🧬 biology

PHASE: encoding global protein ensembles with local Hamiltonians and all-atom backmapping

本文介绍了 PHASE，这是一个将原子级蛋白质构象系综转化为紧凑、可解释的统计模型的框架，该框架利用局部哈密顿量和全原子回填技术，实现了复杂激活景观的重建以及面向经典与量子退火的直接编码。

原作者： Daniele Angioletti, Marco Nobile, Matteo Carli, Vittorio Limongelli

发布于 2026-08-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Daniele Angioletti, Marco Nobile, Matteo Carli, Vittorio Limongelli

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 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

蛋白质并非僵硬的雕像，而是灵活的机器，在执行功能时不断改变形状。单个蛋白质分子并非只以一种形式存在，而是以一种被称为“构象系综”（conformational ensemble）的多种略有不同的形状云的形式存在。当蛋白质与其他分子（如药物或信号伴侣）相互作用时，这些形状会发生变化，而这些转变决定了蛋白质是开启还是关闭一个信号。几十年来，科学家们一直试图通过运行大规模计算机模拟来理解这些变化的形状，这些模拟会追踪分子中每个原子随时间的变化。虽然这些模拟产生了数以太字节计的数据，但原始输出通常只是一长串位置列表，这使得观察支配蛋白质运动的底层规则，或预测其未来可能采取何种新形状变得十分困难。挑战在于如何将这种混乱的原子位置流转化为一张清晰、紧凑的地图，以解释蛋白质不同部分之间的统计关系。

瑞士欧拉研究所的一个研究小组开发了一种名为 PHASE 的新方法来解决这一问题。他们创建了一个系统，可以将蛋白质复杂的、逐个原子的运动转化为一个简单、可解释的统计模型。为了测试这种方法，他们将重点放在了腺苷 A2A 受体上，这是一种存在于人体内的蛋白质，在细胞如何响应信号以及某些药物如何发挥作用方面起着关键作用。研究人员分析了该受体约 37 微秒的计算机模拟数据，涵盖了广泛的条件，包括受体处于空载状态、结合了不同药物以及连接了信号蛋白时的状态。

PHASE 方法的核心在于将蛋白质分解为其单个构建模块——氨基酸残基，并使用一组标准的类别来描述每一个残基的形状。该系统并没有追踪每个原子的精确位置，而是将相似的局部形状归类为不同的“微态”（microstates）。通过将整个蛋白质视为这些微态的序列，研究人员能够构建一个数学地图（或称哈密顿量），用以描述蛋白质处于任何给定形状组合的可能性。至关重要的是，该地图仅需考虑物理距离在约 6 埃左右的氨基酸之间的相互作用。尽管仅使用了这些局部连接，该模型仍成功重现了原始模拟中观察到的复杂远程运动模式。这意味着，蛋白质的全局行为自然地从连接其各部分的简单局部规则中涌现出来。

最令人瞩目的发现之一是，该模型可以在从未被告知这些状态的情况下，区分受体的不同功能状态。研究人员为处于失活状态和激活状态的受体分别训练了独立的模型。当他们使用这些模型来分析新的、未见过的构型时，系统会自动将它们沿从失活到激活的光谱进行排序。即使对于模型未曾见过的条件（例如，当受体结合了稳定中间形状的药物时），这种排序依然有效。模型之所以能实现这一点，是因为它学习了蛋白质对特定形状的统计“偏好”，从而有效地创建了一个坐标系，根据其内部结构而非外部标签来组织蛋白质的行为。

研究人员还发现，该受体的激活并不是整个分子的统一变化。通过将统计模型分解为两个区域——面向细胞外部的部分和面向细胞内部的部分，他们发现不同的药物和信号伴侣以截然不同的方式影响这些区域。某些条件显著改变了外部区域的形状，而使内部区域保持相对不变；而另一些条件则产生了相反的效果。这种能够精确绘制出蛋白质中变化发生位置的能力，为受体如何响应不同刺激提供了详细的指纹图谱，为理解药物如何触发特定的细胞反应提供了一种新途径。

为了使这些抽象的统计模型能够应用于实际场景，团队增加了最后一步，即将简化的微态描述转化回完整的三维原子结构。他们训练了一个单独的计算机模型，通过提取统计地图生成的微态序列来重建蛋白质每个原子的精确位置。这个被称为“回映射”（backmapping）的过程，使他们能够生成符合统计规则的新型、物理真实的蛋白质形状。重建的结构高度准确，其骨架原子的位置与原始模拟数据的误差小于 1 埃。这完成了闭环，使科学家可以从复杂的模拟出发，提炼出一套简单的规则，然后利用这些规则生成新的、有效的原子结构。

这项工作的意义在于它能够将海量、难以处理的数据集转化为紧凑且可操作的模型。通过将蛋白质的行为表示为一组局部相互作用，研究人员创建了一个可以被轻松检查、比较和采样的工具。该统计模型足够简单，可以直接进行分析，从而揭示哪些部分的蛋白质对其功能最为重要；同时它又足够详细，能够生成符合物理定律的新原子结构。这种方法为研究蛋白质如何运动和相互作用提供了一种强大的新方式，通过理解分子如何通过改变形状来完成工作，有望帮助科学家设计出更好的药物。该方法并不局限于这一种受体，它提供了一个通用的框架，可以应用于任何拥有模拟数据的蛋白质，将原子的混乱舞蹈转化为一个清晰且易于理解的故事。

技术摘要：PHASE——利用局部哈密顿量对全局蛋白质系综进行编码与全原子回映射

问题陈述
蛋白质的功能由构象系综（即分子结构的高维概率分布）而非单一静态结构所决定。虽然分子动力学（MD）模拟提供了这些系综的原始轨迹，但其输出是有限的、具有时间相关性的帧集合，而非紧凑且可解释的概率模型。现有的统计模型（如马尔可夫状态模型）描述的是全局构象，随着系统规模增大，这类模型会变得难以处理。相反，深度生成模型（如 Boltzmann Generators, BioEmu）可以采样系综，但往往将统计信息分布在不透明的神经参数中，使得机制分析变得困难。因此，需要一种框架，能够将原子级系综转化为一个显式的、可解释的统计模型，使其能够在全原子分辨率下进行采样、查询和重建，同时保留原始数据的统计依赖性。

方法论
作者引入了 PHASE（用于系综采样的蛋白质哈密顿量），这是一个通过三个阶段连接原子模拟与显式统计建模的系统特定框架：

共享残基状态表示：
- 将原子轨迹投影到一个离散空间，其中每个残基 $r$ 占据 $K_r$ 个微观状态中的一个。
- 微观状态通过局部主链（ $\phi, \psi, \omega$ ）和侧链（ $\chi$ ）扭转角来定义。
- 至关重要的是，通过从一组参考轨迹（涵盖配体结合和激活等各种状态）中学习到一个共享微观状态基底。这确保了不同的系综（例如失活态与激活态）是在同一个离散构型空间 $X = \prod_{r=1}^N \{1, \dots, K_r\}$ 内进行比较的。
稀疏 Potts 哈密顿量拟合：
- 使用**伪似然最大化（PLM）**将配对 Potts 哈密顿量 $E_\theta(x)$ 拟合到离散构型上。
- 该模型包括单位场 $h_r(x_r)$ 和配对耦合项 $J_{rs}(x_r, x_s)$ 。
- 局部性约束： 耦合被限制在一个稀疏接触图 $G=(V, E)$ 内，仅当残基 $r$ 和 $s$ 在原子系综中处于空间截断距离内（例如 6 Å）时，才存在边。这直接将 3D 局部性编码进交互图中。
- 参数以**零和规范（zero-sum gauge）**形式表示，以确保在独立拟合的哈密顿量之间进行一致且具有可解释性的比较。
采样与全原子回映射：
- 采样： 通过从拟合的哈密顿量中进行吉布斯采样（Gibbs sampling）和副本交换蒙特卡洛（REMC）来生成新的构型。
- 回映射： 基于微调后的 SimpleFold 模型（一种流匹配 Transformer）构建了一个基于簇条件的结构生成器，从离散的微观状态向量重建全原子坐标。该模型以每个残基特定的微观状态簇身份作为条件。
- 优化： 该离散哈密顿量允许进行 QUBO（二次无约束二值优化）编码，从而能够通过经典算法以及潜在的未来量子退火进行探索。

关键结果
该框架应用于腺苷 A2A 受体（A2A）的十个构象系综，这些系综源自约 37 $\mu$ s 的原子级 MD 模拟，涵盖了不同配体和效应因子（mini-Gs）下的失活、激活及中间状态。

局部相互作用的统计保真度：
- 研究发现 6 Å 的接触截断距离已足够。受限于局部邻域相互作用的哈密顿量能够重现残基级的微观状态分布以及配对联合统计特性（包括模型中未直接耦合的残基之间的相关性），且具有较低的 Jensen-Shannon (JS) 散度。
- 这表明非局部相关性可以自然地从局部统计依赖的网络中涌现出来。
保持激活景观：
- 通过为“失活”（INzma）和“激活”（FANG）端点分别拟合的独立哈密顿量，定义了一个端点偏好得分（ $\Delta E$ ）。
- 从特定状态哈密顿量（如激动剂结合态、apo 态、mini-Gs 偶联态）进行采样产生的构型，在这一得分上呈现出系统的排序，正确反映了已知的药理学层级关系（例如，反向激动剂倾向于失常态，激动剂倾向于激活态），而无需将这些标签作为模型的输入。
- 模型成功区分了同一轨迹内的不同构象机制（例如，apo 轨迹的早期与晚期片段），捕捉到了自发的弛豫过程。
区域分解：
- 通过将能量得分分解为胞外（面向配体）和胞内（面向转导因子）区域，揭示了截然不同的统计特征。
- 虽然配体效应在胞外区域有强烈的编码，但效应因子偶联（mini-Gs）在胞内区域产生了特定的偏移。这使得模型能够识别具有相似胞外状态但具有不同胞内构象的系综（例如，pAs 与 FApoG）。
生成循环闭环：
- 回映射模型实现了亚埃级的精度（C $\alpha$ 结构 RMSD 为 0.95 Å），并在结构化区域以约 78% 的准确率恢复了输入的微观状态簇身份。
- 该循环成功地从 Potts 采样的构型生成了与预设微观状态一致的全原子结构。
QUBO 与退火：
- 在 QUBO 表示下的经典模拟退火成功探索了能量景观，访问了不同于初始化的有效构型，尽管其有效率随惩罚项规模的变化而有所不同。

意义与主张
作者声称 PHASE 提供了一种蛋白质通用程序，用于构建紧凑、可解释且在原子水平上可实现的蛋白质构象系综统计模型。

可解释性： 与深度生成模型不同，PHASE 暴露了一个显式的能量模型，其贡献可以与单个残基及其配对相关联，从而实现机制分析。
生成能力： 它能够直接采样新的、具有统计权重的残基-状态组合，并将其重建为全原子结构，从而完成了从粗粒化到采样再到回映射的闭环。
比较分析： 通过将不同的条件投影到共享的残基-状态空间中，PHASE 允许通过其哈密顿量参数和端点偏好得分直接比较不同的系综（例如，不同的配体或突变）。
优化路径： QUBO 形式为约束优化和能量景观探索提供了途径，未来可利用量子硬件进行此类计算。

论文明确指出了局限性：模型无法恢复训练数据中不存在的盆地（继承了 MD 采样的偏差），且端点偏好得分是一个相对统计量，而非物理自由能差。然而，它建立了一个强大的框架，将复杂的模拟数据转化为可操作的统计模型。

类似论文