1. 问题背景
从头设计结合物（de novo binder design）是计算生物学的核心挑战之一。现有方法如RFdiffusion、BindCraft、AlphaProteo各有侧重，但普遍存在两个局限：一是针对特定类型生物分子优化，泛化能力有限；二是在与训练数据相似的靶标上测试，外推能力存疑。
BoltzGen（Stark et al., 2025）试图用单一全原子生成模型同时解决设计和结构预测两类任务，并在9个与PDB中已知结合结构序列相似度低于30%的"新靶标"上进行湿实验验证。
2. 模型架构
BoltzGen的架构基于Boltz-2/AlphaFold3，分为Trunk和Diffusion Module两部分。Trunk负责编码输入条件（靶标结构、结合位点、共价键约束等），通过PairFormer栈生成token和pair表示；Diffusion Module在Trunk输出的条件上，通过去噪过程生成全原子3D坐标。
关键创新在于"几何编码"：设计残基的氨基酸类型不是用离散token表示，而是用虚拟原子在主链原子上的位置分布来编码。例如，脯氨酸用7个原子放在主链氧原子上表示，苏氨酸用3个放在氮上、4个放在氧上。这使得整个生成过程在连续空间中进行，无需混合离散和连续表示，从而可以联合训练折叠和设计任务。
扩散过程沿用Boltz-2的公式：dX_t = sqrt(2t)dB_t，通过去噪器D_θ(x,t;z)近似后验均值。训练损失包含MSE项、键长约束项和smooth_lDDT项，噪声采样分布为 σ_data·exp(-1.2 + 1.5·N(0,1))。
3. 设计规范语言
BoltzGen提供了灵活的条件输入：
• 共价键约束：可指定原子间的共价键，支持环肽设计（头尾环化、二硫键等）
• 结构条件：通过成对距离约束部分结构，支持motif scaffolding
• 结合位点：标注靶标上的结合/非结合残基，引导设计朝向目标区域
• 二级结构：可指定设计区域的α螺旋、β折叠或无规卷曲
4. 完整管线
BoltzGen Pipeline包含6个阶段：
① BoltzGen扩散生成（GPU）：批量生成候选结合物
② 反向折叠（GPU）：用BoltzIF优化序列，提高可溶性和重折叠成功率
③ 折叠验证（GPU）：用Boltz-2预测复合体结构，计算设计结构与生成结构的RMSD
④ 亲和力预测（GPU）：针对小分子靶标，用Boltz-2亲和力模块预测结合强度
⑤ 物理指标分析（CPU）：计算氢键数、盐桥数、 buried surface area、疏水斑块面积等
⑥ 过滤排序（CPU）：基于多指标加权排名 + 质量多样性（QD）算法选择最终候选集
5. 工程应用：核酸结合多肽设计
在国内产业实践中，科晶生物https://www.kjfold.com/基于BoltzGen构建了核酸结合多肽从头设计服务。其技术管线如下：
输入：目标核酸序列 + 结合位点（根据翻译起始位点确定）
Step 1 — BoltzGen设计：生成500个长度为30aa的候选结合多肽
Step 2 — HDOCK精筛：参数Spacing=1.2, Angle=15，计算对接分数。置信度公式：Confidence = 1/(1+exp(0.02*(Score+150)))，分数<-200时置信度>0.7
Step 3 — AlphaFold3建模：对HDOCK筛选的top候选进行一对一精细建模，评估pTM和ipTM值（>0.75为可靠）
输出：约30个候选多肽，附带pLDDT（结构置信度）、HDOCK结合能、AF3结合位点预测
三层筛选逻辑——BoltzGen生成多样性、HDOCK评估结合能、AF3验证结构可靠性——形成了一个从计算设计到候选交付的完整闭环。
6. 小结
BoltzGen的工程价值在于：统一的模型架构降低了工具链复杂度，灵活的设计规范语言支持多种结合物类型，完整管线覆盖了从生成到筛选的全流程。开源代码和权重（github.com/HannesStark/boltzgen）也降低了复现和二次开发的门槛。对于需要设计核酸结合多肽的团队，基于BoltzGen + HDOCK + AlphaFold3的管线已经是一条可落地的技术路径。
