蛋白質設計程序使用在體內環境中驅動蛋白質的分子力的計算機模型。為了使問題易于解決，蛋白質設計模型簡化了這些作用力。盡管蛋白質設計程序相差很大，但它們必須解決四個主要的建模問題：設計的目標結構是什么，目標結構允許什么樣的靈活性，搜索中包括哪些序列，以及將使用哪個力場來分數序列和結構。
目標結構
蛋白質功能在很大程度上取決于蛋白質結構，合理的蛋白質設計使用這種關系通過設計具有目標結構或折疊結構的蛋白質來設計功能。因此，根據定義，在合理的蛋白質設計中，必須預先知道靶標結構或結構的整體。這與其他形式的蛋白質工程（例如定向進化）形成鮮明對比，在定向進化中，可以使用多種方法來查找實現特定功能的蛋白質；在蛋白質結構預測中，已知序列但結構未知。
通常，靶標結構基于另一種蛋白質的已知結構。但是，自然界中看不見的新穎褶皺變得越來越有可能。彼得·S·金（Peter S.Kim）和他的同事設計了自然界中從未見過的非自然卷曲螺旋的三聚體和四聚體。在大衛·貝克（David Baker）實驗室開發的蛋白質Top7，是使用蛋白質設計算法完全設計的，具有完全新穎的折疊效果。最近，貝克和同事們開發了一系列原理來設計基于蛋白質折疊漏斗的理想球狀蛋白質結構在二級結構預測和三級結構之間架起橋梁。這些基于蛋白質結構預測和蛋白質設計的原理被用于設計五種不同的新型蛋白質拓撲。
序列空間
在合理的蛋白質設計中，可以從已知蛋白質的序列和結構重新設計蛋白質，或者在從頭蛋白質設計中完全從頭開始重新設計蛋白質。在蛋白質重新設計中，序列中的大多數殘基都保留為野生型氨基酸，同時允許少數突變。在從頭設計中，整個序列是在沒有先驗序列的基礎上重新設計的。
既從頭設計和重新設計的蛋白質能建立此規則序列空間：特定的氨基被允許在每個可變位置殘基的酸。例如，基于進化數據和電荷平衡，限制了選擇RSC3探針的 HIV-中和抗體的表面成分。蛋白質設計的許多最早嘗試都很大程度上基于序列空間的經驗規則。此外，纖維蛋白的設計通常在序列空間上遵循嚴格的規則。例如，基于膠原蛋白設計的蛋白質通常由Gly-Pro-X重復序列組成。計算技術的出現允許設計蛋白質而無需人工干預序列選擇。
結構靈活性
在蛋白質設計中，蛋白質的靶結構是已知的。但是，合理的蛋白質設計方法必須在目標結構上建立一定的靈活性模型，以增加可以針對該結構設計的序列數量，并xxx程度地減少序列折疊為不同結構的機會。例如，在蛋白質的緊密堆積核心中的一個小氨基酸（例如丙氨酸）的蛋白質重新設計中，如果周圍的側鏈折疊，則通過合理的設計方法可以預測出很少的突變體可以折疊成目標結構不允許重新包裝。
因此，任何設計過程的基本參數是側鏈和主鏈所允許的靈活性。在最簡單的模型中，蛋白質主鏈保持剛性，同時允許某些蛋白質側鏈改變構象。但是，側鏈的鍵長，鍵角和χ二面角可具有許多自由度。為了簡化此空間，蛋白質設計方法使用的旋轉異構體庫假定鍵長和鍵角為理想值，同時將χ二面角限制為一些經常觀察到的低能構象，稱為旋轉異構體。
旋轉異構體文庫基于對許多蛋白質結構的分析來描述旋轉異構體。獨立于主干的rotamer庫描述了所有rotamer。相反，依賴于骨干的旋轉異構體文庫將旋轉異構體描述為取決于它們在側鏈周圍的蛋白質骨架排列方式出現的可能性。rotamer庫描述的rotamer通常是空間區域。大多數蛋白質設計程序都使用一種構象（例如，空間中旋轉異構體二面體的模態值）或旋轉異構體描述的區域中的多個點。在OSPREY蛋白質設計方案，相比之下，模型整個連續區域。
盡管合理的蛋白質設計必須保留蛋白質的一般骨架折疊，但允許某些骨架柔性可以顯著增加折疊至結構的序列數，同時保持蛋白質的一般折疊。骨架靈活性在蛋白質重新設計中尤其重要，因為序列突變通常會導致骨架結構發生微小變化。此外，骨架靈活性對于蛋白質設計的更高級應用（例如結合預測和酶設計）可能至關重要。蛋白質設計骨架柔性的一些模型包括小而連續的整體骨架運動，目標折疊周圍離散的骨架樣品，反沖運動和蛋白質環柔性。
能量功能
合理的蛋白質設計技術必須能夠將在目標折疊下穩定的序列與傾向于其他低能競爭態的序列區分開。因此，蛋白質設計需要精確的能量功能，該功能可以根據序列與目標結構的折疊程度對序列進行排序和評分。但是，同時，這些能量函數必須考慮蛋白質設計背后的計算挑戰。成功設計中最具挑戰性的要求之一是能量函數，該函數對于計算計算而言既準確又簡單。
最精確的能量函數是基于量子力學模擬的能量函數。然而，這樣的模擬太慢并且對于蛋白質設計通常是不切實際的。取而代之的是，許多蛋白質設計算法使用的是基于分子力學模擬程序的基于物理學的能量函數，基于知識的能量函數或兩者的混合。趨勢是使用更多基于物理學的勢能函數。
基于物理的能量函數（例如AMBER和CHARMM）通常來自量子力學模擬，以及來自熱力學，晶體學和光譜學的實驗數據。這些能量函數通常會簡化物理能量函數并使它們成對分解，這意味著可以通過在每個原子對之間添加成對能量來計算蛋白質構象的總能量，這使它們對于優化算法具有吸引力。基于物理的能量函數通常對原子之間的吸引排斥Lennard-Jones項和非鍵合原子之間的成對靜電庫侖項進行建模。
與基于物理的電勢相反，統計電勢的優點是計算速度快，隱含地考慮復雜的影響并且對蛋白質結構的微小變化不太敏感。這些能量函數基于結構數據庫中出現頻率得出的能量值。
然而，蛋白質設計有時會受到分子力學力場的限制。分子力學力場是分子動力學模擬中最常用的一種，它針對單個序列的模擬進行了優化，但是蛋白質設計通過許多序列的許多構象進行搜索。因此，必須為蛋白質設計量身定制分子力學力場。在實踐中，蛋白質設計能量函數通常同時包含統計術語和基于物理的術語。例如，Rosetta能量函數（最常用的能量函數之一）結合了源自CHARMM能量函數的基于物理學的能量項以及統計能量項，例如旋轉子概率和基于知識的靜電。通常，能源功能在實驗室之間是高度定制的。