- 3 次围观
计算蛋白质设计工作流需要协调多种工具、数据格式和分析步骤，而这些环节往往彼此割裂。在此，我们介绍 Chaperone，这是一种轻量且可定制的框架，可将 RFdiffusion3（RFD3）与下游序列设计、结构预测和评估工具无缝集成，其中包括 ProteinMPNN、AlphaFold3（AF3）以及 50 多种其他蛋白质设计工具。Chaperone 作为一套执行框架，将适用于可编程智能体的接口与高性能计算系统上的并行执行相结合，从而能够快速迭代并大规模探索复杂的蛋白质设计工作流。在对九项生物分子设计任务的评估中，我们发现，与基线智能体相比，使用 Chaperone 可使总 token 用量减少 86%、GPU 成本降低 64%，同时提高整体计算设计通过率。我们通过一项为期两周、端到端的小分子结合蛋白设计研究，展示了 Chaperone 在大规模探索设计空间方面的效用；该研究无需筛选，即获得了对皮质醇具有低纳摩尔级亲和力的结合蛋白。我们还展示了 Chaperone 在不同设计挑战中的通用性，包括设计具有对称性的 12 亚基自组装纳米颗粒，以及设计一种连接子，介导 C2 对称与 D3 对称蛋白复合物之间的相互作用，从而形成晶体组装体。总之，这些结果表明，围绕标准化工具接口构建的智能体执行框架，能够显著提升生物学领域复杂、长周期智能体设计工作流的效率与成功率。我们在 GitHub 上向社区免费开放 Chaperone：https://github.com/RosettaCommons/chaperone。
计算蛋白质设计工作流需要协调多种工具、数据格式和分析步骤，而这些环节往往彼此割裂。本文介绍了 Chaperone，这是一款轻量且可定制的框架，可将 RFdiffusion3（RFD3）与下游序列设计、结构预测及评估工具无缝集成，其中包括 ProteinMPNN、AlphaFold3（AF3）以及其他 50 多种蛋白质设计工具。Chaperone 通过结合适合可编程智能体的接口与高性能计算系统上的并行执行，为复杂蛋白质设计工作流提供了支持快速迭代和大规模探索的框架。在对九项生物分子设计任务的评估中，我们发现，与基线智能体相比，使用 Chaperone 可使总 token 用量降低 86%、GPU 成本降低 64%，同时提高整体计算设计通过率。我们通过一项为期两周、端到端的小分子结合蛋白设计工作，展示了 Chaperone 在大规模设计空间探索中的实用性；该工作以零样本方式获得了对皮质醇具有低纳摩尔级亲和力的结合蛋白。我们还展示了其在不同设计挑战中的通用性，包括设计对称的 12 亚基自组装纳米颗粒，以及设计一种连接子，使 C2 和 D3 对称蛋白复合物之间发生相互作用并形成晶体组装体。总体而言，这些结果表明，基于标准化工具接口构建的智能体框架能够显著提升生物学领域复杂、长周期智能体设计工作流的效率与成功率。我们已在 GitHub 上向公众免费开放 Chaperone：https://github.com/RosettaCommons/chaperone。
作者声明不存在利益冲突。
感谢您有意传播 bioRxiv 的相关信息。
注意：
要求提供您的电子邮件地址，仅用于确认您是本文的发送者。
关键词：智能体蛋白质设计 · 计算蛋白质设计 · 高性能计算 · 蛋白质结合剂 · 工作流自动化
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.19.759896v1?rss=1