🧬 biology

Expanding Protein Structure Prediction into Conformational State Space

本文认为，蛋白质结构预测应当从识别单一主导构象，演变为一个全面的状态空间推断问题，以恢复可及状态的全集及其能量与动力学关系，以及它们对扰动的响应。

原作者： Devlina Chakravarty, Justin J. Miller, Da Teng, Yousuf O. Ramahi, Patrick Bryant, Camila Neira-Mahuzier, César A. Ramírez-Sarmiento, Sarah Rauscher, Gregory R. Bowman, Pratyush Tiwary, Lauren L. Porte

发布于 2026-08-05

📖 1 分钟阅读☕ 轻松阅读

CC0 1.0

原作者： Devlina Chakravarty, Justin J. Miller, Da Teng, Yousuf O. Ramahi, Patrick Bryant, Camila Neira-Mahuzier, César A. Ramírez-Sarmiento, Sarah Rauscher, Gregory R. Bowman, Pratyush Tiwary, Lauren L. Porter

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

生命的变幻形态之谜

想象一下，你正在试图理解一辆汽车是如何工作的。长期以来，科学家们认为最好的方法是对停在车库里的汽车拍一张高分辨率的照片。如果你知道了停放着的汽车的确切形状，你就能推测它的功能：它有四个轮子，所以它能行驶；它有发动机，所以它会移动。对于简单的物体，这种方法非常有效。但如果这辆车不仅仅是停在那里呢？如果它能根据天气是下雨、晴天还是载重情况，变换成直升机、船只或摩托车呢？如果你只看那张停放着的汽车照片，你将完全错过其中的奥秘。你不会知道它是如何飞行的，也不会知道它是如何漂浮的。

这正是科学家在面对蛋白质时所面临的难题。蛋白质是维持所有生命体生存的微观机器。它们构建我们的肌肉，对抗病毒，并携带氧气通过我们的血液。几十年来，生物学的“金标准”是弄清楚蛋白质在静止状态下的形状，就像研究一座冻结的雕像。我们过去认为，如果我们知道了雕像的形状，我们就掌握了整个故事。但生命并非静态的。蛋白质更像是杂技演员而非雕像；它们扭转、旋转并改变形状以完成工作。有时它们拥有特定的“隐藏模式”，只有当某种特定化学物质出现或温度改变时才会显现。如果我们只观察“停放”的版本，我们就会错过那些真正让生命运转起来的杂技表演。

这篇论文：从单张照片到完整电影

这篇由来自美国国家卫生研究院（NIH）和多伦多大学等机构的研究人员撰写的论文指出，我们需要停止尝试拍摄蛋白质的单张照片，而应开始尝试制作它生命的完整电影。作者认为，目前我们使用人工智能（AI）预测蛋白质结构的方式过于狭隘。目前，这些 AI 模型在根据遗传密码预测蛋白质单一、“主导”形状方面表现得极其出色。这就像是一个能够完美画出坐在绿叶上的变色龙的 AI。但如果同一只变色龙需要变成红色以躲在花朵中，或者变成蓝色以融入天空，那么那个只会画出绿色版本的 AI 就忽略了重点。

论文解释说，许多蛋白质并不只有一种形状，它们拥有一个完整的“状态空间”。把这想象成一个拥有多个滑梯、秋千和攀爬墙的游乐场。蛋白质可能大部分时间都在荡秋千（主要形状），但有时它需要滑下滑梯（另一种形状）去捕捉病毒或开启一个基因。问题在于，我们的 AI 工具主要是在实验室发现的“冻结”蛋白质图像上进行训练的，这些图像通常是最稳定、最常见的形状。这意味着 AI 往往会忽略其他形状，尽管那些“罕见”的形状可能才是真正执行重要工作的形状，比如打开一个秘密口袋让药物进入。

作者指出，当情况变得复杂时，这种局限性就会变得非常严重。例如，一些蛋白质是“变形的”（metamorphic），这意味着相同的遗传密码可以构建两种完全不同的结构，就像一个能从机器人变成汽车的变形玩具。目前的 AI 工具在这里经常失败，因为它们被训练去寻找一个答案，而不是两个。同样，蛋白质在与药物结合、结合特定离子或环境 pH 值（酸碱度）改变时，往往会改变形状。如果 AI 不了解环境，它就无法预测形状的变化。论文建议，与其问“这个蛋白质是什么形状？”，我们不如问“这个蛋白质可以呈现出哪些形状，它在不同形状之间切换的频率是多少，以及是什么促使了这种切换？”

我们为什么需要一张新地图

论文回顾了我们目前正在尝试解决这个问题的方法。一些科学家正试图通过改变 AI 看到的数据来“欺骗”它展示不同的形状，就像要求厨师用稍微不同的食材来烹饪一道菜，看看口味是否会发生变化。另一些人则使用基于物理学的计算机模拟来观察蛋白质的摆动和移动，但这些模拟过程缓慢且昂贵，就像每隔一小时才拍摄一帧画面来拍摄一部电影。作者提出了一个未来的“路线图”：一种新型的 AI，它不仅能猜测一个形状，还能预测整个可能的“景观”。

这种新方法需要成为一个“团队成员”。它将结合 AI 的速度与物理模拟及真实实验的准确性。想象一下这样一个系统：AI 提出一系列可能的形状，物理部分检查这些形状是否稳定以及在两者之间切换需要多少能量，而真实的实验（如在实验室中拍摄蛋白质的快照）则确认哪些形状在自然界中确实存在。论文指出，虽然我们在预测蛋白质“停放”形状方面取得了巨大进步，但下一个重大突破将不在于如何让单个原子的坐标更加精确，而在于理解蛋白质的动态舞蹈。

作者谨慎地表示，我们还没有达到那个阶段。目前的工具有时可以找到这些替代形状，但它们往往无法告诉我们蛋白质处于该形状的可能性有多大，或者切换速度有多快。他们还警告说，仅仅拥有 AI 的“高置信度”评分并不意味着该形状在生物学上是真实的；它可能只是意味着 AI 在其训练数据中见过很多次这种形状。为了真正理解蛋白质是如何工作的，我们需要从一张静态地图转向一张动态地图，其中包含了天气、交通状况以及驾驶员的情绪。通过这样做，我们可以设计出更好的药物来针对蛋白质的“秘密模式”，理解由蛋白质卡在错误形状引起的疾病，并最终看到构成我们自身的机械装置的完整、鲜活的画面。

技术摘要：将蛋白质结构预测扩展至构象状态空间

问题陈述
尽管近年来的深度学习（DL）进展已在很大程度上解决了从序列预测单一、主导蛋白质构象的问题，并达到了接近实验的精度，但这种“单结构范式”不足以理解蛋白质功能的全貌。大多数蛋白质作为动态系统运行，占据着相互转换的构象系综，其生物学活性往往源于这些状态相对占据率（occupancy）的变化，而非静态坐标模型。目前的预测器无法捕捉以下内容：

多势阱景观（Multi-basin landscapes）： 具有多个亚稳态的系统（例如腺苷酸激酶的结构域运动或转运蛋白的刚体位移）。
稀有/低占据态（Rare/low-occupancy states）： 功能关键的激发态，例如隐性口袋（cryptic pockets），这些状态是瞬时的，且在基态结构中往往是不可见的。
拓扑结构迥异的折叠（Topologically distinct folds）： “折叠开关”（fold-switching）或变构蛋白（metamorphic proteins），即单一序列编码多种稳定的、拓扑结构截然不同的结构。
上下文依赖性（Context dependence）： 仅基于序列的模型无法解释环境调节因子（离子、pH值、配体、翻译后修饰）如何重塑构象平衡。

核心局限在于，当前的训练数据（PDB）和模型目标存在偏差，倾向于稳定的主导构象，将替代状态视为噪声而非功能必需品。

方法论与当前方法综述
本文回顾了当前的计算策略图景，并根据它们恢复构象状态空间组件的能力进行了分类：

替代状态采样（Alternative State Sampling）： 通过扰动基于序列的预测器（如 AlphaFold2/3）来生成候选构象的方法。技术包括随机 MSA 子采样、掩盖保守谱以及局部能量挫折聚类。虽然这些方法在生成非主导状态的假设方面有效（如 CF-random, AFSample2），但它们本质上无法估算热力学群体或动力学可及性。
能量精修（Energetic Refinement）：
- 基于物理的方法： 分子动力学（MD）和增强采样（如交换复制、靶向 MD）仍是估算自由能景观和转换路径的金标准。然而，它们的计算成本极高，且严重依赖于起始结构的准确性。
- 深度学习近似： 新型模型如 BioEmu 和 Distributional Graphormer 试图直接从数据中学习平衡分布，将 DL 预测与 MD 轨迹及实验稳定性测量相结合，以近似玻尔兹曼加权的系综。
- 混合 DL-MD： 框架如 AF2-RAVE 使用 DL 生成的结构作为种子，进行短时间的无偏 MD 模拟，随后通过增强采样来估算状态群体和自由能。
上下文感知预测（Context-Aware Prediction）： 当前的“共折叠”模型（如 AlphaFold3, RoseTTAFold All-Atom）将蛋白质结构与配体、离子和核酸进行联合推断。虽然它们捕捉到了部分上下文依赖的状态，但往往无法预测扰动（突变、pH 变化）如何重塑景观，仍深受训练集偏差的影响。
实验集成（Experimental Integration）： 对系综敏感的技术（NMR, HDX-MS, SAXS, DEER）对于验证计算景观至关重要。方法如 DEERFold 和 AlphaLink2 集成了稀疏的实验约束，以将采样限制在生物学相关的系综内。

核心贡献与路线图
本文并非提出一种新的单一算法，而是提出了一个概念性的重新表述——将蛋白质结构预测问题重新定义为推断构象状态空间。这涉及预测：

可达到的状态集。
它们的相对群体（能量关系）。
连接它们的动力学路径。
它们对生物学上下文（配体、pH、突变、剪接）的依赖性。

作者概述了一个实现这一目标所需的六个相互关联的组成部分（图 4）的路线图：

训练数据： 在多样化的上下文条件下策展多状态结构。
景观基准（Landscape Benchmarks）： 开发针对势阱和状态恢复的定量测试。
预测目标： 将模型输出重新定义为校准后的系综，而非单一坐标。
基于物理的模型： 集成自由能估计 ( $\Delta G$ ) 和转换速率 ( $\Delta G^\ddagger$ )。
扰动建模： 预测突变和环境变化如何重塑景观。
实验反馈： 利用经验数据来验证并指导训练循环。

结果与主张
本文综合现有文献中的证据，证明了：

单结构模型是不充分的： 具有高序列一致性的同源蛋白可能采取截然不同的折叠（例如 BCCIP 同构体），目前的模型由于训练偏差往往无法预测这些情况。
功能依赖于动力学： 生物学机制（例如通过隐性口袋进行的 KRAS 抑制、F7 pyocin 中的折叠开关）取决于特定状态的群体，而非仅仅是结构的存在。
现有指标存在错位： 标准指标如 pLDDT 和 TM-score 衡量的是与训练先验的几何一致性，而非热力学稳定度或动力学可及性。
混合方法正在兴起： 虽然目前尚无单一方法能完全恢复完整的生物学景观，但混合 DL-MD 方法和上下文调节预测器代表了最有希望的前进方向。

意义
作者声称，该领域的下一个突破将不再以提高坐标精度（埃级）来衡量，而是以推断构象状态空间及其所编码的生物学机制的能力来衡量。通过将预测重新表述为状态空间推断问题，该领域可以从描述静态结构转向解释动态机制。这一转变对于以下领域至关重要：

药物研发： 靶向仅在特定状态下才可及的隐性口袋和变构位点。
蛋白质设计： 设计具有特定动态行为和开关能力的蛋白质。
系统生物学： 理解突变和环境变化如何通过改变构象平衡来改变蛋白质功能。

作者总结道，实现这一目标需要一个整合了生成式 DL、基于物理的能量模型和实验约束的统一框架，从而超越“单结构”里程碑，迈向对蛋白质动力学的全面理解。

生命的变幻形态之谜

这篇论文：从单张照片到完整电影

我们为什么需要一张新地图

技术摘要：将蛋白质结构预测扩展至构象状态空间

类似论文