name: boltz description: > 使用Boltz-1/Boltz-2进行生物分子结构预测，这是一个开源的生物分子结构预测工具。在以下情况使用此技能：(1) 预测蛋白质复合物结构， (2) 验证设计的结合蛋白， (3) 需要AlphaFold2的开源替代方案， (4) 预测蛋白质-配体复合物， (5) 使用本地GPU资源时。

对于质量控制阈值，请使用protein-qc技能。对于AlphaFold2预测，请使用alphafold技能。对于Chai预测，请使用chai技能。 license: MIT category: design-tools tags: [structure-prediction, validation, open-source] biomodals_script: modal_boltz.py

Boltz 结构预测

先决条件

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)
内存	32GB	64GB

如何运行

第一次使用？ 请参阅安装指南来设置Modal和biomodals。

选项1：使用Modal

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

GPU要求: L40S (48GB) | 超时设置: 默认1800秒

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	描述
`--recycling_steps`	3	1-10	循环迭代次数
`--sampling_steps`	200	50-500	扩散步骤数
`--use_msa_server`	true	bool	是否使用MSA服务器

FASTA格式

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

输出格式

predictions/
├── model_0.cif       # 最佳模型 (CIF格式)
├── confidence.json   # pLDDT, pTM, ipTM 置信度分数
└── pae.npy          # PAE矩阵

注意: Boltz输出CIF格式。如需转换为PDB格式：

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")

对比

特性	Boltz-1	Boltz-2	AF2-Multimer
无需MSA模式	支持	支持	不支持
扩散模型	支持	支持	不支持
速度	快	更快	较慢
开源	是	是	是

示例输出

成功运行

$ boltz predict --fasta complex.fasta --output predictions/
[INFO] 加载Boltz-1权重...
[INFO] 预测结构中...
[INFO] 模型已保存至 predictions/model_0.cif

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

良好输出的标准：

pTM: > 0.7 (全局结构置信度高)
ipTM: > 0.5 (界面区域置信度高)
pLDDT: > 0.7 (每个残基置信度高)
CIF文件: 典型复合物约100-500 KB

决策树

我应该使用Boltz吗？
│
├─ 您要预测什么？
│  ├─ 蛋白质-蛋白质复合物 → Boltz ✓ 或 Chai 或 ColabFold
│  ├─ 蛋白质 + 配体 → Boltz ✓ 或 Chai
│  └─ 单个蛋白质 → 使用ESMFold (更快)
│
├─ 需要MSA吗？
│  ├─ 不需要 / 追求速度 → Boltz ✓
│  └─ 需要 / 追求最高精度 → ColabFold
│
└─ 为什么选择Boltz而非Chai？
   ├─ 偏好开源权重 → Boltz ✓
   ├─ Boltz-2速度优势 → Boltz ✓
   └─ 需要DNA/RNA支持 → 考虑Chai

典型性能

任务规模	时间 (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	全面验证

单个复合物: 典型的结合蛋白-靶标复合物约需15-30秒。

验证

find predictions -name "*.cif" | wc -l  # 应与输入数量匹配

故障排除

置信度低: 增加recycling_steps参数 内存不足错误: 使用无需MSA模式或A100-80GB GPU 预测速度慢: 减少sampling_steps参数

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'`	仅单链	确保FASTA文件包含2条或更多链
`FileNotFoundError: weights`	缺少模型文件	先运行`boltz download`
`ValueError: invalid residue`	非标准氨基酸	检查序列中是否存在修饰残基

Boltz-1 与 Boltz-2 对比

方面	Boltz-1	Boltz-2
速度	快	约快2倍
准确度	良好	有所提升
配体支持	基础	更好的支持
发布时间	2024年	2024年底

下一步: 使用protein-qc技能进行筛选和排序。

对于质量控制阈值，请使用protein-qc技能。 对于AlphaFold2预测，请使用alphafold技能。 对于Chai预测，请使用chai技能。 license: MIT category: design-tools tags: [structure-prediction, validation, open-source] biomodals_script: modal_boltz.py