字节跳动发布Protenix-v1 实现AlphaFold3级别结构预测

背景

在生物大分子结构预测领域，AlphaFold3的全原子扩散模型被视为技术前沿。字节跳动在2026年2月推出的Protenix-v1，旨在以完全开源的方式复现AF3的核心能力，并在训练数据截止、模型规模和推理预算上与其保持一致。

关键特性

• 全栈开源：代码、预训练权重、MSA流水线以及浏览器交互式Web Server全部在GitHub发布，采用Apache 2.0协议。
• 多模态预测：一次前向即可输出包含蛋白质、DNA/RNA以及小分子配体的全原子3D结构。
• 模型规模：368M参数的Protenix‑v1在保持AF3级别的模型容量的同时，实现了更易部署的计算需求。
• 推理可扩展：通过增加采样候选数，可实现对复杂抗体‑抗原复合体的对数线性精度提升，提供清晰的延迟‑精度权衡曲线。

基准与评估

Protenix‑v1随同发布的PXMeter v1.0.0提供了6000余个经人工筛选的复合体基准，涵盖时间分割子集、抗体‑抗原、蛋白‑RNA以及配体对接等场景。评测指标包括复合体LDDT、DockQ等，结果显示在所有子集上均超过AlphaFold3的公开基准表现。PXMeter的研究论文进一步阐释了不同数据划分对模型排名的影响，提升了评测的可复现性。

生态与后续

Protenix已衍生出多个配套项目：

• PXDesign：基于Protenix的结合体设计套件，实验命中率提升20%‑73%。
• Protenix‑Dock：传统经验评分的蛋白‑配体对接框架，针对刚性对接进行专门调优。
• Protenix‑Mini 系列：通过架构压缩与少步采样，将推理成本降低数倍，精度损失控制在几个百分点内。

这些组件共享统一的输入输出格式，便于在药物发现、酶工程等下游流水线中直接集成。

"Protenix‑v1 是首个在保持AlphaFold3关键约束下实现全开源、全可复现的高精度结构预测模型。"——字节跳动AI实验室负责人

整体来看，Protenix‑v1不仅在学术前沿提供了可验证的基准，还为工业界提供了落地的工具链，预示着AI驱动的生物结构预测将在开源生态中迎来新一轮加速。