boltzgen

BoltzGen 全原子設計

前提条件

要件	最低要件	推奨
Python	3.11+	3.12
CUDA	12.0+	12.1+
GPU VRAM	24GB	48GB（L40S）
RAM	32GB	64GB

実行方法

初めてですか？ Modal と biomodals のセットアップについては、はじめにをご覧ください。

オプション 1：Modal（推奨）

# Clone biomodals
git clone https://github.com/hgbrian/biomodals && cd biomodals

# Run BoltzGen (requires YAML config file)
modal run modal_boltzgen.py \
  --input-yaml binder_config.yaml \
  --protocol protein-anything \
  --num-designs 50

# With custom GPU
GPU=L40S modal run modal_boltzgen.py \
  --input-yaml binder_config.yaml \
  --protocol protein-anything \
  --num-designs 100

GPU：L40S（48GB）を推奨 | タイムアウト：デフォルトで120分

利用可能なプロトコル：protein-anything、peptide-anything、protein-small_molecule、nanobody-anything、antibody-anything

オプション 2：ローカルインストール

git clone https://github.com/HannesStark/boltzgen.git
cd boltzgen
pip install boltzgen   # or: pip install -e .

# Driven by the boltzgen CLI with a YAML design spec
boltzgen run binder_config.yaml \
  --output out/ \
  --protocol protein-anything \
  --num_designs 50

初回実行時にモデルの重み（約6GB）が ~/.cache にダウンロードされます。フル実行の前に、 boltzgen check binder_config.yaml で仕様を検証してください。

GPU：L40S（48GB） | 所要時間：設計あたり約30～60秒

主要なパラメーター（CLI）

パラメーター	デフォルト	説明
--input-yaml	必須	YAML 設計仕様へのパス
--protocol	protein-anything	設計プロトコル
--num-designs	10	生成する設計の数
--steps	all	実行するパイプラインのステップ（例：design inverse_folding）

YAML 設定

BoltzGen は、設計するタンパク質と標的構造をエンティティとして指定する、エンティティベースの YAML 形式を使用します。

重要な注意事項：

• 残基インデックスには、著者が付与した残基番号ではなく label_seq_id（1始まり）を使用します
• ファイルパスは YAML ファイルの場所からの相対パスです
• 標的ファイルは CIF 形式を使用してください（PDB も動作しますが、CIF を推奨します）
• 実行前に boltzgen check config.yaml を実行して、仕様を検証してください

基本的なバインダー設定

entities:
  # Designed protein (variable length 80-140 residues)
  - protein:
      id: B
      sequence: 80..140

  # Target from structure file
  - file:
      path: target.cif
      include:
        - chain:
            id: A
      # Specify binding site residues (optional but recommended)
      binding_types:
        - chain:
            id: A
            binding: 45,67,89

特定の結合部位を持つバインダー

entities:
  - protein:
      id: G
      sequence: 60..100

  - file:
      path: 5cqg.cif
      include:
        - chain:
            id: A
      binding_types:
        - chain:
            id: A
            binding: 343,344,251
      structure_groups: "all"

ペプチド設計（環状）

entities:
  - protein:
      id: S
      sequence: 10..14C6C3  # With cysteines for disulfide

  - file:
      path: target.cif
      include:
        - chain:
            id: A

constraints:
  - bond:
      atom1: [S, 11, SG]
      atom2: [S, 18, SG]  # Disulfide bond

設計プロトコル

プロトコル	用途
protein-anything	タンパク質またはペプチドに結合するタンパク質を設計
peptide-anything	タンパク質に結合する環状ペプチドを設計
protein-small_molecule	小分子に結合するタンパク質を設計
nanobody-anything	ナノボディの CDR を設計
antibody-anything	抗体の CDR を設計

出力形式

output/
├── sample_0/
│   ├── design.cif         # All-atom structure (CIF format)
│   ├── metrics.json       # Confidence scores
│   └── sequence.fasta     # Sequence
├── sample_1/
│   └── ...
└── summary.csv

注：BoltzGen は CIF 形式で出力します。必要に応じて PDB に変換してください：

from Bio.PDB import MMCIFParser, PDBIO
parser = MMCIFParser()
structure = parser.get_structure("design", "design.cif")
io = PDBIO()
io.set_structure(structure)
io.save("design.pdb")

出力例

実行成功時

$ modal run modal_boltzgen.py --input-yaml binder.yaml --protocol protein-anything --num-designs 10
Running: boltzgen run binder.yaml --output /tmp/out --protocol protein-anything --num_designs 10
[INFO] Loading BoltzGen model...
[INFO] Generating designs...
[INFO] Running inverse folding...
[INFO] Running structure prediction...
[INFO] Filtering and ranking...
[INFO] Pipeline complete

Results saved to: ./out/boltzgen/2501161234/

出力ディレクトリ構造：

out/boltzgen/2501161234/
├── intermediate_designs/           # Raw diffusion outputs
│   ├── design_0.cif
│   └── design_0.npz
├── intermediate_designs_inverse_folded/
│   ├── refold_cif/                 # Refolded complexes
│   └── aggregate_metrics_analyze.csv
└── final_ranked_designs/
    ├── final_10_designs/           # Top designs
    └── results_overview.pdf        # Summary plots

良好な出力の目安：

• リフォールディング RMSD < 2.0A（設計が予測どおりにフォールドする）
• ipTM > 0.5（信頼性の高いインターフェース）
• すべての設計でエラーなくパイプラインが完了する

判断ツリー

Should I use BoltzGen?
│
├─ What type of design?
│  ├─ All-atom precision needed → BoltzGen ✓
│  ├─ Ligand binding pocket → BoltzGen ✓
│  └─ Standard miniprotein → RFdiffusion (faster)
│
├─ What matters most?
│  ├─ Side-chain packing → BoltzGen ✓
│  ├─ Speed / diversity → RFdiffusion
│  ├─ Highest success rate → BindCraft
│  └─ AF2 optimization → ColabDesign
│
└─ Compute resources?
   ├─ Have L40S/A100 (48GB+) → BoltzGen ✓
   └─ Only A10G (24GB) → Consider RFdiffusion

標準的なパフォーマンス

キャンペーン規模	所要時間（L40S）	コスト（Modal）	備考
50件の設計	30～45分	約$8	手早い探索
100件の設計	1～1.5時間	約$15	標準的なキャンペーン
500件の設計	5～8時間	約$70	大規模キャンペーン

設計あたり：一般的なバインダーで約30～60秒です。

Adaptyv がこれらのモデルを独自にテストした結果、7つの標的で平均すると、BoltzGen の採用設計あたりのコストは約$1.80でした（上記の生成時間の見積もりには、採用可能な設計に到達するために必要な追加のサンプリングとリフォールディングは含まれていません）。

---

検証

find output -name "*.cif" | wc -l  # Should match num_samples

---

トラブルシューティング

まず設定を検証する：フルパイプラインの実行前に、必ず boltzgen check config.yaml を実行してください
生成が遅い：初期テストでは設計数を減らし、その後規模を拡大してください
OOM エラー：A100-80GB を使用するか、--num-designs を減らしてください
結合部位が違う：残基インデックスには label_seq_id（1始まり）を使用します。Molstar ビューアーで確認してください

エラーの解釈

エラー	原因	対処方法
RuntimeError: CUDA out of memory	設計が大きい、またはタンパク質が長い	A100-80GB を使用するか、設計数を減らす
FileNotFoundError: *.cif	標的ファイルが見つからない	ファイルパスは YAML の場所からの相対パスです
ValueError: invalid chain	標的にチェーンが存在しない	Molstar または PyMOL でチェーン ID を確認する
modal: command not found	Modal CLI がインストールされていない	pip install modal && modal setup を実行する

---

次へ：boltz または chai で検証し、フィルタリングには protein-qc を使用してください。