企业官网建设流程全解析

标注CIF入门指南：RFD4-Proteína中固定靶标与设计区域的全部16个标注字段写法清单

【免费下载链接】RFD4-Proteina项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/RFD4-Proteina

RFD4-Proteína 是 Baker Lab 与 NVIDIA GenAIR 联合发布的生物分子设计模型，能同时生成蛋白质序列与全原子结构。在运行生成之前，你需要用一个Annotated CIF（标注 CIF）告诉模型：哪些原子坐标要作为靶标固定下来、哪些区域交给模型重新设计。本文用仓库自带的 4 个真实示例，逐一讲清"固定靶标"与"设计区域"的全部 16 个标注字段写法。

1. 什么是标注 CIF？为什么设计前必须"标注"

RFD4-Proteína 是一种 flow-matching 模型，它并不凭空设计，而是以"你想保留的分子环境"为条件进行生成：结合靶标、酶活性基序、小分子配体，或选定的结构特征。

README 中有一句关键提示：an ordinary, unannotated structure is not a complete design specification——一个普通的、没有标注的结构并不是完整的设计说明书。模型必须从文件里读出以下信息：

• 🎯 哪些原子的坐标已经固定（靶标蛋白、配体、金属离子）；
• 🔒 哪些残基的序列不允许改动；
• ✂️ 哪一段是设计区域（起始/结束残基号、长度）；
• ⚡ 特殊约束：热点残基、氢键、坐标分组等。

这些信息就以若干"额外列"的形式写在 CIF 的_atom_site循环里，再配合少量辅助记录。这套"CIF + 标注列"就是Annotated CIF。

标注列按前缀分成三族，先看总览：

再加上 1 个设计区域元数据_rfd_design.sampled_contig，合计16 个字段。

2. 16 个标注字段完整清单（总表）

以下清单全部来自本仓库examples/下 4 个示例输入文件的实际列头，可对照原文核对。

💡 记忆口诀：mask 管"锁没锁"，annotation 管"锁在哪段"，condition 管"附加约束"。

3. 固定靶标的写法：两个开关mask_coordinate+mask_sequence

以 PD-L1 结合蛋白示例 examples/protein_binder/input.cif 为例，文件里有两条链：

• 链 A（靶标，PD-L1 片段，残基 17–130）：所有原子mask_coordinate_1_atom=True且mask_sequence_1_residue=True——坐标和序列双双锁定，作为固定背景。
• 链 B（设计区域）：只有一个占位残基50-120，写法如下（第 1521 行）：

HETATM X UNK . 50-120 B 2 1 . 1 50-120 B UNK 924 nan 0.0 ? 120 50 False True True False False 924 nan nan nan 1

对照列头（input.cif#L585-L591）：annotation_expsegmax=120、annotation_expsegmin=50、mask_coordinate=False、mask_expsegmin=True、mask_expsegmax=True、mask_sequence=False——含义是"设计第 50~120 号共 71 个残基，序列由模型决定，坐标也重新生成"。

固定靶标的核心就两条：把靶标原子写成mask_coordinate_1_atom=True+mask_sequence_1_residue=True，其余标注列保持False/-1。

4. 设计区域的写法：占位组件三步法

最简样例是纯长度规格 examples/monomer.cif——没有任何输入坐标，只表达"请设计 100 个残基"。写法四步：

1. 定义占位组件：在_chem_comp中声明100-100，类型为NON-POLYMER（monomer.cif#L26-L32）；
2. 挂到链上：_entity_poly_seq中写一个残基100-100，_entity_poly的序列一字母代码写成X；
3. 原子行占位：_atom_site写一条HETATM，type_symbol=X、坐标nan、occupancy0.0，并标注annotation_expsegmin/max=100、mask_expsegmin/max=True（monomer.cif#L50-L58）；
4. 声明设计 token：文件尾部加一行_rfd_design.sampled_contig 100-100（monomer.cif#L67）。

酶基序支架示例 examples/enzyme_design/input.cif 更进一步：同一条链上既有固定的活性基序（一个 ASP 残基 + 配体 ORO + 金属 ZN，mask_coordinate/mask_sequence=True，并用annotation_src-component指回A250/ORO/ZN），又有设计 token180-180（input.cif#L116-L132）。它的配体/金属原子还带condition_hbond_1_atom约束值（1/2），用于表达氢键相关条件。

抗体示例 examples/antibody_design/input.cif 则展示了condition 风格：序列条件直接写在_atom_site.condition_sequence_1_residue列（每行一个残基名，如ASP），固定坐标另起一个_condition_coordinate_1_atom循环按原子顺序列出 x/y/z（input.cif#L756-L758、#L5009-L5012），并用condition_CoordinateGroup_1_atom把原子划入 0/1/2 三个坐标组。

5. 跑一次设计：input.cif 到 design.cif 一条命令

标注好输入后，用原生 CLI 一行启动（权重指向本仓库）：

rfd4-generate inputs=examples/protein_binder/input.cif \ hf_ckpt_path=nvidia/RFD4-Proteina \ num_replicates=1 out_dir=./runs/pdl1 '~metrics' compile_lengths=null

生成的 CIF 会在runs/pdl1/inference_samples/下。可对照的官方输出样例：

6. 输出 design.cif 里多出来的标注列怎么看

输出文件本身也是标注 CIF。除了坐标，模型会写回这些列（以 protein_binder/design.cif#L690-L740 为例）：

• condition_sequence-probability-ALA_1_residue… 等24 列：20 种氨基酸 + A/C/G/U、DA/DC/DG/DT 4 种核苷酸的序列概率，方便你直接读出生成的序列偏好；
• annotation_src-component_1_atom/annotation_src-index-group_1_atom/annotation_src-coordinate-conditioned-region_1_atom：写回设计残基的"来源参照"（原始组件、索引组、坐标条件区域）；
• condition_sequence_1_residue、condition_hotspot_1_atom、condition_CoordinateGroup_1_atom：与输入同名的条件列。

7. 新手避坑速查 ⚠️

8. 相关文件清单

• README.md：项目总览、权重说明与快速开始
• examples/protein_binder/input.cif：固定靶标 + 71 残基设计区（mask/annotation 风格）
• examples/enzyme_design/input.cif：固定酶基序 + 设计 token（含 hbond 约束）
• examples/antibody_design/input.cif：condition 风格序列/坐标条件
• examples/monomer.cif：最小设计区域规格（100 残基，无坐标）
• inference.yaml：生成默认配置

【免费下载链接】RFD4-Proteina项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/RFD4-Proteina