AI蛋白质结构预测不等于解决折叠问题：静态坐标与动态过程之间的鸿沟-北京尧图网络

前阵子我完整听了一场不太高调的对谈。一方是在AI领域做了很多年结构预测的研究者另一方是长期做生物医学转化的专家聊的主题翻译成大白话就是AI蛋白质结构预测模型这么强为什么蛋白质折叠问题还是没有被解决我一开始觉得这又是标题党式的争论听到后面才发现两个人不是在谦虚而是把整个领域这几年最容易被公众高估的部分掰开揉碎了讲。这场对谈值得每个用结构信息做研究、做开发、做投资的人都听一听。1. 那场对谈里最扎眼的一句话结构预测成功不等于折叠问题被解决1.1 从一片庆功声中看到的两个问题要理解这个问题先要分清两件事。结构预测解决的是从氨基酸序列出发算出一个三维结构它给出的是一份蛋白质在某一状态下的原子坐标。折叠问题问的则是这条序列为什么能自发地折叠成这个结构折叠过程中经过哪些中间态需要多久能不能被干预。一个是静态快照一个是动态过程。我用一个不严谨但很实用的类比前者是给你一张清晰的目的地照片后者要解决的是从出发地到目的地的路线、交通方式和耗时。照片拍得再清晰也不能说出行问题就被解决了。对谈里那位做结构预测的研究者上来就把这个区别摆了出来我们可以把大量蛋白的三维结构预测得很准但对折叠机制的理解几乎没有因为准确率提升而自动前进。这句话听起来反常但做过实际项目的人都知道它是真的。预测一个蛋白的最终结构和解释它为什么能折叠成这个结构是两个不同难度、不同性质的问题。很多团队在拿到高置信度的预测结构后会觉得折叠问题已经解决了于是直接跳到药物设计、酶改造、新蛋白设计。结果后续实验一测蛋白在溶液里是动态的或者设计出来的序列根本不折叠才发现手中的漂亮结构并不能回答真正的问题。1.2 对谈三方达成的共识不是模型不好而是问题不是一个问题对谈里有三句话我印象很深。第一句过去十年结构预测准确率的大幅提升是一个真实的、了不起的成果。第二句这个成果并没有自动带来对折叠机制的深入理解。第三句如果把两者混为一谈会误导科研资源的分配。单独听第一句大家都会点头把三句连在一起很多人就不太愿意接受了。两位研究者的分歧其实很有代表性。做结构预测的那位认为自己解决的问题已经足够大不应该再被拉去当折叠问题的替身做生物医学的那位则认为如果不把边界讲清楚外界会误以为蛋白质错误折叠相关的疾病都能通过一个模型解决。他们后来在一个定义上达成了共识所谓解决折叠问题至少应该能解释折叠路径、预测折叠速率以及在不同条件下判断这个蛋白是折叠还是聚集。按照这个定义结构预测确实没有解决折叠问题。这也是我想先强调的这不是一次唱衰结构预测的对谈而是一次重新校准期望值的机会。模型很强但强在从序列恢复结构折叠机制的完整图景仍然是一块几乎尚未被触碰的硬骨头。2. 折叠问题真正在问什么从教科书上的老问题到今天的新问题2.1 教科书里的热力学假说和随机搜索悖论早就埋下了伏笔如果把折叠问题拆开其实是两个纠缠了几十年的老问题。第一个来自上世纪六七十年代的热力学假说蛋白质的氨基酸序列是否包含了形成天然构象所需的全部信息经典的体外复性实验里一条变性的蛋白可以在没有其他分子帮助的情况下自行折叠这让人觉得序列里确实写着答案。第二个问题是随之而来的随机搜索悖论即便只考虑少量残基侧链的可能构象一个蛋白如果真靠随机尝试来找天然结构耗时会超过宇宙年龄可实际折叠只需要毫秒到秒级。所以折叠是否真的在随机搜索从一开始就比结构长什么样更底层。后来的研究把这个问题细化成一系列过程量折叠路径是什么中间态长什么样能量壁垒有多高突变如何改变折叠速率哪些序列倾向于错误折叠和聚集。结构预测模型出现以后很多人的注意力被终点坐标吸引走了可这些过程问题一个都没被回答。对谈里做生物医学的那位提到了一个很现实的场景淀粉样纤维。同样是含有容易聚集片段的蛋白同一个序列在不同pH、不同浓度、不同伴侣环境下可能正常折叠也可能形成纤维。如果你只把它的单体结构预测出来你解释不了为什么它在生理条件下会成纤维为什么某些突变会让聚集速度加快。这类问题需要的不是更准的结构而是对聚集热力学和折叠路径的理解。2.2 折叠不是一张地图而是一段发生在时间里的轨迹蛋白质在细胞里的折叠是一个不完美的过程。核糖体一边合成肽链链一边开始折叠过程中会形成部分折叠的中间态可能被分子伴侣识别也可能走错方向变成无功能聚集体。这些状态都不是静态照片能提供的。真正完整的折叠问题至少包括下面这几块问题维度要回答的内容结构预测是否能覆盖天然结构最终折叠成的三维坐标能且做得很好折叠路径从伸展链到天然结构经历了哪些状态不能折叠速率需要多长时间、受哪些因素影响不能能量景观各构象的相对稳定性、能垒与中间态不能错误折叠与聚集为什么有的蛋白成纤维、为什么突变致病不能把这张表格摆在眼前结论很清楚结构预测只把第一行做到了很高水平后面几行仍然停留在实验和模拟刚刚开始啃的阶段。对谈里反复出现的一句话是折叠是过程结构是状态。状态预测得再好也不能替代过程本身的建模。3. 从方法论看结构预测模型为什么注定回答不了为什么3.1 多序列比对与共进化信号模型学的是结果分布不是物理规律要理解结构预测模型为什么不解决折叠机制就得看它内部是怎么工作的。主流的端到端结构预测模型在提取特征时非常依赖多序列比对。把目标序列放进大规模序列数据库里搜索同源序列比对之后模型会捕捉哪些残基位点在进化里倾向于一起突变也就是共进化信号。因为空间上靠近的残基在序列上往往协同变化模型可以从海量同源序列里猜出接触图再一步步推出三维结构。这个过程和人类理解折叠机制完全不一样。模型不需要知道氨基酸残基之间物理相互作用有多强不需要考虑氢键、疏水效应、主链熵怎么平衡它只需要从进化数据里学到一个统计映射这些序列特征大概率对应哪种空间折叠。换句话说它做的是从数据里恢复天然结构而不是从第一性原理推演折叠过程。一个很容易验证的切口是孤儿蛋白。如果目标序列几乎没有同源序列可搜多序列比对里的有效序列很少预测置信度会明显下降。这说明模型在很大程度上依赖进化信息这个外部记忆而不是靠物理原理理解这条序列为什么折叠成这样。这不是缺陷但它决定了一个事实它的成功不能自动转化为对折叠机制的解释。3.2 静态坐标、置信度分数和能量景观之间的鸿沟结构预测模型的输出通常是一个坐标文件附上每个残基的置信度分数和残基间相对位置误差。很多刚入门的人会把高置信度分数当成这个蛋白很稳定的证据这其实是个常见误解。置信度分数描述的是模型对自己预测结果有多大把握它不等于折叠自由能也不等于蛋白在细胞里的实际稳定性。一个高置信度的结构完全可能对应很浅的能量极小值而功能相关的另一种构象只差很小能量模型未必能捕捉。这也是为什么同一个蛋白在实验里有多种构象而预测结果往往只给其中一种。真实蛋白质不是只有一个刚性结构很多蛋白会在开放与闭合状态之间切换酶活性依赖于构象集合。结构预测模型用训练数据学会的是平均意义上最可能的坐标不是可能的构象分布。要预测构象分布需要的是对能量景观建模而这并不是坐标回归模型擅长的事。对谈里那位做结构预测的研究者说了一句很有意思的话我们预测的是一个蛋白在理想条件下的样子但实验学家关心的很多问题恰好发生在理想条件被打破的时候。这句话基本概括了结构预测与折叠研究之间的真实距离。4. 对谈里点名仍然无解的几块硬骨头4.1 固有无序蛋白和多构象集合有些蛋白根本没有唯一的天然结构对谈里专门讨论了固有无序蛋白。这类蛋白在生理条件下没有稳定的三维结构却参与大量信号传导和调控。对于它们预测一个结构本身就有点尴尬。结构预测模型如果硬要输出坐标通常会给出一个人为折叠的构象置信度可能还不低但实验证据显示它在溶液里本质是一团动态集合。你不能说模型把它的结构解决了它其实是在用一个平均化假设去拟合一个没有固定结构的系统。更普遍的情况是多构象集合。一个蛋白可能有几条能量接近的构象通路功能可能依赖占比很低的亚稳态构象。核磁共振、单分子荧光这些实验手段可以告诉你构象分布和转换速率但静态预测给不出这类信息。做生物医学的那位说这类蛋白恰恰是药物设计里最需要理解的因为很多药物结合的其实是隐藏构象口袋而在静态结构里这个口袋根本不存在。4.2 分子伴侣、翻译偶联和胞内拥挤环境折叠从来不是单分子孤立反应教科书里那个经典的复性实验是把蛋白完全变性再稀释看它自己折叠。但细胞里的折叠不是这种理想环境。新生肽链从核糖体出来时是边合成边折叠的分子伴侣系统会结合暴露的疏水表面防止早期错误聚集同时帮助部分蛋白跨过能量壁垒。细胞质里还有高浓度的其他大分子拥挤效应会改变折叠和聚集的平衡。这些因素全部参与折叠过程而结构预测模型的输入和输出里没有它们的位置。翻译速度本身也会影响折叠。同样的氨基酸序列如果密码子偏爱性不同核糖体在某些区域的停顿时间不同新生链的折叠路径就可能不同中间态的聚集风险也会完全不同。这类问题需要的是序列-翻译-折叠的耦合建模。结构预测模型连序列-结构这一环都还没做到物理级理解更不用说把翻译过程加进去。4.3 蛋白质设计给出的反噬能造出结构不等于设计出会折叠的蛋白这场对谈里有一个角度很反直觉蛋白质设计领域反而更能暴露我们对折叠理解有多浅。不少从头设计的序列在预测模型里得分很高看起来应该折叠成目标形状但到了湿实验里表达不出来或者表达后不溶或者直接形成聚集体。这说明现有模型在描述天然序列的统计特征上很强但在区分能克服折叠能量壁垒的序列和只是表面上像天然序列的序列上还有很大距离。把一个结构倒推成序列其实是在逆向搜索序列空间。设计者会引入大量稳定化策略比如二硫键、非天然氨基酸、重复单元本质上是因为我们还不够理解真实的折叠驱动力只能靠工程手段绕过问题。反过来想如果一个模型真的解决了折叠问题设计出的序列就应该在表达时自发折叠成预期结构而不是需要额外加固。现实显然还不是这样。5. 把结构预测当成折叠问题来用会走哪些弯路5.1 做项目时最常踩的三个误用先说误用再说我看到的解法。第一个误用是拿单个预测结构直接做分子对接或虚拟筛选。这在小分子药物筛选里特别常见但很多蛋白在结合配体时会发生构象变化用静态结构做对接等于假设蛋白质是一块固定的拼图。更稳妥的做法是使用实验构象集合或者用多种预测方法产出多个构象做集合对接至少把口袋的柔性考虑进去。第二个误用是看到高置信度结构就把这个蛋白当作药物靶点推进。置信度衡量的是模型内部的确定性和蛋白在细胞里是否稳定存在、是否具有可成药口袋没有必然联系。我见过不止一个团队在预测结构的高置信度模块上设计了抑制剂结果实验发现那个区域在溶液里是动态的可成药性很差。第三个误用是对低置信度区域强行解释。有些预测结果的末端或环区得分很低通常意味着没有足够的进化信息或者这个区域本来就不稳定。但不少人为了讲故事会从那些区域里硬找出功能位点最后被实验推翻。正确做法是先看置信度再决定哪些区域可以作为结论依据。5.2 我更愿意押注的下一步从单结构预测走向构象集合与过程约束对谈最后没有给出漂亮答案但提到两个方向我觉得是对的。第一个方向是让模型输出构象集合而不是单点坐标。现在已经有一些方法把生成模型用在结构预测上产出多个候选构象再通过实验数据或能量函数筛选。这条路比单纯提高单结构精度更贴近折叠问题因为它至少承认蛋白是一群状态不是一个固定坐标。第二个方向是把模拟和实验约束结合起来。粗粒化分子动力学、增强采样这类方法过去因为计算量大、力场不准被冷落但有了结构预测给出的起点再叠加上交联质谱、氢氘交换、单分子荧光这类实验约束就能更好地重建折叠路径和构象分布。我个人的判断是未来真正推进折叠理解的不会是某一个单一模型而是一套预测提供起点、模拟补充分布、实验提供约束的闭环。别再期待一个黑盒子把过程问题也一起输出。5.3 一点个人体会作为长期使用结构信息的从业者我的态度是结构预测模型是很好的基础设施但不是折叠问题的终点。它把过去需要花几个月解析的结构变成几十分钟甚至几分钟就能拿到的起点这让研究者可以把更多精力放到真正难的动态过程上。但如果你把它的输出当成蛋白质如何折叠的答案项目方向大概率会跑偏。我在实际项目里的做法是先用预测模型快速排除一批可能性再针对高价值蛋白补实验构象数据最后用模拟和实验验证机制。这个过程不一定漂亮但至少不会因为一张漂亮的结构图忘了真正的问题蛋白从来不是一张照片而是一段发生在细胞里的过程。谁能把这段过程真正建模出来才是真的解决了折叠问题。

AI蛋白质结构预测不等于解决折叠问题：静态坐标与动态过程之间的鸿沟

相关推荐

OpenClaw技能包安装与排错：从原理到实战

Unity运行时物体描边实现：Stencil Buffer精准边缘膨胀方案

VSCode配置C++环境：从编译器安装到可调试工程的完整指南

更多资讯

Java单词排序实战：Arrays.sort与快排原理及OJ避坑指南

CC Workflow Studio AI 编辑流程解析：从 Mermaid 流程图到工作流精修提示词的自动化管线

深入理解 monoio 为何使用 GAT：从 Future 定义到 IO trait 设计的演进之路

本地部署AI数字人形象克隆系统：源码包架构、参数调优与性能优化实战

相控阵终端为什么这么贵？

蓝鲸智云配置平台（bk-cmdb）集群模板创建 API 实战指南：create_set_template

今日更新

声子晶体仿真：三角晶格与六角晶格的能带计算实战

度假村安保定岗定编：岗位梳理、编制测算与排班设计

COMSOL等离子体模块实战：氩气双层DBD仿真建模全解析

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？