ProteinMPNN

ProteinMPNN MPNN

Summary card

Задача и generated object

Used in these tasks: Fixed-backbone inverse folding

Part of these workflows: Fixed-backbone inverse folding

Architecture and operating principle

Input representation

Только backbone geometry, не full-atom side chains (side chains are not generated as the primary object). Ligand atoms are not native — see LigandMPNN.

Encoder и decoder

Message passing on a geometric kNN graph constructed from backbone atoms.

Latent or generative state

Discrete sequence; coordinates remain user-supplied.

Conditioning mechanism

Masks, amino-acid composition bias, tied positions across symmetric subunits, multi-chain edges.

Generation mechanism

Random decoding order autoregression. Runtime grows with chain length, not with diffusion steps.

Sampling: Temperature sampling; optional native-sequence decoding

Training objectives

CE on native sequences given backbone. Not an affinity or ddG loss.

Losses: Per-residue categorical CE

Mathematical details: NR

Integrated evaluation

No structure predictor inside. Self-consistency folding is external. Likelihood is fold compatibility, not binding.

Architectural limitations

Uses these architecture components: Inverse folding, Graph neural networks

Generator versus evaluation

Training data и biases

Inference hardware и runtime

Experimental evidence

Limitations and failure modes

• Cannot invent a backbone.
• likelihood is not affinity.
• fixed backbone can lock in incorrect interface geometry.

Deployment: Immediate retrospective evaluation / pilot

Reproducibility, license, commercial use

Related tools

Alternative tools: ESM-IF1, LigandMPNN

Complementary: RFdiffusion, RFantibody, BindCraft

Related: ESM-IF1, LigandMPNN, AntiFold

Not directly comparable with

Depends on these external modules

• AlphaFold2 / ColabFold
• Experimental binding/function assays

Related glossary terms

Primary paper и полный список источников

Source matrix: landscape xlsx, last verified 2026-08-13.

Детальный source-grounded разбор

Недоступные или неполные источники

ProteinMPNN — inverse-folding generator последовательности при фиксированном backbone. Это не structure predictor и не affinity model. Likelihood $p(s\mid x)$ и AF2 self-consistency $\neq$ экспериментальный binding.

Происхождение источников

Проверенные файлы реализации:

• protein_mpnn_utils.py
• protein_mpnn_run.py
• training/README.md

1. Что именно делает инструмент

[CODE]Вход: координаты backbone (N, Cα, C, O; virtual Cβ строится из backbone). Опция --ca_only — только Cα и отдельные weights. parse_PDB / ProteinFeatures; --ca_only

[PAPER]Выход: одна или много аминокислотных последовательностей, совместимых с заданным остовом. Backbone не обновляется.

[PAPER]Фиксируется: геометрия остова и позиции с design mask = false (в т.ч. target chain при binder design). Изменяется: токены аминокислот на design-позициях. Fig. 1B fixed context decoded first

[INTERPRETATION]Parent-based sequence design on a given backbone, не de novo topology. Можно применять к hallucinated / RFdiffusion backbone — это всё равно inverse folding, не генерация fold.

2. Архитектура в одном абзаце

[PAPER]Encoder: 3 слоя MPNN по sparse kNN-графу residues (released $k=48$), с обновлением и узлов, и рёбер. Decoder: 3 AR слоя с случайным порядком (order-agnostic). Hidden 128, vocab 21, $\approx 1.68$M параметров (Table 1 exp. 4). Рёбра кодируют расстояния между N/Cα/C/O/virtual Cβ, same-chain binary и relative index, capped $\pm 32$. Tied positions: усреднение logits симметричных узлов, затем softmax. Science Fig. 1, Table 1 experiment 4; CODE ProteinMPNN.__init__

4. Математическая модель

[PAPER]Условная факторизация tool-specific (order-agnostic AR, не N→C):

5. Физическое устройство состояния

[PAPER]Узлы — residues. Рёбра — k ближайших Cα. Координаты — атомы остова, не side chains. Virtual Cβ — геометрическая конструкция из N/Cα/C, не экспериментальный атом. Sequence token — химическая идентичность аминокислоты, не rotamer. Интерфейс multi-chain задаётся рёбрами между цепями и binary same-chain feature, не docking pose generator.

6. Физико-химическая интерпретация

[INTERPRETATION]Расстояния N/Cα/C/O/Cβ дают геометрический inductive bias для packing. Это не энергия Розета и не электростатика. H-bonds, solvation, энтропия, протонирование не считаются. Side-chain packing отсутствует в генераторе (в отличие от Rosetta PackRotamers). AF2/RF later self-consistency — внешний predictor, не часть MPNN.

7. Training

[PAPER]Ранние ablation (Table 1): 19.7k high-resolution single-chain PDB, split по CATH 80/10/10. Финальный ProteinMPNN: assemblies PDB на 2021-08-02, X-ray/cryo-EM $\le 3.5$ Å, $<10{,}000$ residues; кластеризация mmseqs2 30% identity → 25,361 clusters.

[CODE]Gaussian backbone noise при обучении: Table 1 сравнивает 0.00 vs 0.02 Å. Released checkpoints: v_48_002/010/020/030 соответствуют noise 0.02/0.10/0.20/0.30 Å и $k=48$ ([DOC] training/README). Default inference weights: v_48_020. protein_mpnn_run.py --model_name default v_48_020

[PAPER]Negative examples как non-binders не используются. Loss — native sequence recovery, не $\Delta\Delta G$.

[PAPER]Hardware/time обучения в основном тексте: NR (SI). Inference: 1.2 s vs Rosetta 4.3 min на 100 residues (Science).

8. Inference

[CODE]Подготовка: PDB → jsonl (parse_PDB). Sampling temperature default 0.1 (строка, можно несколько значений). num_seq_per_target default 1. Tied positions, omit AA, PSSM blend, per-residue bias — JSONL. Decode: sample или tied_sample. protein_mpnn_run.py argparse

[CODE]Нет diffusion steps, recycles, MSA. Runtime boundary: не включает AF2/Rosetta/эксперимент. score_only / conditional_probs_only считают log p, не генерируют.

10. Почему, по мнению авторов, метод эффективен

[PAPER]Proposed mechanism. Residue identity определяется в основном local geometric neighborhood, поэтому sparse GNN достаточен (в отличие от structure prediction). Distance features лучше dihedrals; edge updates помогают; random decode даёт arbitrary masks и tying. Noise при train делает модель устойчивой к неидеальным (predicted) backbone.

[PAPER]Author claim. Outstanding in silico and experimental performance; rescues failed Rosetta/AF sequence designs for monomers, oligomers, nanoparticles, and a peptide-scaffolded binder.

[PAPER]Evidence. (i) Retrospective native recovery 52.4% vs Rosetta 32.9% (402 monomers). (ii) Ablation Table 1. (iii) Prospective: E. coli expression, SEC, X-ray/cryo-EM/nsEM, BLI for Grb2 SH3 binder rescue. AF2 single-sequence confidence is used as in silico filter, не как affinity.

[INTERPRETATION]Causal support. Distance features vs dihedrals — ablation (41.2% → 49.0%). Experimental rescue — prospective functional/structural, но не изолирует один архитектурный фактор на каждой кампании.

12. Ablation analysis

[PAPER]Table 1 (CATH held-out, ~1.4–1.7M params): baseline Ingraham-like 41.2%; +N/Cα/C/O/Cβ distances 49.0%; +encoder edge updates 43.1% alone / 50.5% combined; +random decoding 50.8% (unnoised train). $k$ saturates 32–48 (Fig. S1A; SI figure not re-plotted here). Homomer tying: logits > probabilities > unconstrained.

[PAPER]Это retrospective native recovery, не wet-lab ablation. Train noise trade-off: больше шума → ниже PDB recovery, выше AF success на predicted backbones (Fig. 2C).

13. What the model does not represent

• Явный растворитель, ионная сила, протонирование
• Side-chain rotamers и packing energy (Rosetta-style)
• Glycosylation, metals, nucleic acids, small molecules (см. LigandMPNN)
• Конформационная энтропия / MD
• Экспрессия, растворимость, иммуногенность как learned heads (экспериментальный rescue экспрессии — следствие последовательности, не отдельная модель)
• Истинная $\Delta G$ / $K_d$; log p ≠ affinity
• Генерация нового backbone

14. Evidence and limitations

[PAPER]Prospective successes — sequence redesign of already proposed backbones (AF hallucination, Rosetta nanoparticles, SH3 peptide scaffold). Это не доказательство, что MPNN изобретает fold или epitope. Native recovery чувствителен к crystallographic resolution (авторы, Fig. S3). Antibody CDR не являются заявленным бенчмарком этой статьи.

[PAPER]RFantibody использует vanilla ProteinMPNN только на CDR, не antibody-finetuned MPNN ([PAPER] Bennett 2025, см. страницу RFantibody).

15. Reproducibility

[CODE]MIT license, weights в репозитории. Default checkpoint v_48_020. Class __init__ default k_neighbors=64, но run-скрипт берёт k из checkpoint (num_edges). Inference backbone_noise default 0.00 — шум train-time, не обязателен при семплировании. protein_mpnn_run.py model = ProteinMPNN(... k_neighbors=checkpoint['num_edges'])

Физико-химический смысл

Модульная схема

Generator versus evaluator

Claim–evidence matrix

Различия между статьёй и реализацией

Схемы information flow

flowchart TD
  X["Backbone xyz N/CA/C/O"] --> F["kNN graph k=48 + distances"]
  F --> E["Encoder 3 MPNN layers"]
  E --> D["Decoder 3 AR layers random order"]
  Mask["Design mask / tied positions"] --> D
  D --> S["Sampled AA sequence"]
  S -.->|"optional"| P["log p scorer same net"]
  S --> AF["External AF2 / experiment"]

Источники

1. [1] Dauparas J. et al. Robust deep learning-based protein sequence design using ProteinMPNN. Science 378, 49–56 (2022). · DOI · источник
2. [2] Ingraham J. et al. Generative models for graph-based protein design. NeurIPS 32 (2019). · источник
3. [3] dauparas/ProteinMPNN commit 8907e667. · источник

Нерешённые научные вопросы

• Точный коэффициент label smoothing и optimizer из Methods SI
• Полный список 76 nanoparticle designs / 27 backbones — только summary в HTML
• Численный Kd Grb2 BLI — NR в извлечённом HTML