字节跳动开源 Protenix-v2：生物分子结构预测再升级

分类: 生物模型 |发布于: 4/9/2026 |最后更新: 4/9/2026

基于已整理草稿生成的网页版文章，适合先稳定落地，再做局部润色与发布检查。

如果你关注过蛋白质结构预测领域，大概率知道 AlphaFold——这个用 AI 预测蛋白质三维结构的模型，让结构生物学研究效率提升了一个数量级。现在，字节跳动开源了自己的生物分子结构预测模型 Protenix，并在 4 月 8 日发布了新版本 Protenix-v2。

Protenix 是什么？

Protenix 是字节跳动推出的高精度生物分子结构预测模型，目标是提供开源、可自部署的蛋白质及复合物结构预测工具。

它的能力包括：

从技术参数看，Protenix 的基础模型参数量约 368M，与 AlphaFold 3 接近，训练数据截止时间也与其对齐（2021-09-30）。

Protenix-v2 在 4 月 8 日正式发布，主要改进包括：

参数量提升：从基础版的 368M 提升到约 464M，模型容量更大。

抗原-抗体预测增强：这是 v2 的重点改进方向。抗原-抗体结构预测对药物发现和免疫学研究至关重要——抗体药物的靶点确认、先导化合物优化都依赖于此。v2 在这方面的精度有明显提升。

配体合理性判断优化：在预测蛋白质-配体复合物时，模型会判断配体的"合理性"，减少不合理的预测结果。

训练动态改进：训练策略和优化方式有调整，整体预测稳定性更好。

Protenix 不是一个孤立的模型，字节跳动围绕它构建了一套生态工具：

PXDesign：基于 Protenix 基础模型的蛋白质结合物设计工具。实验成功率 20-73%，比之前的最佳方法（AlphaProteo、RFdiffusion）高 2-6 倍。这对蛋白质设计领域是个有价值的进展。

PXMeter：开源的结构预测模型评测工具包，包含高质量基准数据集，方便研究人员对比不同模型的性能。

Protenix-Dock：蛋白质-配体对接框架，使用经典打分函数（不依赖深度神经网络），在刚性对接任务上表现不错。

药物研发人员：抗原-抗体预测、蛋白质-配体对接是抗体药物和小分子药物研发的关键步骤。开源模型意味着可以在本地部署，数据不用上传到第三方服务器。

结构生物学家：实验手段（X 射线晶体学、冷冻电镜）成本高、周期长，AI 预测可以作为补充，帮助筛选实验目标。

学术研究者：开源代码、开源模型、完整训练流程，可以在自己的数据上微调或扩展。

安装很简单：

```bash

pip install protenix

```

预测结构：

```bash

protenix pred -i examples/input.json -o ./output -n protenix-v2

```

GitHub 仓库：https://github.com/bytedance/Protenix

模型有多个版本可选，最新的是 protenix-v2（2026-04-08 发布）。

Protenix-v2 的发布，意味着国内在大分子结构预测领域有了开源、可自部署的高精度模型。对生物医药行业来说，这是个值得关注的进展——不只是因为技术能力，更因为它提供了"数据不出境"的选择。

模型本身的开源、生态工具的配套，让它不只是"又一个 AlphaFold 追随者"，而是一个有独立价值的工具链。如果你在做药物发现、结构生物学或相关研究，值得花时间了解。

---

参考来源：

说明：该页面由基础模板稳定生成，后续可继续局部润色样式或补充模块，再进入发布检查。