AlphaFold2 / AlphaFold3 结构预测
正问题的王炸：给定序列预测结构。AlphaFold2 精度达到实验级；AlphaFold3 扩展到蛋白—核酸—小分子配体复合物和翻译后修饰预测。
- 网页版：AlphaFold3 Server（免费、无需 GPU）
- 本地版：代码开源，但需要较强 GPU
- 设计流水线里主要用来做「自洽性回测」
按「结构预测 → 序列设计 → 生成式设计 → 经典设计套件 → 可视化 → 实验验证」分类。 新手建议从 Colab 版工具开始，不用配 GPU 也能跑通。
| 工具 | 分类 | 一句话 | 上手难度 | 要不要 GPU |
|---|---|---|---|---|
| ColabFold | 结构预测 | AlphaFold2 的加速版，浏览器里跑 | 入门 | Colab 免费额度够用 |
| AlphaFold3 | 结构预测 | 预测蛋白—配体—核酸复合物 | 入门 | 网页版即可，本地版较重 |
| ProteinMPNN | 序列设计 | 逆折叠主力，给骨架配序列 | 入门 | Colab 可跑 |
| RFdiffusion | 生成式设计 | 扩散模型生成全新骨架/binder | 中等 | 建议 GPU（Colab 可跑小任务） |
| Rosetta / PyRosetta | 经典套件 | 物理能量函数 + 采样，设计界的标准套件 | 中等偏难 | CPU 即可 |
| Foldit | 经典/入门 | 游戏化折叠，零基础入门神器 | 入门 | 不需要 |
| PyMOL / ChimeraX | 可视化 | 看结构、做图、分析界面 | 入门 | 不需要 |
正问题的王炸：给定序列预测结构。AlphaFold2 精度达到实验级；AlphaFold3 扩展到蛋白—核酸—小分子配体复合物和翻译后修饰预测。
AlphaFold2 的加速重实现（用 MMseqs2 快速搜索同源序列），不用装任何东西，在 Google Colab 里点两下就跑。单体、复合物都能预测。
不需要 MSA，一条序列几秒出结构。精度略低于 AlphaFold，但特别适合「快速浏览大量序列」和设计流水线里的粗筛。预测可以在网页上直接用，也整合在 ESM 仓库里。
与 AlphaFold2 同期发布的预测器，用更轻的「序列+结构+MSA」三轨网络。RF2 在线服务器可预测复合物；RoseTTAFold All-Atom 扩展到配体小分子。与 RFdiffusion 是同一家族。
独立复现并开源训练的 AlphaFold2，支持从头训练和微调，是研究「模型内部发生了什么」和定制预测的首选框架。如果你未来想改模型、做新任务，从这里开始。
让「AlphaFold3 级别」的复合物预测完全开源：蛋白、核酸、小分子配体、金属离子都能处理。Boltz-2 进一步支持共价修饰和更广的化学空间，正在成为本地预测的标准选择。
深度学习之前的主流路线，理解它们能帮你读懂老文献：I-TASSER 靠线程化组装模板片段；SWISS-MODEL 和 MODELLER 用已知同源结构搭模型。现在主要用于「没有同源序列时」的补充和教学。
给一个骨架设计序列的默认工具。图神经网络逐位预测「这里放哪个氨基酸最合适」，可以固定某些残基（比如功能位点），可以生成多条候选。实验成功率远高于传统方法。
序列设计时把口袋里的配体、辅因子、核酸、金属离子也考虑进去——设计酶口袋或设计「围绕小分子」的蛋白时比 ProteinMPNN 更合适。
把序列当语言学的模型。ESM2 可用于序列合理性打分和突变效应预测；ESM3 能按「序列+结构+功能」条件联合生成，比如给定一个功能位点让模型补齐其余部分，甚至设计荧光蛋白。
当前从头设计的主角。从随机噪声扩散出全新骨架，支持多种任务：motif scaffolding（把功能基序装进新支架）、binder design（对着靶点表面长结合蛋白）、对称自组装、单体/复合物设计。生成的结构与目标功能位点高度一致。
另一个扩散式生成模型，特色是「程序化约束」：可以指定对称性、尺寸、甚至掩码区域，直接采样完整复合物或功能化的蛋白。API 和本地代码都开源，值得和 RFdiffusion 对比着玩。
早期把扩散模型用在蛋白骨架上的学术方法（SE(3) 扩散、等变图网络）。现在主流工作流不用它们，但读 2022–2023 年的文献会频繁遇到，值得知道「RFdiffusion 站在谁的肩膀上」。
物理+统计能量函数的集大成者，从结构预测到序列设计、对接、酶设计全覆盖。核心概念：能量函数打分、蒙特卡洛/模拟退火采样、relax（结构松弛）、FixBB（固定骨架设计序列）、FastDesign（骨架+序列联合优化）。
用 Python 操作 Rosetta：读结构、打分、design、relax。配套教程从安装到高级设计逐步讲解，比命令行应用更适合理解每一步在做什么。许多 Baker lab 入门课程都基于它。
把蛋白折叠做成解谜游戏：拖拽、摇摆、打分实时反馈。零基础也能玩，玩家社区甚至帮科学家解出了晶体结构（Khatib 2011）。强烈推荐作为「第一个动手项目」。
射线图、表面、静电、突变标注、交互式脚本。文献里绝大多数结构图都是它做的。开源版功能足够学习，教学版也免费。
处理密度图、体积数据、界面分析非常顺手，交互界面现代，还有大量教学资源。做 cryo-EM 的你大概率已经很熟——设计这边它同样适合看模型与密度对比、算界面接触。
做分子动力学模拟、看轨迹、算相互作用时最常用。设计候选做 MD 稳定性验证时会用到。
拿到设计蛋白的实验结构后，用 Coot 手动调模型、Phenix 做精修。这是「设计闭环」的最后验证环节——你的实验结构会和设计模型对比，回填到 PDB 里。
计算设计产出候选序列后，实验闭环大致是：基因合成（Twist/GenScript）→ 表达纯化（大肠杆菌/酵母/哺乳动物细胞）→ 基本表征（SEC 判断是否单分散、CD/Tm 看折叠和稳定性、质谱看分子量）→ 功能/结合验证（BLI/SPR、酵母展示或噬菌体展示筛库）→ 结构验证（晶体或 cryo-EM）。