La-Proteina:NVIDIA
在部分隐空间做流匹配的全原子蛋白生成模型,可共设计至 800 残基。
蛋白 · 大厂实验室 · 美国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | La-Proteina;有歧义、不自动链接:Proteina |
| 家族 | 否(单一模型条目,非家族) |
| 机构 | NVIDIA |
| 机构类型 / 国家 | 大厂实验室 / 美国 |
| 模型类别 | 全原子蛋白生成 |
| 领域 | 蛋白(次领域:分子生成) |
| 首次发布 | (依据:arXiv 2507.09466 v1) |
| 其他里程碑 | 预印本 v1 (arXiv v1);代码发布 (GitHub 补入代码) |
| 最近更新 | ,新版本:arXiv v2 发布;代码最后一次推送为 2025-09-23 的小修。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(Apache-2.0);权重:开放(NVIDIA Open Model License);代码 Apache-2.0;权重按 NVIDIA 开放模型许可 |
| 状态 | 活跃:12 个月内有新版本论文 |
| 报过的 benchmark | 1 项计入(榜 1) |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
用流匹配在"显式主链 + 每残基隐变量"的部分隐空间中生成全原子蛋白,隐变量承载序列与侧链细节;可共设计的长度上限为 800 残基。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(榜 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 40 MotifBench | 官方参赛 / 官方榜单 | 是 | — | 榜单 | 官方榜单已收录本模型;中文模型页"未检出条目"是错的,必须修 | 出处 |
其他评测(不在 44 项内)
无记录。
开发方称:来源未给出开发方优势表述
独立证据:未检出独立证据(未检出独立证据)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 两个公开结构数据库子集(约 34.5 万与约 4,694 万结构),未用 PDB | — |
| b 私有 / 授权 | 否 | — | — |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | 论文无湿实验;下游模型另做验证 | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:NVIDIA 为上市 GPU 与 AI 公司,本工作出自其生成式 AI 研究实验室,内部资助;论文入选 ICLR 2026
- 融资:未披露或不适用
- 产品与合作:是 Proteina-Complexa 的基础,Dyno Psi 沿同一技术路线
- 相关模型:Proteina-Complexa、Dyno Psi-1 / Psi-Phi、RFdiffusion2/3
怎么看
- 唯一配对是官方榜单条目,站上模型页此前写成"未检出",属已发布错误
- 论文本身无湿实验,湿实验证据来自下游模型
局限与注意
- 训练只用预测结构库子集,不含实验结构库
- 生成指标为计算自洽性,不等于湿实验可行性
来源
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
| 字段 | 原 | 现 | 原因 | 出处 | 发现日期 |
|---|---|---|---|---|---|
| benchmarks_reported | 中文模型页称未检出 MotifBench 条目 | 官方榜单已收录,关系为官方参赛 | — | 依据 | 2026-11-16 |
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。