蛋白质结构预测的下一步：从静态到动态
蛋白质结构预测的下一步：从静态到动态
AlphaFold极大推进了蛋白质结构预测，但如果说它已经“解决了蛋白质预测问题”，这个说法还是太大了。更准确的表述是：它把“从序列到相对稳定结构”的预测能力，推进到了一个很高的水平。
这很重要，但还不够。
在真实生物环境里，蛋白质并不是一张静止的三维图片。它会发生构象变化，会与小分子、核酸或其他蛋白质相互作用，也会随着环境变化进入不同状态。很多时候，真正决定功能的，不只是“长什么样”，而是“怎么动”“和谁结合”“在什么条件下转变”。
所以，蛋白质预测的下一步，不是把静态结构再多算一遍，而是逐步走向对动态过程、相互作用和功能状态的联合建模。
最近有一篇综述论文系统讨论了这个方向。论文标题是《From Snapshots to Symphonies: The Evolution of Protein Prediction from Static Structures to Generative Dynamics and Multimodal Interactions》，于 2026 年 3 月 19 日提交到 arXiv，作者是 Jingzhi Chen 和 Lijian Xu。
这篇综述的核心观点可以概括成一句话：蛋白质预测正在从“静态结构预测”，扩展到“动态行为与多模态相互作用建模”。
如果借用论文标题里的比喻，过去很多方法给出的更像是一张“快照”，而现在大家想逼近的是一段“过程”。
这篇综述大致从五个方向梳理了近期进展。
第一个方向是多模态表示。
早期方法通常主要依赖氨基酸序列本身。现在越来越多模型开始同时整合多种信息来源，例如序列、几何结构、功能描述文本，以及部分实验上下文。这样做的意义在于，模型不再只是在“读序列”，而是在尝试把结构、功能和语义线索放进同一个表示空间里。对于非专业读者来说，可以把它理解成：以前模型只看一种证据，现在开始学习把多种证据拼起来看。
第二个方向是静态结构预测本身仍在继续演进。
这并不矛盾。一个领域迈向新阶段，并不意味着旧问题已经彻底结束。综述里提到的两类代表性方向，一类是减少对多序列比对（MSA）的依赖，尝试从单序列直接预测结构；另一类是把预测对象从单个蛋白进一步扩展到更复杂的体系，例如蛋白质复合物、蛋白质-配体结合状态，以及更细粒度的全原子层面建模。
这一步对做实验的人尤其重要，因为很多实际问题并不是“这个蛋白单独折成什么样”，而是“它和谁结合”“结合后变成什么样”“这个状态是否与功能有关”。
第三个方向是生成式建模开始进入蛋白质预测主舞台。
这部分是整篇综述的重点。扩散模型（diffusion models）、流匹配（flow matching）等生成式方法被引入蛋白质结构与构象建模之后，一个明显变化是：模型不再只给出单一“最优答案”，而是开始尝试描述一组可能状态，或者说一个构象分布。
从生物物理角度看，这个变化非常关键。蛋白质在溶液里往往不是唯一固定构象，而是处在多个状态之间的平衡中。也就是说，研究者真正关心的常常不是“唯一正确结构”，而是“哪些状态更可能出现”“不同状态之间如何转变”“在什么条件下偏向哪一种状态”。
当然，这里也要说清边界：生成式模型能更好地表示“可能的构象空间”，不等于它已经完整还原了真实细胞环境中的全部动力学过程。它更像是在为后续解释和实验验证提供一个更丰富的候选集合，而不是自动替代生物物理实验。
第四个方向是异质性相互作用预测。
这包括蛋白质与小分子、蛋白质与核酸、蛋白质与其他蛋白之间的相互作用预测。对于药物研发、分子设计和功能机制研究，这一块都很关键。过去很多工作高度依赖已知结构和分子对接流程，而新一代方法试图把预测提前到更早阶段：从序列、局部结构或联合表示出发，直接给出结合模式、相容性或候选界面。
这里最容易被误解的一点是：预测到“可能结合”，并不等于机制已经被证明，更不等于实验上一定成立。它的价值首先体现在缩小搜索范围、提高假设提出效率，而不是直接终结验证流程。
第五个方向是从结构走向功能推断。
比如突变效应预测、适应度景观建模、属性引导设计等。这些工作之所以受到关注，是因为它们更接近实际应用场景：如果研究目标是改造一个酶、提高一个蛋白的稳定性，或者筛选更优候选，那么研究者最终关心的通常不是“结构图漂不漂亮”，而是“哪个变体更值得做实验”。
从这个角度看，蛋白质预测的发展方向正在发生一个很明显的变化：不再只回答“结构是什么”，而是越来越多地回答“结构变化意味着什么”“哪些候选更值得优先验证”。
这篇综述也没有回避目前的难点。
第一类难点是数据分布并不均衡。
公开数据库里的蛋白质数据不是平均覆盖所有类型的分子。某些研究更充分、实验更容易做的体系，往往在训练数据里占得更多；而膜蛋白、瞬时复合物、条件依赖性很强的体系，往往更难获得高质量数据。这会直接影响模型的泛化表现。换句话说，模型在“常见题型”上成绩很好，不代表它在所有蛋白质问题上都同样可靠。
第二类难点是可解释性仍然有限。
很多模型能给出看起来不错的结果，但为什么它做出这个判断、它学到的是统计相关性还是更接近机制层面的规律，这些问题往往还没有被完全回答。对于更偏机制研究的读者来说，这一点尤其重要，因为预测结果最终还是要回到可验证的生物学问题上。
第三类难点是评价指标与真实生物问题之间并不总是完全对齐。
例如，一个模型在几何指标上更好，并不自动意味着它对功能状态、活性构象或实验可用性也更好。结构误差变小，只能说明它在某个定义下更接近参考答案；但真正的研究问题往往还包括环境依赖性、状态转换、实验条件差异等更复杂因素。
这也是为什么，生物信息学和湿实验并不是谁替代谁的关系。前者更擅长从复杂数据中提出候选、组织线索、建立预测框架；后者负责把这些候选放回真实系统里验证，分辨哪些是统计信号，哪些是生物事实。
如果把这篇综述放到更大的背景里看，它真正提示我们的，不是“静态结构预测已经过时”，而是蛋白质研究的计算问题正在继续外扩。
过去大家更关注“能不能把结构预测对”；现在越来越多工作在追问：“能不能把状态变化描述出来”“能不能把结合过程建模出来”“能不能把结构和功能联系起来”。
这类进展对不同读者的意义并不一样。
对学生来说，它提示了一个学科趋势：结构预测只是起点，后面的动力学、相互作用和功能推断会越来越重要。
对做湿实验的研究者来说，它的价值不在于“计算终于能替代实验”，而在于它可以更早筛掉一批低价值候选，把实验资源集中到更有希望的问题上。
对做生物信息学或 AI 的人来说，这也提醒我们，模型指标做得更漂亮并不够，关键是它是否真正贴近了生物问题本身。
所以，这篇综述值得关注，不是因为它宣布了一个终点，而是因为它比较清楚地描述了这个领域接下来会往哪里走。
参考文献
- From Snapshots to Symphonies: The Evolution of Protein Prediction from Static Structures to Generative Dynamics and Multimodal Interactions. Jingzhi Chen, Lijian Xu. arXiv:2603.18505. https://arxiv.org/abs/2603.18505