proteinmpnn

ProteinMPNN Sequence Design

前提条件

要件	最低要件	推奨
Python	3.8+	3.10
CUDA	11.0+	11.7+
GPU VRAM	8GB	16GB (T4)
RAM	8GB	16GB

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、はじめにを参照してください。

オプション 1：ローカルインストール（推奨）

git clone https://github.com/dauparas/ProteinMPNN.git
cd ProteinMPNN

python protein_mpnn_run.py \
  --pdb_path backbone.pdb \
  --out_folder output/ \
  --num_seq_per_target 16 \
  --sampling_temp "0.1"

GPU：T4（16GB）で十分 | 所要時間：約50〜100配列/分

オプション 2：Modal（LigandMPNN ラッパー経由）

cd biomodals
# modal_ligandmpnn.py takes --input-pdb and forwards run.py args via --params-str
modal run modal_ligandmpnn.py \
  --input-pdb backbone.pdb \
  --params-str "--model_type protein_mpnn --number_of_batches 16 --temperature 0.1"

GPU（Modal）：デフォルトは A10G | タイムアウト：デフォルトは900s

注：LigandMPNN には ProteinMPNN の機能が含まれています（--model_type protein_mpnn で選択）。

設定スキーマ

主なパラメーター

パラメーター	デフォルト	範囲	説明
--pdb_path	必須	path	単一の PDB 入力
--pdb_path_chains	すべて	A,B	設計するチェーン（カンマ区切り）
--out_folder	必須	path	出力ディレクトリ
--num_seq_per_target	1	1-1000	構造あたりの配列数
--sampling_temp	"0.1"	"0.0001-1.0"	温度（文字列です！）
--seed	0	int	乱数シード
--batch_size	1	1-32	バッチサイズ

温度ガイド

0.1  -> Low diversity, high recovery (production)
0.2  -> Moderate diversity (default)
0.3  -> Higher diversity (exploration)
0.5+ -> Very diverse, lower quality

重要：温度は浮動小数点数ではなく、文字列として渡す必要があります。

よくある間違い

温度パラメーター

✅ 正しい例：

--sampling_temp "0.1"    # String with quotes

❌ 誤った例：

--sampling_temp 0.1      # Float without quotes - may cause errors
--sampling_temp 0.1,0.2  # Multiple temps need proper format

固定位置の JSONL

✅ 正しい例：

{"A": [1, 2, 3, 10, 11], "B": [5, 6]}

❌ 誤った例：

{"A": "1,2,3,10,11"}     # String instead of list
{A: [1, 2, 3]}           # Missing quotes on key
{"A": [1,2,3,]}          # Trailing comma

チェーンの選択

✅ 正しい例：

--pdb_path_chains A,B    # No spaces

❌ 誤った例：

--pdb_path_chains A, B   # Space after comma
--pdb_path_chains "A,B"  # Quotes may cause issues

アミノ酸バイアス

# Bias toward certain AAs (positive = favor)
--bias_AA_jsonl '{"A": {"A": 1.5, "W": -2.0}}'

# Omit specific AAs globally
--omit_AAs "CM"  # No cysteine or methionine

# Per-position omission
--omit_AA_jsonl '{"A": {"1": "C", "2": "CM"}}'

マルチチェーン設計

# Design chains A and B together
--pdb_path_chains A,B

# Tie chains (same sequence)
--tied_positions_jsonl tied.jsonl

バリアントの比較

バリアント	用途	主な違い
ProteinMPNN	汎用	オリジナルモデル
SolubleMPNN	発現	可溶性タンパク質で学習
LigandMPNN	小分子	リガンドを考慮したコンテキスト

出力形式

output/
├── seqs/
│   └── backbone.fa          # FASTA sequences
└── backbone_pdb/
    └── backbone_0001.pdb    # PDBs with designed sequence

FASTA ヘッダー形式

>backbone_0001, score=1.234, global_score=1.234, seq_recovery=0.85
MKTAYIAKQRQISFVKSHFSRQLE...

よくあるワークフロー

バインダー配列設計

python protein_mpnn_run.py \
  --pdb_path binder_backbone.pdb \
  --out_folder output/ \
  --num_seq_per_target 16 \
  --sampling_temp "0.1" \
  --pdb_path_chains B  # Design binder chain only

インターフェースの再設計

# Fix core, design interface
python protein_mpnn_run.py \
  --pdb_path complex.pdb \
  --fixed_positions_jsonl core_positions.jsonl \
  --num_seq_per_target 32

マルチステート設計

# Design for multiple conformations
python protein_mpnn_run.py \
  --pdb_path_multi state1.pdb,state2.pdb \
  --num_seq_per_target 16

出力例

実行成功

$ python protein_mpnn_run.py --pdb_path backbone.pdb --out_folder output/ --num_seq_per_target 8
Loading model weights...
Designing sequences for backbone.pdb
Generated 8 sequences in 2.3 seconds

output/seqs/backbone.fa:
>backbone_0001, score=1.234, global_score=1.189, seq_recovery=0.82
MKTAYIAKQRQISFVKSHFSRQLEERGLTKE...
>backbone_0002, score=1.198, global_score=1.156, seq_recovery=0.79
MKTAYIAKQRQISFVKSQFSRQLDERGLTKE...

良好な出力の目安：

• スコア：1.0〜2.0（低いほど信頼度が高い）
• 配列回復率：de novo の場合は0.3〜0.6、再設計の場合は0.7〜0.9
• temp > 0.1 の場合、多様な配列（すべて同一ではない）

判断ツリー

Should I use ProteinMPNN?
│
├─ Have a backbone structure?
│  ├─ Yes → Continue below
│  └─ No → Use RFdiffusion first
│
├─ What's in the binding site?
│  ├─ Nothing / protein only → ProteinMPNN ✓
│  ├─ Small molecule / ligand → Use LigandMPNN
│  └─ Metal / cofactor → Use LigandMPNN
│
├─ Priority?
│  ├─ Solubility/expression → Consider SolubleMPNN
│  ├─ Speed → ProteinMPNN ✓
│  └─ AF2 optimization → Consider ColabDesign
│
└─ Need fixed positions?
   ├─ Yes → Use --fixed_positions_jsonl
   └─ No → ProteinMPNN ✓ (design all)

一般的なパフォーマンス

キャンペーン規模	所要時間（T4）	コスト（Modal）	備考
100バックボーン × 8配列	15-20 min	~$2	標準
500バックボーン × 8配列	1-1.5h	~$8	大規模キャンペーン
1000バックボーン × 16配列	3-4h	~$18	包括的

スループット：T4 GPU で約50〜100配列/分。

---

検証

grep -c "^>" output/seqs/*.fa  # Should match backbone_count × num_seq_per_target

---

トラブルシューティング

配列の多様性が低い：sampling_temp を0.2〜0.3に上げてください 回復率が低い：sampling_temp を0.1に下げてください OOM エラー：batch_size を小さくしてください 不要なシステイン：--omit_AAs "C" を使用してください

エラーの解釈

エラー	原因	対処方法
RuntimeError: CUDA out of memory	タンパク質が長い、またはバッチが大きい	batch_size を小さくするか、より大きな GPU を使用してください
KeyError: 'A'	PDB にチェーンがありません	PDB ファイルのチェーン ID を確認してください
JSONDecodeError	JSONL 形式が無効です	JSON 構文を検証してください（よくある間違いを参照）
IndexError: list index	チェーンまたは残基リストが空です	PDB に HEADER だけでなく原子が含まれていることを確認してください

---

次：検証のための構造予測 → フィルタリングには protein-qc を使用してください。