Structure Prediction (Mol-1)

简介

预测生物分子及其复合物的三维结构。Mol-1模型 由 Molence Bio 发布，从 Protenix 发展而来，沿用这一类结构预测的流程。先为蛋白质查找多序列比对（multiple sequence alignment，MSA），再用 Pairformer 整理序列单元两两之间的关系，然后用扩散采样生成坐标，最后为每个样本计算置信度。

技术报告把 DockQ 大于 0.23 视为抗体–抗原成功。在五种子预算下，FoldBench-AB 上 Mol-1 为 75.0%，带约束的 Mol-1-constraint 为 88.3%，OpenDDE 为 70.0%。图中斜线柱是 Mol-1-constraint。本模块没有接触或口袋参数，不能复现那一档。图 (a)–(d) 使用五个种子；本模块默认只有种子 101。因此这些百分比不能直接当作本模块默认设置下的预期成功率。

配体成功标准是配体 RMSD 小于 2 Å，并且 lDDT-PLI 大于 0.8。分子胶还要求蛋白–蛋白界面 DockQ 大于 0.23。报告列出的低相似口袋区间（SuCOS-pocket 相似度 0–20%）中，Mol-1 为 36.1%，Mol-1-constraint 为 63.9%。MGBench 低同源组的联合成功率为 28.6%。

MolBench-Peptide-26 含 2026 年第一至第三季度的 150 个 PDB、172 个界面簇。报告中 Mol-1 使用 10 次循环。DockQ 大于 0.80 时 Mol-1 为 54.1%，Mol-1-constraint 为 60.2%。

本模块提供Single和Batch两种模式，Single预测一个体系，按排序分保留前 5 个结构。Batch 一次预测多个体系，并把全部样本放进一个压缩包。两种模式都可直接上传 Mol-1支持的JSON格式，也可以分别上传序列、配体、离子、修饰、共价键和模板结构文件。

参数说明

实体编号从 1 开始，顺序为蛋白、DNA、RNA、配体、离子。参数写法与 Structure Prediction (SoupFold) 类似。

Single

预测一个体系，按 ranking_score 从高到低保留前 5 个结构。

Protein Sequence

蛋白序列文件，FASTA格式，支持多条序列。
注意：多蛋白复合物结构预测，其氨基酸序列输入格式如下：

>protein1
AASJ...
>protein2
AASJ...
>peptide
ASDF...

DNA Sequence

DNA序列文件，FASTA格式，支持多条序列。

RNA Sequence

RNA序列文件，FASTA格式，支持多条序列。

Ligand

文本文件包含小分子信息，TXT格式。支持SMILES或 CCD Code（化学组分词典编号）。如果使用SMILES格式，每行应包含一个小分子；如果使用CCD Code，每行可以包含一个或多个小分子，使用逗号分隔，并加上CCD前缀。示例如下：

CC(=O)OC1C[NH+]2CCC1CC2
CCD,ATP,HY3,P1L
CCD,MG

也可以写 FILE_ 加同一作业中的结构文件名，支持 PDB、SDF、MOL 或 MOL2，并使用文件中的三维坐标，例如 FILE_ligand.sdf。
注意：不适用于配体蛋白或多肽的氨基酸序列格式输入。

Ion

离子名称，可以包含一个或多个离子，需写在一行文本中，不同的离子使用英文逗号分隔，支持输入离子数量，使用英文冒号分隔。示例如下：

MG:2,ZN,CU:3

表示2个MG离子，1个ZN离子，3个CU离子

Modification

包含翻译后修饰（PTM）信息的文本文件，TXT格式。每行放置一个PTM信息，每个PTM信息由三部分组成：

• 发生PTM序列的顺序编号
• PTM类型的CCD编号
• 发生PTM的残基位置编号
  三部分由逗号分隔，例如：1,HY3,1 表示第一条序列的第一个残基，发生了类型为HY3（CCD编号，为3-羟基脯氨酸，为脯氨酸的羟基化）的PTM
  备注：
• 序列的顺序编号，是依次按上述参数Protein、DNA、RNA中的序列顺序与数量，从1开始进行编号，例如：当有2条蛋白序列，1条DNA序列，1条RNA序列时，各序列对应的编号为：第一条蛋白序列编号为1，第二条蛋白序列编号为2，DNA序列编号为3，RNA序列编号为4
• CCD的介绍参考https://www.wwpdb.org/data/ccd 编号查询网址为https://www.ebi.ac.uk/pdbe-srv/pdbechem/
  包含多个PTM信息的文件内容示例如下：

1,HY3,1
1,P1L,5
2,HY3,3

Covalent Bond

共价键信息的文本文件，TXT格式。每行放置一个共价键信息，每个共价键信息包含两个原子信息，每个原子信息由三部分组成：

• 原子所在序列或小分子的顺序编号（编号规则在Modification中定义的序列编号规则基础上，在最后加入小分子的顺序即可）

示例一：
当有2条蛋白序列，1条DNA序列，1条RNA序列，2个小分子时。对应的编号为：
第一条蛋白序列编号为1，第二条蛋白序列编号为2，DNA序列编号为3，RNA序列编号为4，第一个小分子对应的编号为5，第二个小分子对应的编号为6

示例二：
当有3条蛋白序列，2个小分子时。对应的编号为：
第一条蛋白序列编号为1，第二条蛋白序列编号为2，第三条蛋白序列编号为3，第一个小分子对应的编号为4，第二个小分子对应的编号为5

• 原子所在残基的位置编号（如残基为小分子时，编号为1）
• 原子的标准名称：
  • 默认是CCD中定义的原子标准名称
  • 如果配体是SMILES，则是SMILES字符串中原子对应的从1开始位置序号。

三部分由逗号分隔，

• 当小分子为CCD时，如3,1,CA表示第三个实体（序列或小分子）中的第一个残基（或小分子）的CA原子
  一个共价键是由两个原子信息组成，原子间用分号分隔，如：1,1,CA;2,1,CA
  表示一个共价键，该共价键由两个原子组成，第一个原子为1,1,CA，第二个原子为2,1,CA
  包含多个共价键信息的文件内容示例如下：

1,1,CA;2,1,CA
1,1,CA;3,1,CHA

• 当小分子为SMILES时，如CC(=O)NCCNC(C)=O，如果该小分子的顺序编号（按上述方式确认）为3，其第一个C原子参与形成共价键，与编号为1的链/序列中第一个残基的CA原子，则共价键的定义为1,1,CA;3,1,C1其中C1表示小分子的第一个C原子，如果是第二个C原子，用C2表示。
  文件内容示例如下：

1,1,CA;3,1,C1

两条聚合物残基之间的共价键通常不可靠；环肽的首尾酰胺，以及半胱氨酸之间的二硫键，是例外。其他聚合物之间的键即使写上，也往往只让相关残基靠近，而不形成真正的共价键。

Template Structure

上传一个 mmCIF 或 PDB 文件作为自定义模板，一个文件可以包含多条蛋白链。对上的查询蛋白链只用这份结构，不再混入自动搜索到的 PDB 模板。没有对上的蛋白链仍自动搜索 PDB。

Template Chain Map

指定查询蛋白链和模板链的对应关系，编号从 1 开始，只数蛋白链。例如 1:A,2:B 表示第 1 条查询蛋白链用模板的 A 链，第 2 条用 B 链。留空时用 kalign 按序列一致性自动配对，一致性低于 0.30 的查询链不使用该用户模板，改为自动 PDB 搜索。写明了对应关系但模板中没有该链或无法对齐时，作业失败。

Seeds

逗号分隔的整数随机种子，最多使用前 5 个。默认 101。

Sample

每个种子的样本数，正整数。这些样本按 ranking_score 放在同一次排序里，写出前 5 个。默认 5。

Input JSON

可选的 Mol-1 JSON，格式标记为 JSON，文件中只放一个体系。与下方文件同时给出时，文件覆盖同一种内容。不上传 JSON 时，提供蛋白、DNA、RNA、配体或离子文件之一。一条蛋白和一条 DNA 可以写成：

[
  {
    "name": "example",
    "sequences": [
      {"proteinChain": {"sequence": "MKTAY", "count": 1}},
      {"dnaSequence": {"sequence": "ATGC", "count": 1}}
    ]
  }
]

sequences 里还可以放 rnaSequence、ligand 和 ion。配体的值使用 CCD_ 前缀、SMILES，或 FILE_ 加结构文件名。

Output Scores

结果打分文件名。

Batch

一次预测多个体系。不上传 JSON 时，蛋白 FASTA 的每条记录定义一个体系；DNA 或 RNA 里没出现过的记录名会新建体系。与 JSON 同时给出时，记录名必须已经存在于 JSON，未知名称会报错，不会新建体系。没有写明所属体系的配体、离子、修饰和共价键行，会应用到每一个体系。

动态计算量

≤ 5 条序列：500 计算量 / 条
第 6–100 条序列：300 计算量 / 条
超过 100 条的部分：100 计算量 / 条

Input JSON

可选的 Mol-1 JSON，格式标记为 JSON。最外层是数组，每个元素是一个体系。不上传 JSON 时，用蛋白 FASTA 定义体系，每条记录一个体系。

Protein Sequence

蛋白的序列文件，FASTA格式，支持多条序列。
每一条记录代表一个待预测的结构，每条记录的名称要唯一不能重复。一条记录中有多条链时，通过英文冒号（:）相连，文件内容示例如下：

>1
EVQLVESGGGVVQPGRSLRLS:NFMLTQPHSVSVL:ELFPQWHLPIKIAAIIAS
>2
YYCAKDRRDMGYFQHWGQGTLVTVSSQWYQQRPGSAPTTVIYEDNQRPSGTPPTFMIAVFLPIVVLIFKSILFL

表示有两个待预测的结构，第一条记录的名称为1，有三条蛋白链，用:进行分隔。第二条记录的名称为2，为单链。

DNA Sequence

DNA核酸的序列文件，FASTA格式，支持多条序列。
每一条序列记录代表一个待预测的结构，每条记录的名称要唯一不能重复（可与Protein参数中的记录名称一致，表示该记录的DNA序列与Protein序列归属于同一结构）。一条记录中有多条链时，通过英文冒号（:）相连，文件内容示例如下：

>dna
GACCTCT:CCTAGCT
>1
CCTAGCT

表示有两条记录，第一条的名称为dna，有两条DNA链，用:进行分隔，因为该名称不存在与Protein示例记录中，属于新结构。第二条的名称为1，有一条DNA链，因为该名称存在于Protein示例记录中，则表示同属一个结构（该结构同时包含Protein序列和该DNA序列）。

RNA Sequence

RNA核酸分子的序列文件，FASTA格式，支持多条序列。
每一条序列记录代表一个待预测的结构，每条记录的名称要唯一不能重复（可与DNA或Protein参数中的记录名称一致，表示该记录的RNA序列与上面的DNA序列或Protein序列归属于同一结构）。一条记录中有多条链时，通过英文冒号（:）相连，文件内容示例如下：

>1
AGCU
>rna
AGGCU:UGAUC

表示有两条记录，第一条的名称为1，为单链，因为该名称存在于DNA及Protein示例记录中，表示同属一个结构（该结构同时包含了Protein序列、DNA序列及该RNA序列）。第二条的名称为rna，有两条RNA链，用:进行分隔，因为该名称不存在于DNA或Protein示例记录中，属于新结构。

Ligand

文本文件包含小分子信息，TXT格式。支持SMILES或 CCD Code（化学组分词典编号）。如果使用SMILES格式，每行应包含一个小分子；如果使用CCD Code，每行可以包含一个或多个小分子，使用逗号分隔，并加上CCD前缀。也可以写 FILE_ 加结构文件名。
以已有体系名开头时，名称与各个 ligand 用英文冒号（:）分隔，只加到该体系。不写体系名的一行会应用到每一个体系，不会因为出现新名称而新建体系。文件内容示例如下：

1:CC(=O)OC1C[NH+]2CCC1CC2:CCD,ATP,HY3
CC(=O)OC1C[NH+]2CCC1CC2:CCD,ATP

第一行只加到名为 1 的体系。第二行没有体系名，两个小分子会加到每一个体系。
注意：不适用于配体蛋白或多肽的氨基酸序列格式输入。

Ion

离子名称，可以包含一个或多个离子，需写在一行文本中，不同的离子使用英文逗号分隔，支持输入离子数量，使用英文冒号分隔。每行定义一个结构的所有离子信息，且以唯一名称开头，都以英文冒号（:）分隔。文件内容示例如下：

1:MG:2,ZN,CU:3

表示前述名称为1的结构中，有2个MG离子，1个ZN离子，3个CU离子
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的离子信息，设置方式为输入一行离子信息，且不设置结构名称，如：MG:2,ZN,CU:3，表示这些离子信息将应用到所有结构。

Modification

包含翻译后修饰（PTM）信息的文本文件，TXT格式。每个PTM的信息与Single模式中一致（参考Single模式中的定义）。
每行定义一个结构的所有PTM信息，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:1,HY3,1:1,P1L,5:2,HY3,3
2:1,HY3,1:2,HY3,3

表示前述名称为1的结构中（Protein或DNA或RNA），有三个PTM。名称为2的结构中，有两个PTM。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的PTM信息，设置方式为输入一行PTM信息，且不设置结构名称，如：1,HY3,1:1,P1L,5:2,HY3,3表示这些PTM信息将应用到所有结构。

Covalent Bond

共价键信息的文本文件，TXT格式。每个共价键的信息与Single模式中一致（参考Single模式中的定义）。
Batch模式下，每行定义一个结构的所有共价键，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:1,1,CA;2,1,CA:1,1,CA;3,1,CHA
2:1,1,CA;3,1,CHA

表示前述名称为1的结构中（Protein或DNA或RNA），有两个共价键。名称为2的结构中，有一个共价键。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的共价键信息，设置方式为输入一行共价键信息，且不设置结构名称，如：1,1,CA;3,1,CHA表示该共价键信息将应用到所有结构。

Template Structure

同 Single。批量提交时，同一份模板和链对应会用于每一个体系。

Template Chain Map

同 Single。

Seeds

同 Single。

Cycle

同 Single。

Diffusion Step

同 Single。

Sample

每个种子、每个体系的样本数，正整数。每个体系按 ranking_score 排序后保留前 5 个。默认 5。

Data Type

同 Single。

Protein MSA

同 Single。

Template

同 Single。

RNA MSA

同 Single。

JSON Seeds

同 Single。

Atom Confidence

高级参数。是否把原子级置信度放进压缩包。选择 true 或 false。默认 false。

Device

同 Single。

Output Archive

结果文件名，默认 structures.tar.gz。这里填文件名，不是目录。压缩包内是每个体系排序后的前 5 个结构，以及打分表。

Output Scores

结果文件名，默认 Mol-1_scores.csv。这里填文件名，不是目录。列含义与 Single 相同，见下方打分表。

结果说明

Single

Batch

打开 Atom Confidence 后，每个样本的原子级置信度也放在压缩包里。这些文件名随体系和种子变化，不作为单独的固定输出。

打分表

Mol-1_scores.csv 的列如下。Single 与 Batch 使用同一套列。name 不带文件后缀：单体系为 Mol-1_rank1，多个体系为 Mol-1_体系名_rank1。

参考文献

• Molence Bio (2026) Mol-1: Open Frontier Biomolecular Intelligence, technical report, GitHub: molence/Mol-1 assets/report.pdf