AlphaFold之后：蛋白质结构预测的下一步是什么

2021年，AlphaFold2横空出世，在CASP14（蛋白质结构预测竞赛）中达到了接近实验精度的预测水平。《Science》将其评为年度科学突破，《Nature》称其为”改变生物学的AI”。

但AlphaFold2不是终点。

它在单体蛋白质结构预测上表现出色，但在侧链堆积、条件依赖的构象变化、生物分子相互作用等方面仍然存在局限。更重要的是，蛋白质不是静态的——它们在细胞中不断运动、折叠、相互作用，而AlphaFold2只能预测一个”静态快照”。

2026年4月，多篇论文展示了蛋白质结构预测的新方向：

  • ROCKET：把实验数据（cryo-EM、cryo-ET、X-ray）整合进AlphaFold2
  • RosettaSearch：用大语言模型在推理时优化蛋白质序列设计
  • FlexRibbon：联合序列-结构预训练，不依赖MSA
  • ProteinVista：全原子3D CNN，在结构依赖任务上超越序列transformer

蛋白质结构预测，正在从”预测静态结构”走向”整合实验数据、优化动态构象、设计新蛋白质”。

AlphaFold2的成就与局限

成就：

  • 单体蛋白质结构预测接近实验精度（GDT_TS > 90）
  • 预测了超过2亿个蛋白质结构（AlphaFold Protein Structure Database）
  • 加速了结构生物学研究，从”结构解析需要数月”到”预测只需几分钟”

局限：

1. 侧链堆积

AlphaFold2在主链（backbone）预测上非常准确，但侧链（side chain）的精确位置仍然有误差。这对于药物设计、酶工程等需要原子级精度的应用来说，是个问题。

2. 条件依赖的构象变化

蛋白质的结构不是固定的，而是依赖于环境条件（pH、离子浓度、配体结合）。AlphaFold2预测的是”最稳定构象”，但很多蛋白质在不同条件下会采取不同构象。

3. 生物分子相互作用

AlphaFold2可以预测蛋白质复合物（AlphaFold-Multimer），但对于蛋白质-DNA、蛋白质-RNA、蛋白质-小分子的相互作用，预测精度仍然有限。

4. 训练数据的局限

AlphaFold2的训练数据主要来自PDB（Protein Data Bank），而PDB中的结构大多是”容易结晶”的蛋白质。对于膜蛋白、内在无序蛋白、大型复合物，训练数据不足。

方向1：整合实验数据——ROCKET

2026年4月1日，《Nature Methods》发表的ROCKET（Refining Optimized Coordinates with Knowledge from Experimental Techniques）提出了一个新思路：不是让AlphaFold2”从零预测”，而是让它”在实验数据的约束下优化”。

核心创新：

  • 把cryo-EM、cryo-ET、X-ray晶体学数据作为”先验”（prior）
  • 在AlphaFold2学到的协同进化嵌入空间（coevolutionary embedding space）中优化结构
  • 而不是在笛卡尔坐标空间中优化

为什么在嵌入空间优化更好？因为AlphaFold2学到的嵌入空间编码了”生物学上合理的结构变化”——比如某个残基的侧链旋转、某个loop的构象变化。在这个空间中优化，可以捕捉到AlphaFold2单独预测时无法捕捉的生物学变异。

应用案例：

  • 低信噪比cryo-EM数据：ROCKET可以从模糊的电镜密度图中提取出高质量的原子模型
  • cryo-ET数据：电镜断层扫描的分辨率通常较低，ROCKET可以提升模型质量
  • X-ray晶体学：对于分辨率较低的晶体结构，ROCKET可以自动构建模型

优势：

  • 不需要重新训练AlphaFold2
  • 可扩展到任何实验技术
  • 提供了一个通用框架，用于整合实验观测和生物分子机器学习

论文链接：https://doi.org/10.1038/s41592-026-03047-4

方向2：推理时优化——RosettaSearch

2026年4月19日，arXiv发表的RosettaSearch提出了另一个思路：用大语言模型（LLM）作为生成优化器，在推理时搜索最优蛋白质序列。

背景：

  • 传统的蛋白质序列设计工具（如LigandMPNN）是”单次解码”——给定一个骨架结构，模型生成一个序列，然后用结构预测模型（如RosettaFold3）评估这个序列是否能折叠成目标结构。
  • 如果折叠失败，就重新生成一个序列，再评估。这是一个”试错”过程。

RosettaSearch的创新：

  • 把LLM当作一个”可控的生成器”，在推理时进行多目标优化
  • 用RosettaFold3计算的奖励（reward）引导LLM的搜索
  • 在探索（exploration）和利用（exploitation）之间平衡

结果：

  • 对400个LigandMPNN生成的次优序列，RosettaSearch恢复了高保真设计
  • 结构保真度指标提升18-68%
  • 设计成功率提升2.5倍
  • 用独立的结构预测模型（Chai-1）验证，结果仍然稳健
  • 在两个不同的LLM家族（o4-mini和Gemini-3）上都有效，性能随推理能力扩展

多模态扩展：

  • RosettaSearch还可以用视觉-语言模型（VLM）
  • 把预测的蛋白质结构图像作为反馈，引导序列生成
  • 这相当于让模型”看着结构图”来设计序列

论文链接：https://arxiv.org/abs/2604.17175

方向3：联合序列-结构预训练——FlexRibbon

2026年4月23日，一篇快速综述介绍了FlexRibbon，一个联合学习蛋白质序列和3D结构的预训练模型。

背景：

  • 序列语言模型（如ESM-2）从大规模序列数据中学习，但缺乏结构信息
  • MSA-based预测器（如AlphaFold2）依赖同源序列，在高突变或alignment-sparse区域表现不佳

FlexRibbon的创新：

  • 联合预训练策略：掩码语言模型 + 扩散去噪
  • 不依赖MSA，直接从序列和结构中学习
  • 训练数据：实验解析的结构 + AlphaFold2预测的结构

优势：

  • 捕捉全局折叠和柔性构象
  • 在12个不同任务上达到SOTA
  • 在高突变区域（如抗体CDR loop）表现尤其好——这是MSA-based方法的弱点

应用：

  • 界面设计（interface design）
  • 分子间相互作用预测
  • 蛋白质功能预测

论文链接：https://liner.com/review/flexribbon-joint-sequence-and-structure-pretraining-for-protein-modeling

方向4：全原子3D CNN——ProteinVista

传统的蛋白质表示方法有两种：

  • 序列表示：把蛋白质当作一维字符串（氨基酸序列）
  • 粗粒化结构表示：用Cα原子或残基质心表示蛋白质

但很多生物学问题需要原子级细节——比如酶的活性位点、药物结合口袋、转运蛋白的底物通道。

ProteinVista提出了一个全原子3D CNN，直接在体素化的蛋白质结构上学习。

核心思路：

  • 把每个原子映射到3D体素网格
  • 用3D卷积神经网络提取特征
  • 在~500,000个AlphaFold2结构上预训练

优势：

  • 参数量只有123M（vs ESM-2的650M）
  • 在结构依赖任务上超越序列transformer：
    • 酶-底物分类
    • 转运蛋白-底物分类
    • 药物-靶点抑制预测
  • 与ESM-2的简单集成可以进一步提升精度，说明序列和结构信号部分互补

论文链接：https://openreview.net/pdf?id=2cq8FyBfDk

方向5：RNA结构预测——trRosettaRNA

蛋白质不是唯一需要结构预测的生物分子。RNA也折叠成3D结构来执行功能——从核糖体到剪接体，从tRNA到lncRNA。

2026年4月8日，《Nature Protocols》发表了trRosettaRNA服务器的协议，这是一个基于深度学习的RNA 3D结构预测平台。

核心方法：

  • 端到端神经网络，自动预测RNA 3D结构
  • 输入：核苷酸序列（可选：多序列比对和二级结构）
  • 输出：3D结构 + 能量优化（解决结构违规）

应用：

  • 预测Rfam家族中缺乏已知3D结构的RNA
  • 高置信度预测与后续实验观测一致

性能：

  • 中位时间：约1小时（~200个核苷酸的RNA，5个CPU核心并行）

开源：

论文链接：https://doi.org/10.1038/s41596-026-01356-8

挑战：动态构象采样

所有这些方法都在解决AlphaFold2的局限，但有一个根本问题仍然没有解决：动态构象采样。

蛋白质不是静态的。它们在细胞中不断运动，采样多个构象。这些构象之间的转换，往往是蛋白质功能的关键——比如：

  • 酶的活性位点在”开放”和”关闭”之间切换
  • 受体蛋白在配体结合前后改变构象
  • 分子马达在ATP水解过程中经历多个中间态

AlphaFold2（以及大多数结构预测方法）只能预测”最稳定构象”。如何预测蛋白质的构象集合（conformational ensemble），仍然是一个开放问题。

可能的方向：

  • 分子动力学模拟 + 机器学习：用AlphaFold2预测初始结构，然后用MD模拟采样构象空间
  • 生成模型：用扩散模型或流模型生成多个构象
  • 实验数据引导：用NMR、SAXS等实验数据约束构象集合

展望：混合物理-AI框架

2026年的趋势是：不再把机器学习和物理模拟对立起来，而是把它们结合起来。

混合框架的优势：

  • 机器学习快速生成候选结构
  • 物理模拟精细优化和验证
  • 实验数据提供约束和反馈

案例：

  • ROCKET：AlphaFold2 + 实验数据
  • RosettaSearch：LLM + RosettaFold3
  • 未来可能的方向：AlphaFold2 + 分子动力学 + cryo-EM

这种混合框架的核心思想是：机器学习不是要替代物理和实验，而是要和它们协同工作。

为什么这件事重要

蛋白质结构预测不是一个”已经解决”的问题。AlphaFold2是一个里程碑，但不是终点。

未解决的问题：

  • 如何预测动态构象
  • 如何预测蛋白质-配体复合物
  • 如何预测膜蛋白在膜环境中的结构
  • 如何预测内在无序蛋白的构象集合
  • 如何预测大型复合物（如核孔复合体、剪接体）

应用需求：

  • 药物设计：需要原子级精度的结合口袋结构
  • 酶工程：需要理解活性位点的动态变化
  • 合成生物学：需要设计全新的蛋白质功能
  • 疾病机制：需要理解突变如何改变蛋白质结构和功能

2026年的这些进展——ROCKET、RosettaSearch、FlexRibbon、ProteinVista、trRosettaRNA——都在推动结构预测从”静态快照”走向”动态理解”，从”单一模态”走向”多模态整合”，从”预测”走向”设计”。

AlphaFold2打开了一扇门。接下来的问题是：我们能走多远？

参考文献：

  1. Fadini, A., Li, M., McCoy, A.J. et al. AlphaFold as a prior: experimental structure determination conditioned on a pretrained neural network. Nat. Methods 23, 785–795 (2026). https://doi.org/10.1038/s41592-026-03047-4

  2. RosettaSearch: Multi-Objective Inference-Time Search for Protein Sequence Design. arXiv (2026). https://arxiv.org/abs/2604.17175

  3. FlexRibbon: Joint Sequence and Structure Pretraining for Protein Modeling. Quick Review (2026). https://liner.com/review/flexribbon-joint-sequence-and-structure-pretraining-for-protein-modeling

  4. ProteinVista: A Compute-Efficient Atom-Level Protein Encoder. Under review at ICLR 2026. https://openreview.net/pdf?id=2cq8FyBfDk

  5. Wang, W., Liu, X., Peng, Z. et al. The trRosettaRNA server for RNA structure prediction. Nat. Protoc. (2026). https://doi.org/10.1038/s41596-026-01356-8

  6. Jumper, J. et al. Highly accurate protein structure prediction with AlphaFold. Nature 596, 583–589 (2021).

  7. Baek, M. et al. Accurate prediction of protein structures and interactions using a three-track neural network. Science 373, 871–876 (2021).