RFD4-Protein ilə Proteinləri Mükafatla Rəhbər Edilən Nəticə-Zaman Axtarışı ilə Dizayn Edin

Protein dizaynı axtarış problemidir. Səkkiz qalıq zülal ardıcıllığı üçün amin turşularını seçin və 25 milyarddan çox birləşmə mümkündür. 100 qalıq zülal ardıcıllığı üçün amin turşularını seçin və imkanların sayı müşahidə olunan kainatdakı atomların sayından çoxdur. Həmin məkanın bir yerində yeni terapiyaya yol açan bir zülal var. Tam axtarış üçün çoxlu kombinasiyalar var, ona görə də onu tapmaq hara baxmaq lazım olduğunu bilməkdən asılıdır.

RFD4-Proteina , an NVIDIA BioNeMo open model co-developed with the Institute for Protein Design at the University of Washington’s School of Medicine, navigates that space using patterns learned from nature. It co-designs protein sequences and all-atom structures, and uses reward-guided inference-time search to focus compute on the most promising candidates.

This tutorial shows computational biologists, ML engineers and drug discovery researchers how to design protein binder candidates against PD-L1, an oncology target, using reward-guided inference-time search and introduces experimental validation results across design tasks.

Building on Proteina-Complexa ’s partially latent approach, RFD4-Proteina combines explicit backbone coordinates with latent representation, learned sequence and atomistic variables. Its autoencoder decoder produces the sequence and all-atom structure together, removing the separate inverse-folding handoff to a model such as ProteinMPNN .

Yuxarıdakı Şəkil 1-də göstərilən axtarış dövrəsi RFD4-Proteinanın hesablamalarını cəmlədiyi yerdir.

During inference-time reasoning search, the model denoises generation trajectories to obtain structures, scores these designs, retains and branches promising partial states, and continues until the generation criteria are reached.

Mükafatlar həndəsə, qarşılıqlı əlaqə və ya müstəqil proqnozlaşdırma inamını ölçə bilər. Bu cür əlavə axtarış dizaynları müəyyən edilmiş məqsədə uyğun optimallaşdırır, daha yüksək bal toplayan dizaynlar əldə edir. Daha sonra bu dərslikdə siz istifadəçinin açıq model və NIM vasitəsilə bu funksiyanı necə aktivləşdirə biləcəyini görəcəksiniz.

Yuxarıdakı Şəkil 3-dəki iş prosesi, elmi məqsəddən eksperimental sınaq üçün namizədlərə keçmək üçün RFD4-Proteinadan necə istifadə olunacağını nümayiş etdirir. An agent can coordinate these tools and track results, while scientists define the objectives and use experimental evidence to guide the next round.

Nəsil üçün meyarları və tələbləri müəyyən etməklə başlayın. Məsələn, RFD4-Proteina istifadəçilərdən nəyin dəyişə biləcəyini, nəyin sabit qalmalı olduğunu, hesablama və eksperimental uğur meyarlarını müəyyən etməyi gözləyir.

Giriş məlumatlarını yaratmaq / manipulyasiya etmək üçün AtomWorks istifadə edin. AtomWorks RFD4-Proteina üçün strukturlar və dizayn annotasiyaları hazırlamaq üçün istifadə edilən molekulyar məlumat qatıdır. Onun Python və PyMOL iş axınları sabit atomlar, təyin edilə bilən qalıqlar, qaynar nöqtələr və molekulyar kontekst hazırlayır. Ətrafdakı zülalları tərtib edərkən verilən liqand və ya motiv kimyasını qoruyun.

Həm açıq model, həm də NIM annotasiya edilmiş CIF-ləri və ya şərt spesifikasiyasını və onun mənbə strukturunu qəbul edir. Aşağıdakı spesifikasiya hədəfi düzəldir və yeni bağlayıcını müəyyənləşdirir.

Repozitoriyanın PDB 5O45-dən kəsilmiş PD-L1 strukturu hədəf kimi xidmət edir. Fix the target’s sequence and backbone coordinates, allow its side chains to repack, and direct binder generation toward hotspot atoms on Tyr56, Met115, and Tyr123. Yeni bağlayıcıda sərbəst ardıcıllıq və koordinatlarla 100-150 qalıq var.

Repozitoriyanı klonlayın, sonra kökündən nümunələri işə salın. Bu pdl1.json yazır; hər iki yol eyni hədəf CIF və şərtlərdən istifadə edir.

bash setup.sh --native source .venv/bin/activate NIM environment setup To host the NIM, run this block in Bash on a supported GPU host with Docker and NVIDIA Container Toolkit installed.

Bunu nim_client.py olaraq yadda saxlayın. O, PD-L1 vəziyyət spesifikasiyasını və hədəf CIF-ni NIM-ə göndərir, sonra yaradılan strukturları və cavab ölçülərini saxlayır.