boltz

Boltz 结构预测

前置条件

要求	最低配置	推荐配置
Python	3.10+	3.11
CUDA	12.0+	12.1+
GPU 显存	24GB	48GB（L40S）
RAM	32GB	64GB

运行方法

第一次使用？ 请参阅入门指南，设置 Modal 和 biomodals。

选项 1：Modal

cd biomodals
modal run modal_boltz.py \
  --input-faa complex.fasta \
  --out-dir predictions/

GPU：L40S（48GB） | 超时：默认 1800s

选项 2：本地安装

pip install boltz

boltz predict \
  --fasta complex.fasta \
  --output predictions/

关键参数

参数	默认值	范围	说明
--recycling_steps	3	1-10	循环迭代次数
--sampling_steps	200	50-500	扩散步数
--use_msa_server	true	bool	使用 MSA 服务

FASTA 格式

>protein_A
MKTAYIAKQRQISFVK...
>protein_B
MVLSPADKTNVKAAWG...

输出格式

predictions/
├── model_0.cif       # Best model (CIF format)
├── confidence.json   # pLDDT, pTM, ipTM
└── pae.npy          # PAE matrix

注意：Boltz 输出 CIF 格式。如有需要，可转换为 PDB：

from Bio.PDB import MMCIFParser, PDBIO
parser = MMCIFParser()
structure = parser.get_structure("model", "model_0.cif")
io = PDBIO()
io.set_structure(structure)
io.save("model_0.pdb")

比较

特性	Boltz-1	Boltz-2	AF2-Multimer
无 MSA 模式	是	是	否
扩散	是	是	否
速度	快	更快	较慢
开源	是	是	是

输出示例

成功运行

$ boltz predict --fasta complex.fasta --output predictions/
[INFO] Loading Boltz-1 weights...
[INFO] Predicting structure...
[INFO] Saved model to predictions/model_0.cif

predictions/confidence.json:
{
  "ptm": 0.78,
  "iptm": 0.65,
  "plddt": 0.81
}

良好输出的特征：

• pTM：> 0.7（全局结构可信度高）
• ipTM：> 0.5（界面可信度高）
• pLDDT：> 0.7（单个残基可信度高）
• CIF 文件：典型复合物约为 100-500 KB

决策树

Should I use Boltz?
│
├─ What are you predicting?
│  ├─ Protein-protein complex → Boltz ✓ or Chai or ColabFold
│  ├─ Protein + ligand → Boltz ✓ or Chai
│  └─ Single protein → Use ESMFold (faster)
│
├─ Need MSA?
│  ├─ No / want speed → Boltz ✓
│  └─ Yes / maximum accuracy → ColabFold
│
└─ Why Boltz over Chai?
   ├─ Open weights preference → Boltz ✓
   ├─ Boltz-2 speed → Boltz ✓
   └─ DNA/RNA support → Consider Chai

典型性能

任务规模	耗时（L40S）	成本（Modal）	备注
100 个复合物	30-45 分钟	~$8	标准验证
500 个复合物	2-3 小时	~$35	大型任务
1000 个复合物	4-6 小时	~$70	全面分析

每个复合物：典型的结合体-靶标复合物约需 15-30 秒。

---

验证

find predictions -name "*.cif" | wc -l  # Should match input count

---

故障排除

置信度低：增加 recycling_steps
OOM 错误：使用无 MSA 模式或 A100-80GB
预测缓慢：减少 sampling_steps

错误解读

错误	原因	解决方法
RuntimeError: CUDA out of memory	复合物过大	使用 --use_msa_server false 或更大的 GPU
KeyError: 'iptm'	仅有一条链	确保 FASTA 包含 2 条或更多链
FileNotFoundError: weights	缺少模型	先运行 boltz download
ValueError: invalid residue	非标准氨基酸	检查序列中是否有修饰残基

Boltz-1 与 Boltz-2

方面	Boltz-1	Boltz-2
速度	快	更快
准确度	良好	有所提升，尤其是抗体-抗原预测
配体	基础支持	支持更好
亲和力预测	否	是（小分子结合）
发布年份	2024	2025

Boltz-2 是当前默认版本。若设计工作流会反转 v1 模型，仍会使用 Boltz-1。

亲和力预测（Boltz-2）

Boltz-2 新增了亲和力预测模块，以低得多的成本达到接近自由能微扰法的准确度。该模块基于小分子结合数据训练，因此适用于蛋白质-配体和小分子相关任务。它不预测蛋白质-蛋白质结合亲和力；对于蛋白质结合体，请改用界面置信度指标（ipTM、ipSAE）。

---

下一步：使用 protein-qc 进行筛选和排序。