超越AlphaFold3，实现模型容量的规模化扩展，字节提出分子结构预测模型SeedFold

背景：高精度生物分子结构预测对结构生物学和药物发现至关重要，但现有折叠模型多遵循AlphaFold配置，模型容量扩展受限。研究目的：字节跳动Seed团队提出SeedFold模型，旨在通过宽度扩展、线性三角注意力机制和大规模数据蒸馏实现模型容量的规模化扩展，提升预测性能。结论：SeedFold及其高效变体SeedFold-Linear在FoldBench基准测试中取得SOTA结果，在多数蛋白质相关任务上超越AlphaFold3，且两者在不同任务（如抗体-抗原、蛋白质-配体相互作用预测）中展现出特异性优势，验证了扩展策略的有效性。