第 10 名解决方案（我们如何进行集成）

副标题：基于 Protenix、DRFold2 和 trRosetta2 的集成解决方案

大家好，

我想分享我们团队在 Kaggle 斯坦福 RNA 3D 折叠竞赛中的解决方案。我们的方法侧重于将三种最先进的深度学习模型——Protenix、DRFold2 和 trRosetta2——结合成一个强大的集成 pipeline，用于 RNA 三级结构预测。

模型结构与工作流程

Protenix 实现

• 扩散采样参数： N_sample=10, N_step=150, N_cycle=8
• 检查点： model_v0.2.0.pt <- Protenix GitHub 上可用的最新预训练模型权重。
• 置信度评分系统： 严格按照 Protenix 提供的置信度分数排序使用。
• 超参数优化： 在我的实验中，超参数优化并没有带来巨大差异。
• 微调问题： 我无法解决 Protenix 微调过程中的过拟合问题，因此我使用预训练权重进行直接预测。
• 输出： 每个样本前 5 个 PDB 文件

DRFold2 实现

• FASTA 生成： 将每个测试序列转换为 FASTA 文件格式
• 过滤： 仅处理 < 300 nt 的序列（超过 300nt 会导致超时失败）
• 每个样本的模型排名： 读取 sel_0 分数文件 -> 按能量得分选择前 5 个模型 -> 使用 Arena 进行 PDB 优化！！
• 输出： 前 5 个优化后的 PDB 文件（限制在 300nt 以下）

trRosetta2 实现（它在 GitHub 中隐藏，未在 trRosetta2 文章中正式发布）

• 预测方式： 基于 MSA 的预测以获得更高精度
• 模型参数： nrows=500, refine_steps=0
• 过滤： 大约 ≤500–600 nt，据我所知，虽不精确。
• 输出： 前 5 个优化后的 PDB 文件（限制在 500-600nt 以下）

集成整合

坐标提取： 解析 PDB 文件以获取 C1' 原子坐标

合并策略：

• Protenix: 坐标 1–5（用作背景坐标）
• DRFold2: 坐标 3,4（尽可能覆盖背景坐标）
• trRosetta2: 坐标 5（尽可能覆盖背景坐标）

因此，最终的 submission.csv 如下：

结论

三种模型的集成非常有效。然而，当我添加第四个模型（Boltz）时，性能实际上下降了。由于我无法微调 Protenix，我相信其他人可能成功了，我期待看到他们的解决方案。

最后但同样重要的是，非常感谢我的队友和竞赛主办方！！