AIDD 增量简报 · AIDD_岗位信号深度扩展_2026-09-25

第一部分 · 工具栈拆解（第二条）

0. 先建立一个直觉：为什么 JD 要"既能生成又会算自由能"

类比：

• 生成模型（RFDiffusion / BindCraft / PocketXMol） = 铣钥匙的机器。你给它一把锁的照片（靶点口袋结构），它铣出几千把形状对得上的钥匙坯子。
• MD + MM-GBSA（GROMACS / AMBER / OpenMM） = 把钥匙插进锁里反复拧几百次，用扭矩扳手量一下到底有多紧。

关键：形状对得上 ≠ 拧得动。生成模型优化的是"结构合理性 + 界面互补性"，它基本不知道：

所以这条 JD 的真实意思是：公司要的不是"会用某个模型的人"，而是"能把'造候选 → 算自由能 → 送实验 → 拿数据回来改模型'整条链跑通的人"。 这也正好解释了第一条为什么把主动学习写进主职责 —— 见第二部分。

1. RFdiffusion3（RFD3）—— 原子级扩散的统一基础模型

落地命令（Docker 形态）

docker run -it --rm \
  -v "$PWD:/work" -w /work \
  rosettacommons/foundry rfd3 \
    out_dir=rfd3_out1/ \
    inputs=./rfd3.json \
    ckpt_path=/app/foundry/checkpoints/rfd3_latest.ckpt

同容器里还能跑 ProteinMPNN / LigandMPNN（--model_type ligand_mpnn）和 RoseTTAFold3（rf3 fold）—— 设计 → 序列回填 → 结构验证在一个镜像里闭环，这是 Foundry 真正的价值。

⚠️ P1 — 与你直接相关的硬伤：Docker Hub 页面明写 "This image is not compatible with systems using the ARM architecture." 你是 macOS + Apple Silicon（M 系列），本机直接跑不了。可行路径只有：①x86 Linux 服务器 / 云 GPU；②Rosetta 官方的源码安装（需 CUDA，Apple 平台无 CUDA）。面试/方案里提到 RFD3 时，把算力方案一起说，否则会被追问。

RFdiffusion2 的湿实验基线（作为 RFD3 的参照系）：Nature 论文，设计的酶合成即有活性，其中一个催化效率达到天然酶常见水平，X 射线晶体学确认活性位点与设计模型吻合。这是"生成模型能直接产出功能分子"的少数硬证据 —— 但也请注意：这是酶，不是结合剂，也不是环肽。

2. BindCraft2（BC2）—— 本轮最重要的一条回执

状态更新：这是简报里连续 4 轮"未回执"的追踪项（BindCraft2 预印本 + LICENSE 正式文本），本轮回执了，但带一个 P0 风险。

BC2 支持的结合剂格式（这张表直接对应 JD 的"环肽/多肽"）

BC2 能优化的目标（这是它比"生成一把钥匙"更值钱的地方）

★ 对你最有价值的一条：BC2 能显式地把"避开某个 off-target"和"蛋白酶稳定性"写进设计目标。这和 siRNA 设计的约束结构几乎同构 —— caiPro 现在的脱靶过滤是"事后筛"，BC2 的思路是"把负向约束放进生成目标"。这是可以直接迁移的范式。

⚠️ ⚠️ P0 — 许可风险（这条必须记住）

GitHub 上 BindCraft2 的 License 字段是 NOASSERTION（GitHub 无法识别为任何标准 OSI 许可）。Ariax Bio 的官方页面把话说得更明白：BC2 的上游许可是 "source-available 且限制第三方托管"（restricts third-party hosting）。

这意味着：它不是标准开源。 "免费用于学术和工业" ≠ "OSI 开源"。企业在生产环境引入前，必须逐字读 LICENSE 文本，重点看三条：①是否允许再分发；②是否允许 SaaS/托管；③衍生模型与输出序列的归属。

对比：同一条 JD 里的 PocketXMol 是明确的 MIT，RFD3 是明确的 BSD-3-Clause。三者许可强度完全不同，别混为一谈。

⚠️ P2 — 新鲜度风险：v1.0.1 的 hotfix 修的是"多链靶点用 monomer 模型重预测时的索引错误"（由 Aaron Ring 报告）。刚发布就出多链 bug，说明多链 / 复合物场景的成熟度弱于单链。上生产前请先用自己的多链用例验证一遍。

3. PocketXMol —— 三家工具里唯一明确 MIT 的

13 个任务中 11 个超过 SOTA（对比 55 个基线方法、51 个评测指标）：小分子对接、线性肽对接、环肽对接、构象生成、SBDD、3D 分子生成、fragment linking、PROTAC 设计、fragment growing、分子优化、线性肽设计、环肽设计、肽逆折叠。

湿实验验证（这是它罕见的地方 —— 大多数生成模型停在计算层）

⚠️ P1 — 别把"76/382"读成"20% 成功率"：382 个是已经经过计算筛选后选出的候选，分母不是随机库。真实端到端命中率 = 生成总量 → 计算筛选 → 合成 → 实测 的全链条乘积，论文没有给出总生成量。引用时必须说清分母。

⚠️ P2 — 复现成本：官方说明全数据集训练需要 >500 GB 原始数据处理。如果只想做推理/微调，用 Zenodo 上的 model_weights.tar.gz 即可；不要一上来就说"我要重训 PocketXMol"。

4. 三个工具怎么选（决策表）

5. GROMACS / AMBER / OpenMM + MM-GBSA —— 为什么 JD 把它和生成模型并列

#### 5.1 三个 MD 引擎的分工（不是三选一，是各有地盘）

★ 对你的提示：JD 写"熟练运用 GROMACS / AMBER / OpenMM"，真实含义往往是"MD 只是 pipeline 里的一站，而不是终点"。真正稀缺的不是"会跑 MD"，而是"能把 MD 的输出变成模型的训练信号"。

#### 5.2 MM-GBSA 在精度–成本阶梯里的准确位置

MM-GBSA 公式（要能背下来）

ΔG_bind = ΔE_MM + ΔG_solv − TΔS
        = (ΔE_bond + ΔE_angle + ΔE_tors + ΔE_vdW + ΔE_ele)
          + (ΔG_GB + ΔG_SA)  − TΔS

其中 ΔG_GB 是广义 Born 极性溶剂化能，ΔG_SA 是非极性（表面面积）项。

#### 5.3 ⚠️ MM-GBSA 的六个坑（这是本节最值钱的部分）

已知的反面证据（引用前请一并给出）：Coveney 等证明 MM-GBSA/PBSA 在排序临床相关的 HIV-1 蛋白酶抑制剂时有重大局限；Mobley 等在 D3R Grand Challenges 上报告其复现实验结合自由能表现差。在 PPI 上相关性尤其差（构象空间维度高 + 界面水关键）。

一个可复制的 gmx_MMPBSA 配置（含熵项）

&general
  sys_name = "IE",
  startframe = 1, endframe = 10,
  PBRadii = 4,
  interaction_entropy = 1, ie_segment = 50,
  temperature = 303.15
/
&gb
  igb = 8,          ! GB-Neck2，当前较稳妥的默认
  saltcon = 0.150,  ! 生理盐浓度
/

gmx_MMPBSA -O -i mmpbsa.in \
  -cs com.tpr -ct com_traj.xtc \
  -ci index.ndx -cg 3 4 -cp topol.top \
  -o FINAL_RESULTS_MMPBSA.dat -eo FINAL_RESULTS_MMPBSA.csv

⚠️ 注意 -ct 必须是已做 PBC 校正并拟合（fitted）的轨迹 —— 这一步漏了不会报错，只让结果整体偏移。

6. 一条完整的环肽/多肽干湿闭环流水线（把上面串起来）

[0] 靶点结构 ── AlphaFold3 / Boltz-2 / Protenix-v2 ──► pocket 定义 + hotspot 残基
        │
[1] 生成 ──┬── RFdiffusion3   （从头骨架，原子级，可含非蛋白组分）
           ├── BindCraft2     （环肽 / VHH / ARP / scaffolded，可写负向约束）
           └── PocketXMol     （口袋条件生成：环肽设计 / 环肽对接 / 逆折叠）
        │
[2] 序列回填 ── ProteinMPNN / LigandMPNN ──► 每条骨架若干个序列
        │
[3] 结构复核 ── 独立重预测（AF2/AF3/Boltz-2）+ pLDDT / iPTM / PAE 过滤
        │  ⚠️ 必须用与生成不同的模型做验证，否则是自证
        │
[4] 物理层筛选 ── GROMACS / AMBER / OpenMM 短程 MD（稳定性、界面是否散架）
        │           └─► MM-GBSA（同系列内重排序，务必含熵项、核对 ST 假设、加界面水）
        │
[5] 可开发性过滤 ── 合成可行性、蛋白酶稳定性、二硫键、聚集倾向、免疫原性
        │
[6] 实验 ── 合成 → SPR/BLI（亲和力）→ 细胞活性 → 选择性/脱靶
        │
[7] 回流 ── 实测标签入库 → 主动学习挑下一批 → 模型增量更新 ──┐
        │                                                    │
        └────────────────────────────────────────────────────┘

每一环的生信交付物（面试时说得出来的那种）

第二部分 · 主动学习 / 自监督 / 在线学习为什么进了主职责

1. 根因：模型已经变成商品，回路才是资产

• 结构预测：AF3 / Boltz-2 / OpenFold3 / Protenix-v2 全部可下载（Protenix-v2 还是全开源 MIT）
• 生成：RFD3（BSD-3）、PocketXMol（MIT）、BC2（免费）
• 结果："我会用 XX 模型"不再构成壁垒——人人都下载得到。

那什么构成壁垒？只有你自己那批实测数据，和把数据变成下一轮更好模型的回路。 这就是为什么 JD 从"熟悉 XX 模型"转向"能设计数据回流闭环"。

一句话：模型是自来水，回路才是水管。

2. 三个词的准确含义与 AIDD 落点（别混用）

⚠️ P1 — 面试最容易翻车的地方：说"我用了主动学习"，被追问"你的采集函数是什么？基线是什么？"答不上来。主动学习的价值 100% 取决于采集函数相对"随机采样/不确定性采样"的增量，没有基线对照就等于没做。

3. "数据回流 → 模型更新 → 效果提升"闭环的四层结构

★ L3 是 90% 团队缺失的一环，也是 JD 加分项真正的考点。 "效果提升"四个字要求你能归因：这一轮提升来自数据、来自采集策略、还是来自模型改动？

4. 为什么这是"加分项"而不是"主职责"

• 主职责写的是主动学习/自监督/在线学习 —— 这是可执行、可考核的技能项；
• 加分项写的是"自己设计过闭环的实操经验" —— 这是不可培训的履历证据。

招聘逻辑很清晰：技能可以教，"我从零设计过一条闭环并跑出过效果"这件事只能靠做过。这就是为什么它值一个加分项而不是一行要求。

5. 怎么证明你有这个闭环（可操作清单）

对 caiPro 的直接映射：7295 阳 / 1120 阴 是 L0 层的数据。如果它只是"一次性训练集"，那它每用一次就贬值一次；如果它挂在一个有采集策略、有门控、有归因的回路上，它每跑一轮湿实验就增值一次。这是同一个数据集的两种命运。

第三部分 · 干湿闭环连续第八轮 100%

1. 口径先说清楚（诚实标注）

2. 为什么是 100% 而不是 80%：三个结构性原因

3. DMTA 循环与每一环的生信交付物

⚠️ 最常见的假闭环：D→M→T 跑得很快，A 环节只产出一份 PPT。没有 A 的 DMTA 只是"高通量试错"，不是闭环。

4. 八轮用词演化（这条比 100% 更有信息量）

判读：岗位对干湿闭环的要求从"参与"升到了"拥有（Ownership）"。这也是为什么多肽岗 JD 会写"从苗头到 PCC 全链条 Ownership"。

5. 对你的含义（三条）

1. "我会跑模型"已经不够用了，要能说清楚"我的模型怎么因为实验数据变好了" —— 带数字、带基线、带失败案例。 2. caiPro 现在最缺的不是模型，是 L3 归因层 —— 没有它，任何"闭环"都只是说法，拿不出证据。 3. 核酸方向本轮回落（0/5）不代表不重要 —— 上轮 2/6 里有深圳湾实验室明确要求"蛋白/核酸结构建模 + 蛋白-核酸对接 + GROMACS MD"。核酸建模目前是少数岗位的深水要求，不是普遍要求，属于差异化机会而非主流门槛。

风险点汇总

本轮追踪项状态更新

生成时间：2026-09-25 | 基于 09-25 简报 §4 的两条岗位信号做纵深扩展 | 检索 4 轮 + 前期积累