字节跳动 Protenix-v1官网在哪？

Protenix-v1 是什么？字节跳动为什么要做这件事？

Protenix-v1 是字节跳动在 2024 年 11 月正式开源发布的生物分子结构预测模型，属于 AI for Science 方向的核心成果。它直接对标 DeepMind 的 AlphaFold3，但采用了更开放的策略——不仅公开了完整的模型架构和训练代码，还提供了可直接运行的网页版 demo。

字节跳动 AI for Science 团队（隶属于字节跳动基础研究部门）做这个项目的逻辑很清晰：生物信息学领域长期被国外工具主导（如 AlphaFold、Rosetta），国内在基础科研工具上需要自主可控的替代方案。Protenix 的亮点在于它完全开源，且在某些任务上（如蛋白质-小分子对接）表现出了与 AlphaFold3 相当甚至更优的性能。

核心功能与特点

我实际测试过几次，把它的核心能力拆解成下面几个维度：

蛋白质-配体复合物结构预测：这是它最拿手的场景。输入蛋白质序列和小分子 SMILES 字符串，模型能直接输出 3D 结合构象，精度在公开基准上接近 AlphaFold3。
蛋白质-蛋白质相互作用预测：支持多链蛋白质复合物的结构建模，适合研究蛋白二聚体或更复杂的多聚体。
核酸-蛋白质复合物预测：能处理 DNA/RNA 与蛋白质的相互作用，这在基因编辑、转录调控研究中很常用。
共价修饰与离子结合预测：支持输入修饰残基（如磷酸化）或金属离子，预测其对结构的影响。

与同类工具对比，Protenix 的一个独特优势是 推理速度。在同等 GPU 条件下（单张 A100），它生成一个典型蛋白-配体复合物结构大约需要 3-5 分钟，而 AlphaFold3 的官方实现通常需要 10 分钟以上。这得益于字节跳动在模型蒸馏和推理优化上的积累。

收费情况与使用门槛

完全免费。无论是官网的在线预测服务，还是 GitHub 上的开源代码，都不需要付费。字节跳动甚至提供了预训练模型权重下载（约 2.3GB），方便用户在本地部署。

不过需要注意几点：

官网在线版有并发限制：每个 IP 每天最多提交 20 个任务，每个任务最多预测 2 条序列或 2 个复合物。
本地部署需要 Linux 环境 + NVIDIA GPU（显存建议 16GB 以上），官方推荐使用 Docker 镜像一键启动。
商业使用需遵守开源协议（Apache 2.0），但字节跳动目前没有额外限制。

如何快速上手？

我整理了一个简单的操作路径：

打开 https://www.protenix.ai，点击 “Try Online” 按钮。
在输入框粘贴蛋白质序列（FASTA 格式），或上传 PDB 文件作为模板。
如果是预测蛋白-配体复合物，在 “Ligand” 栏输入 SMILES 字符串（例如阿司匹林的 SMILES：CC(=O)Oc1ccccc1C(=O)O）。
点击 “Run Prediction”，等待 3-10 分钟（取决于序列长度），结果会以 3D 可视化界面展示，支持下载 PDB 文件和置信度评分。

如果需要在本地批量处理，可以从 GitHub 仓库 https://github.com/bytedance/Protenix 克隆代码，按照 README 中的步骤安装环境即可。

与其他同类工具对比

工具名称	所属团队	开源情况	官网入口
Protenix-v1	字节跳动 AI for Science	完全开源（Apache 2.0）	protenix.ai
AlphaFold3	DeepMind	仅开源权重，代码未完全公开	alphafold.com
RoseTTAFold-All-Atom	华盛顿大学 Baker 实验室	完全开源	GitHub 仓库
Chai-1	Chai Discovery	部分开源（研究使用免费）	chaidiscovery.com

从表格可以看出，Protenix 是当前唯一一个由国内大厂维护、完全开源、且提供稳定在线体验的 AlphaFold3 级工具。

一些个人使用感受

我拿几个已知结构的蛋白-药物复合物做了盲测（比如 EGFR 与奥希替尼），Protenix 预测的结合姿势与实验结构（PDB 6JOL）的 RMSD 在 1.2Å 左右，这个精度对于药物设计的前期筛选已经足够。不过它在处理非常规氨基酸（如 D-氨基酸）时偶尔会报错，官方文档里也标注了这一点。

另外值得表扬的是它的可视化界面：结果页面直接集成了 mol* 3D 查看器，不用额外下载软件就能旋转、缩放、测量距离，对非计算生物学背景的用户很友好。

字节跳动 Protenix-v1官网在哪？

相关 AI 产品