🤖 machine learning

ProHiFlo: Hierarchical Flow Matching with Functional Guidance for De Novo Protein Generation

ProHiFlo 是一个结合了由粗到精生成、通过预训练预测器进行功能引导以及自适应 SE(3)-等变架构的分层流匹配框架，旨在实现比 RFDiffusion 等现有方法具有更高效率和成功率的最先进从头蛋白质设计。

原作者： Chuanzhen Wang, Meade Cleti, Pete Jano

发布于 2026-06-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Chuanzhen Wang, Meade Cleti, Pete Jano

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你是一名试图从零开始设计一座全新的、功能性建筑的建筑师。在生物学世界中，这些“建筑”就是蛋白质，它们是维持生命运转的微型机器。长期以来，计算机擅长于如果你知道蓝图，就能预测这座建筑“看起来”是什么样，但要设计一个真正能运作的新建筑却极其困难。

由此诞生了 ProHiFlo，这是一个全新的计算机程序，它扮演着一个超级智能的双阶段蛋白质建筑师。以下是它的工作原理，通过简单的解释说明：

旧方法的缺陷

之前的计算机程序尝试以两种方式设计这些蛋白质建筑，但这两种方式都有缺陷：

“全量同步”法（All-at-Once Approach）： 它们试图同时确定每一个原子（每一块砖头和每一颗钉子）。这就像是在绘制一份详细的摩天大楼蓝图的同时，还要同时决定每一个螺丝钉的位置。这极其缓慢且消耗计算资源。
“僵化”法（Rigid Approach）： 它们只能设计出基本的形状（骨架），但无法轻松地调整设计以实现特定的功能（比如捕捉病毒或分解毒素），除非重新开始整个训练过程。

ProHiFlo 的解决方案：两阶段施工计划

ProHiFlo 通过将工作分解为两个截然不同的阶段改变了游戏规则，就像一个先搭建钢结构框架，然后再填充墙壁和细节的施工队。

第一阶段：骨架（由粗到细）

ProHiFlo 首先不关心微小的原子，而是先构建主干（Backbone）。你可以把它想象成搭建钢梁和建筑的总轮廓。

为什么聪明： 确定建筑的总轮廓比放置每一块砖头要快得多。一旦“骨架”稳固了，计算机就会进入下一步。
结果： 这节省了大量时间。论文声称 ProHiло 比其他顶尖方法快 4 倍，因为它不会在宏观结构尚未定型时就浪费能量去计算微小的细节。

第二阶段：细节（全原子精修）

一旦骨架建成，ProHiFlo 就会填充剩余部分。它会添加所有特定的原子（砖块、窗户和布线），以匹配它刚刚创建的骨架。

神奇之处： 因为骨架已经存在，计算机只需要专注于局部如何将零件组合在一起，而不是从头开始猜测整个结构。

“方向盘”：功能引导

这也许是最酷的部分。通常，如果你想要建筑具备某种特定功能（比如太阳能屋顶或某种特定类型的电梯），你必须从头开始教建筑师一项新技能。

ProHiFlo 有一个不需要重新训练的**“方向盘”**。

工作原理： 想象你有一个 GPS（一个预训练的预测器），它知道针对特定任务的“优秀”蛋白质应该是什么样的。当 ProHiFlo 正在绘制蛋白质时，它会不断检查这个 GPS。如果设计偏离了目标，GPS 就会给出一个温柔的推力（数学上的“梯度”）来将设计导回正轨。
益处： 你可以要求 ProHiFlo 设计一个既稳定、又能粘附特定病毒、或者能轻易溶解在水中的蛋白质，它都会将设计引向这些目标，而无需针对新数据进行重新训练。这就像拥有一个可以根据你输入的任何目的地即时工作的 GPS。

“自适应大脑”

ProHiFlo 还使用了一种特殊的神经网络，它就像一个自适应施工队。

如果蛋白质的某个部分很简单（比如一条直廊），计算机就会减少在该处花费的时间。
如果某个部分很复杂（比如螺旋楼梯或复杂的转角），计算机会自动在该特定区域投入更多的时间和计算能力。
这确保了它不会在简单的部分浪费能量，也不会在困难的部分草草收场。

他们取得了什么成就？

论文在三个主要挑战上测试了 ProHiFlo：

制作随机蛋白质： 它创造出了比以往任何方法都更快、质量更高且更稳定的蛋白质结构。
支架化（围绕核心进行构建）： 他们要求 ProHiFlo 在一个特定的“基序”（Motif，即蛋白质中微小且具有功能性的部分，如酶的活性部位）周围构建蛋白质。ProHiFlo 的成功率为 58.9%，击败了之前的最佳方法 RFDiffusion（其成功率为 41.2%）。
功能设计： 当使用“方向盘”来优化稳定性或结合力时，所得出的蛋白质在执行这些任务方面的表现明显优于未经引导的设计。

局限性（不足之处）

作者坦诚地说明了几点：

偶尔的小故障： 有时“骨架”和“细节”无法完美匹配（发生率约为 3%）。他们通过一个快速的“抛光”步骤来解决这个问题，就像最后的质量检查一样。
GPS 的可靠性： “方向盘”的效果取决于它所使用的 GPS。如果 GPS 在预测某种特定类型的蛋白质（例如隐藏在细胞膜中的蛋白质）时表现不佳，那么引导效果可能也不会那么好。
计算机与现实的差距： 所有这些结果都是计算机模拟。虽然计算机显示这些蛋白质是“可设计的”，但它们尚未在实验室中进行物理构建和测试（不过基于以往数据，作者预计大约有 40-60% 能在现实中奏效）。

总结

ProHiFlo 是一种更快、更智能的蛋白质设计方式。它先构建大体形状，再填充细节，并使用“方向盘”在无需重新训练的情况下引导设计走向特定目标。它就像是从缓慢的手动绘图桌升级到了智能、自适应的 CAD 系统，该系统知道如何分步构建出一台功能完备的机器。

技术摘要：ProHiFlo

问题陈述

从头开始的蛋白质生成在治疗设计、酶工程和合成生物学领域具有变革性的潜力。尽管扩散模型（如 RFDiffusion）和流匹配（flow matching）的最新进展已使得创造新型蛋白质结构成为可能，但现有方法仍面临三个主要局限：

分辨率权衡： 大多数方法在单一结构分辨率下运行，要么仅生成骨架原子，要么共同建模所有原子，导致在计算效率与结构保真度之间难以达到最优平衡。
功能约束： 引入特定的功能约束通常需要针对特定任务的数据集进行昂贵的重新训练或微调，限制了灵活性。
采样效率： 采样过程仍然计算密集，阻碍了其在高通量设计场景中的实际应用。

方法论

ProHiFlo（蛋白质层次流，Protein Hierarchical Flow）通过一个包含三个核心创新的层次化流匹配框架来解决这些挑战：

1. 层次化流匹配

该框架将蛋白质生成分解为两个顺序阶段，以高效捕捉全局拓扑结构和局部几何细节：

阶段 1（骨架生成）： 生成表示为残基框架 $\{T_i\}_{i=1}^N$ 的粗糙骨架结构（其中每个框架 $T_i \in SE(3)$ 由旋转和平移组成）。此阶段使用 $SE(3)$ 上的先验分布对全局拓扑进行建模，并学习一个向量场，用于在高斯先验与数据分布之间进行插值。
阶段 2（全原子细化）： 将生成的骨架框架细化为全原子坐标 $\{x_j\}_{j=1}^M$ 。此阶段以骨架框架为条件，对相对于其局部残基框架的原子位置进行参数化。
训练： 这两个阶段使用条件流匹配目标进行独立训练，从而降低了每一步的有效维度，并实现了更快的收敛。

2. 无需训练的功能引导

ProHiFlo 引入了一种机制，可以在不重新训练生成模型的情况下，引导生成过程趋向于理想的特性。

机制： 在采样过程中，计算预训练的可微属性预测器（例如稳定性、结合亲和力、溶解度）相对于当前结构的梯度。
集成： 这些梯度被投影到 $SE(3) $流形的切空间上，并添加到流速度向量场中：$ \tilde{v}t(x) = v\theta(x, t) + \lambda \cdot \nabla_x f_\phi(x)$。
自适应： 引导强度 $\lambda$ 在采样轨迹中进行退火处理（ $\lambda(t) = \lambda_0 \cdot (1-t)^\gamma$ ），以便在结构更具可塑性的早期施加更强的引导，从而确保稳定性。

3. 自适应 SE(3)-等变架构

为了高效处理多尺度结构表示，作者提出了一种动态神经网络架构：

多尺度图构建： 一个层次化图根据空间邻近性连接节点（原子），并使用基于分辨率的截断距离（骨架为 10Å，残基接触为 6Å，原子相互作用为 4Å）。
自适应消息传递： 每个节点的的消息传递迭代次数根据局部复杂度评分（源自邻居数量、密度和曲率）进行动态分配。复杂度较高的节点会经历更多次迭代，而较简单的节点则经历较少次迭代，从而优化计算资源。
等变性： 该架构利用标量和向量特征通道（遵循 GVP）来确保 $SE(3)$ 等变性，使网络能够对诸如键取向之类的方向信息进行推理。

关键结果

实验在无条件生成、基序支架（motif scaffolding）和功能设计基准测试上进行，并将 ProHiFlo 与最先进的方法（RFDiffusion、Chroma、FoldFlow-2、Genie 2）进行了对比。

无条件生成： ProHiFlo 实现了 92.4% 的可设计性得分（相比之下，FoldFlow-2 为 85.1%，RFDiffusion 为 82.3%），同时仅需 50 个采样步（其他方法为 100–500 步），代表了显著的加速。
基序支架： 在酶活性位点支架搭建方面，ProHiFlo 实现了 58.9% 的成功率，优于 RFDiffusion（41.2%）和其他基准模型。这证明了功能引导在保持催化几何结构方面的有效性。
功能设计： 当针对稳定性、结合亲和力和溶解度进行引导时，ProHiFlo 比无引导生成在稳定性方面提高了 24.2%，在结合力方面提高了 28.1%，同时保持了高可设计性。
计算效率： 推理时间随蛋白质长度近线性扩展。对于一个 300 个残基的蛋白质，ProHiFlo 需要 3.3 秒，比 RFDiffusion（22.4 秒）快了 6.8 倍。

重要性与主张

论文声称 ProHiFlo 代表了计算蛋白质设计领域的重大进步，原因如下：

解耦分辨率： 成功地将全局拓扑生成与局部原子细化分离，这在保持高结构准确性的同时降低了计算成本。
实现灵活的条件化： 提供了一种无需训练的机制，通过基于梯度的转向来整合任意功能约束，消除了对特定任务重新训练的需求。
提高效率： 与现有的扩散和流匹配模型相比，以大幅减少的采样步数和更快的推理时间实现了最先进的性能。

作者指出，尽管该方法在各项基准测试中表现稳健，但仍存在局限性，包括骨架与全原子表示之间偶尔的不一致性（约 3.2% 的情况），以及对用于引导的预训练预测器的质量的依赖。这项工作将其定位为迈向更高效、更灵活的从头开始蛋白质设计的重要一步，未来计划进行实验验证并扩展到多链复合物。