技术摘要：ConforFlux

问题陈述

用于蛋白质结构预测的深度学习模型（如 AlphaFold 3 和 Boltz-2）在单个蛋白质折叠的预测上已达到了接近实验值的精度。然而，一个关键的局限性在于：它们的默认推理流程产生的样本往往集中在单一的主导构象周围。这种行为无法捕捉对蛋白质功能至关重要的构象多样性，例如酶在催化状态之间的转换、膜转运蛋白的向内/向外循环，以及隐性结合口袋（cryptic binding pockets）的瞬时暴露。虽然通过实验解析这些替代状态成本高昂且往往不完整，但现有的旨在扩大构象覆盖范围的计算方法——例如扰动多序列比对（MSA）、修改内部表示或训练独立的系综生成器——通常需要额外的训练、特定的实验约束，或者在不同模型架构之间产生不一致的结果。

方法论：ConforFlux

作者引入了 ConforFlux，这是一种旨在不重新训练底层模型或改变其权重的情况下实现多样化采样的推理阶段程序。该方法基于以下观察：在 Boltz-2、OpenFold3 和 Protenix 等模型中，一个“躯干”（Trunk，包含 MSA 模块和 Pairformer 堆栈）会生成单体 ($\bar{s}$) 和配对 ($\bar{z}$) 表示，这些表示会为后续的扩散模块提供条件。这些表示在每次循环迭代中计算一次，并影响随后的每一个去噪步骤。

ConforFlux 通过直接向躯干的单体和配对嵌入应用成对 C$\alpha$-RMSD 排斥梯度，将并行采样轨迹耦合在一起。该程序的操作流程如下：

1. 并行轨迹： 初始化 $M$ 个粒子（采样轨迹）。每个粒子接收一份躯干输出表示的副本 $(s^{(m)}, z^{(m)})$。
2. 去噪与排斥： 在反向扩散过程的特定间隔期间，扩散模块为每个粒子生成候选结构 $\hat{x}^{(m)}_0$。
3. 成对目标函数： 根据所有粒子间解码结构的 C$\alpha$-RMSD 计算成对排斥损失 $L$。该损失使用径向基函数（RBF）核：
   $$L_{ij} = \exp\left(-\frac{d_{ij}^2}{2\sigma^2}\right)$$
   其中 $d_{ij}$ 是粒子 $i$ 与粒子 $j$ 之间经过 Kabsch 对齐后的 RMSD，$\sigma$ 是带宽参数。
4. 躯干级下降： 损失 $L$ 被反向传播以更新每个粒子的躯干嵌入 $(s^{(m)}, z^{(m)})$。更新步骤采用 RMS 归一化下降，并使用自适应缩放因子 $\lambda_t$，该因子兼顾了最大成对排斥力和当前扩散调度中的噪声水平。
5. 重条件化： 更新后的嵌入被用于重新计算扩散模块的条件信号（AdaLN 尺度-偏移和注意力配对偏差），从而有效地引导后续的去噪步骤向不同的构象演进。

这种方法将粒子引导（Particle Guidance，Corso et al., 2024）应用于扩散模型的条件表示，无需额外训练，也无需目标状态的实验约束。

核心贡献

本文做出了三个主要贡献：

1. 方法： 一种针对 Boltz-2（也适用于 OpenFold3 和 Protenix）的躯干级粒子引导程序，通过在条件的表示层面耦合采样轨迹来实现多样化采样。它不需要重新训练模型。
2. 基准比较： 在四个构象变化类别（结构域运动、膜转运蛋白循环、隐性口袋形成和折叠切换）中，与九种基准方法（包括 MSA 扰动、坐标级引导和训练好的系综生成器）进行了受控评估。
3. 后截断评估（Post-Cutoff Evaluation）： 评估了该方法恢复模型训练截止日期后发布的实验参考结构的能力，展示了其对未知数据的泛化能力。

结果

评估是在一个包含 121 个目标类别对的综合基准上进行的，其中包括一个扩展的膜转运蛋白集。

• 覆盖率提升： 与默认的 Boltz-2 相比，ConforFlux 显著提高了单状态成功率（即在特定 RMSD 阈值内达到参考状态的比例）。在不同类别中，提升幅度在 3 到 17 个百分点之间。
  • 在膜转运蛋白上，ConforFlux 取得了最高的增益，找回了 28 个默认采样未能捕捉到的参考状态。
  • 在隐性口袋上，ConforFlux 取得了所有方法中最高的成功率。
  • 在折叠切换上，增益虽较小，但与其他推理阶段基准方法保持一致。
• 双状态恢复： RC50 指标（指两个参考状态都在两者间 RMSD 的一半以内被同时达到的目标比例）在所有类别中均有所提高。例如，在转运蛋白类别中，RC50 从 0.34（默认）增加到了 0.60（ConforFlux）。
• 泛化能力： 该方法成功迁移到了 OpenFold3 和 Protenix，在这些架构上表现出一致的单状态成功率和 RC50 提升。
• 后截断性能： 对于训练截止日期后发布的参考结构目标，ConforFlux 提高了三种模型对两态的恢复能力。例如，对于后截断目标人类多巴胺转运体（DAT），ConforFlux 采样到了在 500 个默认样本中完全不存在的向内构象。
• 权衡： 覆盖率的提高是以结构质量的下降为代价的。与默认采样相比，ConforFlux 样本表现出更高的 MolProbity 碰撞得分（clashscores） 以及略高比例的异常连续残基 C$\alpha$ 距离。然而，这些数值仍与 CF-random 等其他干预方法相当或更好。

意义与主张

本文声称 ConforFlux 提供了一种结构化的、无需训练的机制，通过利用采样轨迹在模型条件表示层面的耦合，来获取替代的蛋白质构象。

• 机制洞察： 研究表明，“躯干”表示是有效的引导位点。通过利用反向传播的成对排斥来更新这些嵌入，模型可以在不需要指定目标构象或重新训练网络的情况下，被引导远离单一的主导模式。
• 受控基准： 作者展示了匹配噪声控制（即不带排斥的各向同性更新）无法复制覆盖率的增益，从而证实了排斥的方向性至关重要。此外，坐标级引导（直接作用于原子上的排斥）产生的填充率较低且几何异常更多，这表明在潜在条件空间进行引导在保持结构完整性方面更为有效。
• 实际效用： 该方法能够发现功能相关的状态（例如向内面向的转运蛋白、开放的隐性口袋），这些状态在标准推理中会被遗漏，从而为机制研究和基于结构的药物设计提供了一个高效的计算工具，且无需承担训练新系综生成器的开销。

作者对折叠切换能力保持了审慎态度，指出该类别的增益有限，这可能是由于预测大规模结构重排本身具有极高的难度。他们还提醒，不应将排斥下的状态频率解释为平衡态群体，因为该方法优先考虑的是多样性而非热力学准确性。