RFdiffusion 直接生成蛋白序列吗？

经典 RFdiffusion 主要生成蛋白结构/骨架变量；原始工作通常再用 ProteinMPNN 为骨架设计序列，然后用 AlphaFold 等结构预测做计算筛选。序列设计也可以替换成其他方法。

3D 蛋白和小分子模型为什么常使用等变网络？

因为整体旋转和平移通常不应改变分子的物理身份。E(3)/SE(3) 等变网络能把这种对称性写入模型，是很强的归纳偏置，但局部坐标、距离角度或其他不变表示也可以编码几何约束。

通常不能。单细胞表达是高维计数或连续表达向量，空间转录组还包含位置和邻域；数据分布、缺失机制、批次效应和评价协议都与自然图像不同。

不能。它是常用的计算 designability 检查，可以优先排序候选，但结构预测本身仍是模型输出。折叠、结合和功能最终需要独立实验验证。

生物扩散模型不能只按“图像换成生物数据”理解。不同模态真正决定建模方式的是：生成状态是什么、有哪些不变性/约束、条件是什么、最后怎样验证。

flowchart LR
X["生成状态"] --> C["条件与约束"]
C --> M["表示与模型"]
M --> E["独立评价/实验"]

生物生成任务的四个问题

对任何生物生成任务先填写：

如果状态是三维蛋白骨架或残基 frame，旋转和平移对称性必须被正确处理。SE(3)/E(3) 等变架构是一条常见路线，也可以通过局部参考系或不变几何特征处理这些约束。

原始 RFdiffusion 工作的典型流程是：

结构条件 / 随机残基 frames
↓
RFdiffusion：生成或补全骨架
↓
ProteinMPNN 等：为骨架设计序列
↓
AlphaFold / 其他结构预测：计算 designability 筛选
↓
实验表达、结构、结合或功能验证

RFdiffusion 论文明确使用 ProteinMPNN 为生成骨架采样序列，并用结构预测检查设计是否能回到目标骨架。这里的结构预测是计算过滤器，不是最终裁判。对于 binder，还需要界面相关指标以及实验结合验证。

固定的 scTM 或 scRMSD 阈值不能跨任务直接搬用。阈值应来自具体 benchmark、设计长度和实验目标。

小分子至少有三种不同问题：

因此“小分子扩散 = E(3) 等变”并不成立。只有直接建模 3D 坐标时，旋转/平移对称性才成为核心约束。

评价不能只看 validity。还应区分新颖性、多样性、可合成性、3D 几何、目标性质与真实实验命中率；docking score 只是代理指标。

单细胞 RNA-seq 常表示为细胞 × 基因的稀疏计数或经过变换的连续表达。空间转录组则额外带有位置和邻域，因此不能笼统说“没有空间结构”。

常见建模决定包括：

评估时尤其要按 donor、batch、样本来源做独立划分，并检查合成数据是否真的改善真实数据上的下游任务。UMAP 重叠只能作为可视化，不能单独证明分布学习成功。

这类数据在形式上最接近自然图像，但不能因此直接套用通用图像模型的全部设置。扫描仪、染色批次、倍率、组织来源和患者身份都可能形成捷径。

关键要求包括：患者级/切片级划分、颜色与设备偏差审计、病理结构一致性，以及真实测试集上的分类/分割/检测效用。若用于临床或诊断研究，还需要明确合规、隐私和专家评审流程。

任务	主要状态	最重要的结构约束	条件例子	验收重点
蛋白	3D backbone/frame	几何、折叠、界面	motif、target、长度	designability + 实验功能
小分子	token/图/3D 坐标	化合价、几何、合成	pocket、property	有效性 + 任务命中
单细胞/空间组学	表达/latent + 可选空间	共变、批次、空间邻域	cell type、perturbation	真实数据下游效用
病理/显微	pixel/latent	组织结构与域偏差	class、mask、region	真实测试集 + 专家评审

最重要的迁移原则是：扩散公式可以迁移，状态空间和评价协议不能照搬。

至少保留一个简单生成基线；使用独立验证实体；报告生成失败与过滤比例；检查训练集最近邻；使用与生成器不同的评价信号；如果问题最终是实验可验证的，就把计算指标定位为筛选而不是结论。