HyperMPNN 是一款专为提升蛋白质热稳定性而设计的深度学习逆折叠模型。它以 ProteinMPNN 为基础，在大量来自嗜热微生物（最适生长温度可达 105°C）的预测蛋白质结构上进行重新训练，学习了自然界经过亿万年进化筛选出的耐热策略。

与通用模型不同，HyperMPNN 能够准确复现嗜热蛋白特有的氨基酸组成偏好——表面富含带电残基、核心富含疏水残基，并将这一设计原则成功迁移至非嗜热来源的蛋白质上。实验验证表明，经 HyperMPNN 设计的 I53-50 蛋白纳米颗粒，其熔解温度从 65°C 提升至 95°C 以上，稳定性提升超过 30°C。

本在线工具提供便捷的蛋白质热稳定性设计服务，适用于酶工程、疫苗递送载体开发、生物制剂保存等对高温耐受性有较高要求的应用场景。用户只需上传目标蛋白质的骨架结构，即可获得经热稳定性优化的候选序列，助力您的研发工作。

上传 PDB 或 mmCIF 格式的蛋白质结构文件，系统将自动解析链信息。选择需要设计的链并设置参数后，模型将生成多条优化的氨基酸序列，并给出每条序列的评分（score = -log_prob，越低越好）与序列恢复率。