企业官网建设流程全解析

1. 抗体从头设计的整体思路与工具选型

1.1 为什么传统抗体发现路线开始“不够用”

做抗体的人都知道，传统路线无非几条：免疫动物、杂交瘤筛选、噬菌体展示、单B细胞克隆。这些方法成熟、可靠，但有一个共同的“天花板”——你只能在自然界已经存在的抗体序列空间里做筛选。换句话说，你是在“找”抗体，而不是在“造”抗体。

找，就意味着受限于免疫系统的耐受机制、免疫原性、物种差异，以及那些难以激发免疫反应的靶点（比如高度保守的自身抗原、小分子半抗原、某些离子通道蛋白）。很多做药的朋友应该深有体会：一个靶点筛了两三年，拿到的候选分子要么亲和力上不去，要么稳定性差，要么表达量低得可怜，最后项目黄了，不是 science 不行，是分子本身“底子”不好。

从头设计（de novo design）换了一个思路：不找了，直接算。给定一个靶点表位，我用算法生成一个能结合它的蛋白骨架，再优化序列，让它折叠成我想要的结构。这条路如果走通，理论上可以针对任何靶点、任何表位，设计出自然界不存在的全新抗体。RFdiffusion + ProteinMPNN 这套组合，就是目前这条路上最被验证、最容易上手的方案之一。

1.2 RFdiffusion 和 ProteinMPNN 各自扮演什么角色

这两个工具的分工非常清晰，你可以把它们理解成“画图纸”和“填材料”的关系。

RFdiffusion是一个基于扩散模型的蛋白结构生成网络。它的核心能力是：给定一个靶点蛋白的结构（或者只是骨架坐标），它能“扩散”出一个新的蛋白骨架，这个骨架在空间上能跟靶点形成互补的接触面。对于抗体设计，RFdiffusion 特别适合生成那种“小尺寸、β-折叠为主、带有特定结合环区”的骨架，这正好是抗体可变区（Fv）的典型特征。

ProteinMPNN则是一个序列设计网络。它拿到 RFdiffusion 生成的骨架坐标后，反向推断出什么样的氨基酸序列最有可能折叠成这个结构。它的优势在于：速度快、对骨架的兼容性好、能同时考虑多个链之间的相互作用。对于抗体这种需要重链和轻链协同折叠的体系，ProteinMPNN 可以固定框架区、只设计 CDR 区，也可以全序列设计。

我个人的经验是：RFdiffusion 决定“能不能结合”，ProteinMPNN 决定“能不能折叠、能不能表达”。两者缺一不可，但优化的侧重点完全不同。

1.3 这套流程适合谁、不适合谁

先说适合的：如果你手头有一个结构已知的靶点蛋白（哪怕是 AlphaFold2 预测的），想针对某个特定表位快速生成一批候选结合蛋白，而且你有基本的 Linux 操作能力和 GPU 资源，那这套流程非常适合你。它不需要你懂深度学习，只需要你会跑脚本、会看输出、会做基本的筛选。

不适合的情况也很明确：如果你连靶点结构都没有，或者靶点是一个高度灵活的膜蛋白、没有可靠的实验结构，那 RFdiffusion 的输入质量就会很差，输出基本靠运气。另外，如果你期望“跑一次就拿到纳摩尔级亲和力的抗体”，那也不现实——这套流程生成的是候选分子，后续还需要湿实验验证和亲和力成熟。

2. 环境搭建与输入准备的实操细节

2.1 硬件和软件环境的最低要求

RFdiffusion 对 GPU 显存的要求不算特别高，但也不是随便一张卡就能跑。根据我的实测，生成一个 100 残基左右的骨架，至少需要 8GB 显存，推荐 16GB 以上（比如 RTX 4090、A5000、V100）。如果你要同时跑多个设计或者生成更大的体系，24GB 会更从容。

软件环境方面，官方推荐用 conda 管理依赖。我建议单独建一个环境，避免和已有的 PyTorch 环境冲突。核心依赖包括：

• Python 3.9 或 3.10
• PyTorch 1.13 或 2.0（需要和 CUDA 版本匹配）
• SE3Transformer（RFdiffusion 的底层等变网络）
• DGL（图神经网络库）
• ProteinMPNN 本身依赖比较简单，主要是 PyTorch 和 NumPy

注意：RFdiffusion 的安装过程中最容易出问题的是 SE3Transformer 的编译。如果你用的是较新的 CUDA 版本（比如 12.x），可能需要手动调整编译选项。我的建议是直接用官方提供的 conda 环境文件，能省掉大量排查时间。

2.2 靶点结构的获取与预处理

RFdiffusion 需要一个干净的靶点结构作为输入。来源可以是 PDB 数据库的实验结构，也可以是 AlphaFold2/AlphaFold3 的预测结构。不管来源是什么，预处理步骤都差不多：

1. 去水、去配体、去多余链：只保留你关心的靶点链。如果靶点是多链复合物，保留所有参与结合的链。
2. 补全缺失残基：实验结构经常有缺失的 loop 区，用 MODELLER 或 PDBFixer 补全。缺失严重的区域如果正好是表位，那这个结构就不能用了。
3. 确定表位残基：这是最关键的一步。你需要明确告诉 RFdiffusion 你想结合在靶点的哪个位置。通常的做法是：根据已知的抗体-靶点复合物结构、突变实验数据，或者简单的表面可及性分析，选一组连续的或离散的残基作为“热点”。
4. 格式转换：RFdiffusion 接受 PDB 格式，但内部会转成特定的特征表示。确保残基编号连续、没有重复原子。

我踩过的一个坑：有一次用 AlphaFold2 预测的靶点结构，残基编号从 1 开始，但实际蛋白的编号是从 100 开始的。RFdiffusion 不关心编号本身，但后续分析时会对不上，导致表位选择错误。所以预处理时一定要统一编号体系，并在日志里记录清楚。

2.3 抗体骨架的参考与约束设置

虽然 RFdiffusion 可以从头生成骨架，但完全无约束的生成往往得到一些“不像抗体”的东西。为了提高成功率，通常会给一些约束：

• 框架区约束：如果你希望生成的分子保留抗体典型的免疫球蛋白折叠，可以提供一段已知的抗体框架结构作为参考，让 RFdiffusion 在生成时偏向这个拓扑。
• CDR 长度约束：抗体 CDR 的长度分布是有规律的（比如 CDR H3 通常在 8-20 个残基之间）。你可以在 RFdiffusion 的配置里指定生成区域的长度范围。
• 二硫键约束：抗体框架区有保守的二硫键。如果你希望保留，可以在序列设计阶段用 ProteinMPNN 的约束功能固定这些半胱氨酸。

这些约束不是必须的，但加上之后，输出的候选分子更接近“可开发”的抗体，而不是随便一个结合蛋白。

3. RFdiffusion 生成骨架的核心步骤与参数解析

3.1 扩散模型的“加噪-去噪”到底在做什么

RFdiffusion 的底层是去噪扩散概率模型（DDPM）。训练时，它学习从蛋白结构中逐步加噪，直到变成纯高斯噪声；推理时，它从纯噪声出发，在靶点结构的“引导”下，逐步去噪，生成一个新的骨架。

你可以把这个过程想象成雕塑：一开始是一块毫无形状的石头（噪声），你每次凿掉一点多余的部分（去噪步骤），同时心里有一个目标——要雕出一个能卡住靶点表面某个凹槽的形状。RFdiffusion 的“心里目标”就是靶点的坐标和表位信息。

关键参数有几个：

• T（扩散步数）：通常设为 50。步数越多，生成质量越高，但速度越慢。50 是一个比较平衡的值。
• 噪声调度：默认是 cosine 调度，一般不用改。
• 分类器引导强度：这个参数控制生成结果有多“听话”地结合到指定表位。强度太低，生成的东西不结合；强度太高，生成的结构会变得不自然。我的经验是从 1.0 开始试，根据输出调整。

3.2 表位条件化：怎么告诉模型“结合这里”

RFdiffusion 支持多种条件化方式，最常用的是“motif scaffolding”模式。你把靶点结构作为 motif 输入，并指定哪些残基是表位，模型会生成一个能包裹这些残基的新链。

具体操作上，你需要准备一个 JSON 或 YAML 配置文件，里面包含：

• 靶点 PDB 路径
• 表位残基列表（比如["A:45", "A:46", "A:48", "A:70"]）
• 生成链的长度范围
• 是否固定靶点坐标（通常固定）

提示：表位残基的选择直接决定成败。如果选了一个太浅、太小的表位，生成的抗体可能结合不牢；如果选了一个太大、太平的表位，生成的抗体可能无法形成足够的接触。我通常建议选 6-12 个残基，分布在 15-20 Å 的范围内，有一定的凹凸起伏。

3.3 生成多个候选与初步筛选

RFdiffusion 一次可以生成几十到几百个骨架。不要指望第一个就是好的。我的标准流程是：

1. 跑 100-500 个设计，根据 GPU 资源调整。
2. 用简单的几何指标初筛：接触面积（ buried surface area ）、形状互补性（ shape complementarity ）、氢键数量。
3. 剔除明显不合理的：比如生成链穿过了靶点、接触面积小于 400 Ų、或者生成了大量无规卷曲。

这一步不需要太精确，目的是把候选从几百个降到几十个，减少后续 ProteinMPNN 和湿实验的工作量。

4. ProteinMPNN 序列设计与多链协同优化

4.1 序列设计的“反向折叠”逻辑

ProteinMPNN 解决的问题是：给定一个骨架，什么序列能折叠成它？它的网络架构是消息传递神经网络（MPNN），在蛋白结构的图表示上做信息传递，每个节点是一个残基，边是空间邻近关系。

对于抗体设计，ProteinMPNN 有几个关键优势：

• 支持多链：可以同时设计重链和轻链，并考虑链间相互作用。
• 支持固定残基：框架区的保守残基可以固定，只设计 CDR。
• 支持偏置：可以给某些氨基酸加偏置，比如避免过多的半胱氨酸或脯氨酸。

我通常的做法是：第一轮全序列设计，看看模型倾向于什么；第二轮固定框架区，只设计 CDR，得到更“像抗体”的序列。

4.2 重链轻链的配对与界面优化

抗体是一个异源二聚体，重链和轻链的界面必须匹配。RFdiffusion 生成的骨架如果包含两条链，ProteinMPNN 会自动考虑链间接触。但如果 RFdiffusion 只生成了一条链（比如只生成重链），那你就需要单独处理轻链。

我的经验是：尽量让 RFdiffusion 同时生成重链和轻链的骨架。虽然计算量更大，但这样得到的界面更自然，后续序列设计也更容易。如果分开生成，重链和轻链的界面往往需要额外的优化，成功率会下降。

ProteinMPNN 有一个--pdb_path_chains参数，可以指定哪些链一起设计。对于抗体，通常设为"H L"，表示重链和轻链联合设计。

4.3 序列多样性控制与去冗余

ProteinMPNN 对同一个骨架可以生成多个序列（比如每个骨架生成 8-16 条序列）。这些序列之间会有一定的多样性，但如果你不做控制，可能会得到大量高度相似的序列。

控制多样性的方法：

• 温度参数：ProteinMPNN 的采样温度控制随机性。温度低（0.1），序列更保守、更相似；温度高（0.5-1.0），序列更多样。我通常用 0.1 做第一轮，用 0.3-0.5 做后续的多样性探索。
• 去冗余：生成后，用 CD-HIT 或 MMseqs2 对序列做聚类，剔除相似度高于 90% 的冗余序列。
• 氨基酸组成检查：剔除那些含有过多疏水残基（容易聚集）或过多半胱氨酸（容易形成错误二硫键）的序列。

5. 结构验证与候选分子排序

5.1 用 AlphaFold2 做自洽性检查

ProteinMPNN 输出的序列，需要用结构预测工具验证：这条序列能不能折叠回原来的骨架？最常用的工具是 AlphaFold2。具体做法是：把 ProteinMPNN 设计的序列（重链+轻链）输入 AlphaFold2，预测其结构，然后和 RFdiffusion 生成的骨架做比对。

评价指标：

• RMSD：预测结构和设计骨架的偏差。小于 2 Å 算合格，小于 1 Å 算优秀。
• pLDDT：AlphaFold2 的置信度。界面残基的 pLDDT 最好大于 80。
• PAE：预测对齐误差。链间 PAE 低说明界面预测可靠。

这一步会淘汰掉相当一部分设计——有些序列虽然理论上能折叠，但 AlphaFold2 预测出来完全不是那个结构。这是正常的，不要灰心。

5.2 界面能量计算与亲和力预估

结构验证通过后，下一步是估算结合亲和力。常用的工具包括：

• Rosetta：用InterfaceAnalyzer计算结合能、埋藏面积、形状互补性。
• FoldX：计算结合自由能变化。
• PRODIGY：基于接触特征预测结合亲和力。

这些工具的绝对值不一定准，但可以用来排序。我的做法是：用 Rosetta 算 ΔG，用 PRODIGY 算 Kd 的粗略估计，两者结合，选排名前 10-20 的候选进入湿实验。

注意：计算预测的亲和力和实验值往往有 1-2 个数量级的偏差。不要因为预测值不好就放弃一个设计，也不要因为预测值好就盲目乐观。最终还是要靠实验。

5.3 可开发性评估：表达、稳定性、免疫原性

除了结合能力，一个抗体能不能成为药物，还要看可开发性。在计算阶段，可以做一些初步筛选：

• 表达量预测：用 SoluProt 或 DeepSol 预测在大肠杆菌或哺乳动物细胞中的可溶性表达概率。
• 稳定性预测：用 ThermoNet 或 Rosetta 的 ddG 计算预测热稳定性。
• 免疫原性预测：用 NetMHCII 预测是否有强结合 MHC II 的表位，避免引起不必要的免疫反应。
• 聚集倾向：用 TANGO 或 AGGRESCAN 预测聚集倾向。

这些工具都是辅助性的，但能帮你排除一些明显有问题的候选。

6. 常见问题与排查技巧实录

6.1 RFdiffusion 生成结果不结合靶点怎么办

这是最常见的问题。可能的原因和排查方向：

我个人的经验是：表位选择占成功率的 70%。如果表位选得好，即使其他参数一般，也能得到一些合理的候选。如果表位选得不好，怎么调参数都没用。

6.2 ProteinMPNN 序列折叠不回去怎么处理

AlphaFold2 验证时，如果 RMSD 很大，说明序列和骨架不匹配。可能的原因：

• 骨架本身不合理：RFdiffusion 生成的骨架可能含有不合理的几何结构（比如键长键角异常、原子重叠）。用 MolProbity 检查骨架的几何质量。
• 序列设计约束太少：如果全序列自由设计，模型可能会选一些不利于折叠的残基。尝试固定更多框架区残基。
• 多链界面不匹配：重链和轻链的界面残基如果不兼容，会导致折叠失败。检查界面残基的氨基酸类型是否合理（比如有没有带同种电荷的残基面对面）。

6.3 湿实验验证前的最后检查清单

在把候选分子送去做实验之前，我通常会过一遍这个清单：

1. 序列有没有明显的错误？比如起始密码子、终止密码子、信号肽。
2. 有没有意外的糖基化位点（N-X-S/T）？如果有，考虑突变掉。
3. 有没有过多的游离半胱氨酸？抗体框架区的二硫键要保留，但额外的半胱氨酸容易导致错误配对。
4. 等电点是否合适？太高或太低都可能影响纯化。
5. 有没有预测的强 MHC II 结合表位？如果有，考虑改掉。

这些检查看起来琐碎，但能避免很多“做了几个月实验发现分子根本表达不出来”的悲剧。

6.4 提高成功率的几个“玄学”技巧

说几个我在实操中总结的、不太上得了台面但确实有用的技巧：

• 多跑几轮，换随机种子：RFdiffusion 的生成结果对随机种子敏感。同一个配置，换个种子，结果可能完全不同。我通常至少跑 3 个种子，合并结果。
• 用已知抗体做“锚定”：如果你要针对的表位和某个已知抗体的表位重叠，可以把已知抗体的框架作为参考，让 RFdiffusion 在此基础上生成。这样成功率会高很多。
• CDR H3 单独处理：CDR H3 是抗体多样性的主要来源，也是最难设计的部分。我有时会先用 RFdiffusion 生成框架，然后用专门的 loop 建模工具（如 LoopBuilder）单独设计 H3，最后再拼起来。
• 不要迷信计算分数：我遇到过 Rosetta 分数很差但实验亲和力很好的设计，也遇到过分数很好但完全不结合的。计算只是筛选，实验才是真理。

7. 从计算到实验的衔接与迭代

7.1 基因合成与表达载体的选择

计算筛选出的候选，下一步是基因合成。对于抗体，通常选择哺乳动物细胞表达（HEK293 或 CHO），因为这样能保证正确的折叠和糖基化。载体方面，常用的有 pcDNA3.4、pTT5 等。

如果只是做初步的结合验证，也可以尝试大肠杆菌表达，但抗体的二硫键在细菌中容易形成包涵体，需要复性，比较麻烦。我的建议是：初步筛选用哺乳动物细胞瞬转，确认结合后再考虑其他表达系统。

7.2 结合实验的优先级排序

拿到表达上清后，第一轮实验通常是 ELISA 或 BLI（生物膜干涉）。ELISA 便宜、通量高，适合初步筛选；BLI 能测动力学常数，适合确认阳性克隆。

我通常的做法是：

1. 用 ELISA 筛一遍，看有没有结合信号。
2. 对 ELISA 阳性的克隆，用 BLI 测亲和力。
3. 对亲和力好的克隆，做稳定性测试（热挑战、血清稳定性）。
4. 对稳定性好的克隆，做功能实验（比如中和实验、细胞实验）。

这个顺序能帮你快速淘汰大部分不合格的候选，把资源集中在最有希望的分子上。

7.3 亲和力成熟与后续优化

如果初步设计的抗体亲和力不够（比如只有微摩尔级），可以做亲和力成熟。常用的方法包括：

• 计算重设计：用 ProteinMPNN 对 CDR 区做定向突变，生成突变体库，再用 AlphaFold2 和 Rosetta 筛选。
• 实验进化：用易错 PCR 或定点突变构建突变体库，用噬菌体展示或酵母展示筛选。
• 理性设计：根据结构分析，手动突变界面残基，比如把疏水残基换成带电荷的残基，增加静电相互作用。

亲和力成熟是一个迭代过程，通常需要 2-3 轮才能把亲和力提高 10-100 倍。

7.4 这套流程的局限性与未来改进方向

RFdiffusion + ProteinMPNN 不是万能的。目前的局限性包括：

• 对靶点结构的依赖：如果靶点没有可靠的结构，这套流程基本没法用。
• 对表位的依赖：表位选择仍然需要人工判断，自动化程度不够。
• 亲和力上限：从头设计的抗体，亲和力通常不如免疫动物得到的抗体，需要后续成熟。
• 可开发性：计算阶段很难完全预测表达量、稳定性、免疫原性，很多候选会在实验阶段被淘汰。

未来的改进方向可能包括：更好的表位预测工具、更精确的亲和力预测模型、以及将可开发性评估整合到设计流程中。但就目前而言，这套流程已经足够让一个有小团队、有 GPU 资源的实验室，在几周内生成一批可实验验证的候选分子。

我个人在实际操作中的体会是：不要追求一次成功，要把这套流程当成一个“候选生成器”。它的价值不在于直接给你一个完美的抗体，而在于帮你快速探索巨大的序列和结构空间，把湿实验的试错成本降下来。跑 500 个设计，能有 5 个结合，1 个有开发潜力，这个效率已经比传统方法高很多了。