
• PoseBusters
• AutoDock Vina
• OpenMM
• Mol*
• Ketcher
• RCSB Saguaro
• Apache ECharts
• Gradio

延伸专题

• RosettaFold-3 主来源深度报告
• Foundry 开源模型目录
• RF3 输入输出可视化说明
• RF3 初学者图解

21 个项目的官方入口

1. RFdiffusion3
2. RFdiffusion3NA
3. ProteinMPNN
4. LigandMPNN
5. SolubleMPNN / Foundry checkpoint registry
6. AlphaFold 3
7. Boltz-2
8. Chai-1
9. Protenix
10. OpenFold3
11. AtomWorks
12. ColabFold
13. MMseqs2
14. PoseBusters
15. AutoDock Vina
16. OpenMM
17. Mol*
18. Ketcher
19. RCSB Saguaro
20. Apache ECharts
21. Gradio