編譯丨王聰

編輯丨王多魚

排版丨水成文

基于機器學習（Machine Learning）的人工智能（AI）工具，徹底改變了科學家研究蛋白質(zhì)結構的方式。

近日，《自然·化學生物學》（Nature Chemical Biology）期刊采訪了Cecilia Clementi（柏林自由大學）、Bruno Correia（洛桑聯(lián)邦理工學院）和盧培龍（西湖大學），探討了開發(fā)用于預測蛋白質(zhì)結構和性質(zhì)的計算工具方面的進展，這些工具如何用于蛋白質(zhì)設計，以及他們希望在該領域看到的發(fā)展。

問：用于預測蛋白質(zhì)結構和特性的新計算工具已經(jīng)徹底改變了化學生物學的許多領域。最近蛋白質(zhì)建模方面有哪些進展讓您感到興奮？您在自己的研究中是否已經(jīng)開始使用任何新工具？

Cecilia Clementi：我們正生活在一個非常令人興奮的時代，機器學習正在推動不同科學領域取得重大進展。我特別興奮的是，機器學習工具現(xiàn)在開始著手應對理解大分子動態(tài)和功能的挑戰(zhàn)，超越了單一結構的局限。在我的研究小組中，我們正在朝著這個方向努力，并且正在基于諸如 AlphaFold 和 BioEmu 這樣的工具開展工作。

Bruno Correia：在過去幾年里，我們見證了蛋白質(zhì)建模工具取得了令人難以置信的進步。AlphaFold 引領了全球熱潮，使蛋白質(zhì)的結構生物學“角度”成為一種更為普遍的看待蛋白質(zhì)的方式，并在設計實驗時充分考慮這些信息。另一類工具——生成或設計工具，也變得更容易為更廣泛的受眾所使用，它們能夠更快地設計出新的蛋白質(zhì)序列，且成功率更高，希望在不久的將來也能用于小分子的設計。

盧培龍：近期蛋白質(zhì)建模技術的進展，特別是 AlphaFold3 和 RoseTTAFold All-Atom，顯著提升了蛋白質(zhì)結構及相互作用預測的精度與范圍。這些模型已超越單純的蛋白質(zhì)結構預測，能夠涵蓋包含核酸、小分子配體和翻譯后修飾的復合物體系，從而實現(xiàn)更復雜的生物系統(tǒng)模擬和功能生物元件的從頭設計。在我們的研究中，我們同時運用這兩種工具來模擬配體結合位點、優(yōu)化酶活性中心并設計蛋白質(zhì)-核酸相互作用界面，這些應用顯著提高了蛋白質(zhì)從頭設計的精確度和成功率。

問：目前可用的基于機器學習的工具在預測小型球狀蛋白質(zhì)的結構方面效果良好。當前的工具在生成蛋白質(zhì)復合物、膜蛋白和部分結構化蛋白質(zhì)的模型方面有多準確？提高這些結構類別結構預測的準確性存在哪些障礙？

盧培龍：對于蛋白質(zhì)復合物，像 AlphaFold-Multimer 和 AlphaFold3 這類方法能夠準確預測許多具有緊密相互作用的復合體結構。然而，在模擬大型、復雜、動態(tài)或瞬時存在的復合物時，尤其是當涉及構象變化或較弱相互作用界面時，仍存在顯著挑戰(zhàn)。對于膜蛋白，這些方法能夠為許多跨膜蛋白生成高精度模型，但在應用于大型、動態(tài)或瞬時的膜蛋白復合物時，同樣面臨局限性。對于部分結構化或固有無序蛋白，大多數(shù)預測工具表現(xiàn)不佳，因為它們通常基于結構有序的靜態(tài)數(shù)據(jù)進行訓練，往往會將無序區(qū)域錯誤折疊成非天然的構象。進一步發(fā)展的主要障礙在于這些體系的高分辨率實驗數(shù)據(jù)稀缺。解決這些挑戰(zhàn)需要將深度學習與分子動力學模擬、交聯(lián)蛋白質(zhì)組學數(shù)據(jù)、從更深度序列比對中優(yōu)化提取共進化信號相結合，并開發(fā)新的深度學習方法。

Bruno Correia：我認為這完全取決于蛋白質(zhì)復合物和膜蛋白的進化信息是否充足——對于那些擁有足夠進化信息的體系，即便是極其復雜的復合物和膜蛋白，我們也能獲得驚人的預測結果。部分結構化蛋白或固有無序蛋白無疑是更棘手的難題，目前預測算法對其效果不佳，但考慮到這類蛋白的真實結構數(shù)據(jù)極其稀疏且難以獲取，這個結果或許并不令人意外。

Cecilia Clementi：在我看來，將結構預測拓展到球狀蛋白之外的主要挑戰(zhàn)在于可用高分辨率數(shù)據(jù)相對稀缺，以及缺乏量化預測成功與否的明確標準。例如，部分無序蛋白的特征在于其結構集合體屬性，很難界定用于模型訓練和評估的真實結構基準。此外，大規(guī)模復合體系具有高度動態(tài)性，蛋白質(zhì)在發(fā)揮功能過程中會不斷結合與解離。這些案例表明，我們必須超越單一結構預測的范式。

問：AlphaFold 3、RoseTTAFold 及類似的基于機器學習的工具可以預測結構，但無法預測折疊路徑。當前的工具在考慮不同溶液條件或溫度方面的效果如何？需要什么來增進對動態(tài)結構的了解？

Bruno Correia：是的，這是一個關鍵點。這些算法顯然不具備關于折疊路徑的知識，這也不是它們被訓練學習的目標，老實說，生物化學家可能也沒有多少他們能明確了解其折疊路徑的實例。一個重大的前沿領域正是如何預測蛋白質(zhì)的“動態(tài)個性”這一課題。盡管某些算法確實為我們提供了一些洞見，因為它們已經(jīng)學會了序列-結構映射的準確表征，但我們在預測動力學方面確實存在一些根本性的局限性。這些局限包括實驗數(shù)據(jù)的缺乏——這些數(shù)據(jù)同樣難以收集——在此要向核磁共振波譜學家們致敬，我認為未來將為他們帶來絕佳的機會。但另一個原因在于，動力學很容易在微小變化的層面上被調(diào)控，例如點突變，這使得問題變得極其困難，因為大多數(shù)這些算法基于統(tǒng)計學習而非物理原理。所以，這是一個超級有趣的問題，它處于蛋白質(zhì)功能及我們理解蛋白質(zhì)工作機制的核心。

Cecilia Clementi：我相信，要能夠描述動態(tài)結構并預測其響應環(huán)境條件變化而產(chǎn)生的構象改變，關鍵在于將多種數(shù)據(jù)源整合到機器學習模型中，這既包括模擬數(shù)據(jù)也包括實驗測量數(shù)據(jù)，并且需要考慮必須滿足的物理學約束和熱力學原理。我們已經(jīng)開始看到這個方向的一些努力，包括我自己研究組的工作，我認為未來幾年內(nèi)我們將見證該領域取得重大進展。

盧培龍：目前，預測出的結構反映了訓練數(shù)據(jù)中正常的生理溶液條件，因為諸如 pH 值、溫度、壓力和離子濃度等關鍵變量并未明確納入預測過程。

問：目前用于設計結構以外性質(zhì)的工具的準確性如何？您認為要改進具有生物功能和/或化學反應性的蛋白質(zhì)設計，需要取得哪些重大進展？

Cecilia Clementi：我認為當前的工具在捕捉蛋白質(zhì)功能的動態(tài)特性方面仍存在不足。蛋白質(zhì)動力學涉及的時間尺度范圍很廣，且難以簡化為少數(shù)幾個可測量的參數(shù)，因此這項任務并不簡單。生物功能的實現(xiàn)往往依賴于多種蛋白質(zhì)及其他分子間的相互作用，其中局部變化可能引發(fā)整體結構重組并觸發(fā)信號級聯(lián)反應。我們需要定量預測構象變化、有序-無序轉(zhuǎn)變及結合親和力等參數(shù)來表征生物分子功能，但由于缺乏大規(guī)?？煽繑?shù)據(jù)，現(xiàn)有工具仍有很大局限性。我認為發(fā)展多尺度方法與多模態(tài)學習技術對于推動相關過程的表征研究至關重要。目前我的研究團隊及其他團隊正致力于開發(fā)機器學習模型以實現(xiàn)這一目標，但完整的表征體系尚未建立。

盧培龍：目前，用于設計結構以外的蛋白質(zhì)特性（例如催化和變構調(diào)節(jié)）的工具已取得進展，但由于必須模擬多態(tài)動力學，仍面臨巨大挑戰(zhàn)。盡管結合蛋白的設計變得越來越可行（特別是對于明確界面的設計），但結合親和力的準確預測和控制仍然困難。與此同時，蛋白質(zhì)語言模型（pLM）已成為進行序列到功能預測的強大工具，能夠直接從序列數(shù)據(jù)中捕捉進化約束并識別功能殘基。然而，pLM 繼承了訓練數(shù)據(jù)集中不均衡表征所帶來的偏差。特定的蛋白質(zhì)家族，例如抗體，在通用的 pLM 中代表性不足，這限制了它們在治療性設計等專業(yè)任務中的表現(xiàn)。

主要的瓶頸源于我們模擬構象集合及其與配體、底物或光、電壓等物理刺激動態(tài)相互作用的能力有限。要推動該領域發(fā)展，我們需要更多高質(zhì)量、標準化的實驗數(shù)據(jù)來訓練和驗證模型。未來的方向可能在于將捕捉序列層面功能約束的語言模型，與考慮幾何結構、能量學和動力學的基于結構的物理模型相結合。

Bruno Correia：總的來說，設計工具在我們可稱之為非常“靜態(tài)”的結構設計方面確實表現(xiàn)出色。當然，設計生物功能是一個非常寬泛的范疇，因為功能主要是一種依賴于情境的屬性，并且常常取決于系統(tǒng)的許多其他組成部分和變量。但我們在蛋白質(zhì)-蛋白質(zhì)相互作用的從頭設計方面已經(jīng)看到了令人難以置信的進展，這在幾年前似乎還只是夢想。在我看來，小分子結合和酶活性仍然是非常困難的問題，或許是因為這些問題嚴重依賴于非常微小的細節(jié)以及所設計蛋白質(zhì)的動態(tài)特性。所以，還有很多重要的問題需要研究。

問：基于生成式人工智能的方法已被用于幫助設計新的蛋白質(zhì)。哪些技術給您留下了深刻的印象？該領域面臨的主要挑戰(zhàn)是什么？

Bruno Correia：那么，生成式 AI 已經(jīng)取得了驚人的進展。然而，我可以略帶挑釁地說，如果我們沒有一種出色的序列預測工具來幫助篩選最有潛力的設計蛋白質(zhì)，那么這些工具中的許多都不會像今天這樣有用——這改變了一切。隨后，隨著生成算法的更加強大，設計的質(zhì)量也得到了提高，但這方面仍有很多工作要做。顯然，許多生成式設計仍然會產(chǎn)生大量不可行的解決方案，其效率有待提高，以使蛋白質(zhì)設計變得更加容易，從而普及蛋白質(zhì)設計工具的使用。與小分子設計相關的問題仍然極具挑戰(zhàn)性，并且迄今為止，基于機器學習的工具是否在藥物設計領域取得了變革性的進展，這一點尚存爭議。

盧培龍：RFdiffusion 與 ProteinMPNN 等技術的影響力尤為顯著。最新版本的 RFdiffusion3 能夠以原子分辨率生成配體、核酸及其他非蛋白質(zhì)成分約束下的蛋白質(zhì)結構——這為實現(xiàn)高度定制化的功能位點及多組分復合物設計提供了可能。

盡管取得了這些進展，但仍存在重大挑戰(zhàn)。設計具有動態(tài)構象或多功能狀態(tài)（例如涉及變構調(diào)控或刺激響應行為的蛋白質(zhì)）仍然十分困難。實現(xiàn)可調(diào)控、可控制和模塊化的功能仍是一個相當大的障礙?？朔@些局限可能需要更豐富的實驗數(shù)據(jù)集、改進蛋白質(zhì)靈活性及環(huán)境背景（例如膜環(huán)境、pH值和輔因子）的建模方法，并將蛋白質(zhì)語言模型提供的序列層面信息與基于物理原理的生成模型相結合。

Cecilia Clementi：我再次認為，一個主要挑戰(zhàn)在于如何考量蛋白質(zhì)的動態(tài)特性及其對變化的響應。最近一些設計蛋白質(zhì)以多種構象存在的研究工作令我印象深刻。我相信這是實現(xiàn)蛋白質(zhì)功能設計的一個極具前景的方向。

問：基于機器學習的工具需要非常大規(guī)模的數(shù)據(jù)集。您希望學界開發(fā)哪些額外的數(shù)據(jù)集來幫助擴展蛋白質(zhì)的設計或理解？

盧培龍：首先，希望能擴大數(shù)據(jù)集類型，納入更多功能性和生物物理測量數(shù)據(jù)——比如結合親和力、催化速率，以及蛋白質(zhì)在不同條件下的穩(wěn)定性。這類數(shù)據(jù)能讓模型更準確地預測功能表現(xiàn)，而不再局限于結構預測。其次，需要捕獲動態(tài)和多態(tài)構象的數(shù)據(jù)，包括通過交聯(lián)實驗、時間分辨晶體學、冷凍電鏡和核磁共振等技術獲得的中間態(tài)和構象集合數(shù)據(jù)。這對于模擬依賴結構動態(tài)變化實現(xiàn)功能的蛋白質(zhì)至關重要。最后，系統(tǒng)整理并分享那些失敗或無效的設計數(shù)據(jù)（這類數(shù)據(jù)往往被低估或未充分報告）能為模型訓練提供關鍵的負面樣本，從而優(yōu)化訓練集并提升預測模型的魯棒性。通過學界協(xié)作來生成、標準化并共享此類數(shù)據(jù)集，將是推動蛋白質(zhì)設計實現(xiàn)下一次飛躍、增強其預測能力和生物學影響的關鍵。

Cecilia Clementi：若能增加蛋白質(zhì)-蛋白質(zhì)相互作用、蛋白質(zhì)-配體結合及蛋白質(zhì)復合物形成的數(shù)據(jù)集將會非常有用——這些不應僅是結構數(shù)據(jù)庫，還需補充結合親和力等實驗測量數(shù)據(jù)作為支撐。

Bruno Correia：我個人的理想是，每個蛋白質(zhì)都能配有深度突變掃描實驗數(shù)據(jù)，這樣我們就能了解這些突變會對其功能（及結構）產(chǎn)生何種影響?；蛟S這將幫助我們重新定義對蛋白質(zhì)功能的理解，而在我看來，蛋白質(zhì)功能遠不止于其結構的靜態(tài)快照。

問：在將基于機器學習的方法與其他計算方法（例如分子動力學、密度泛函理論和基于粗粒度的方法）相結合方面取得了多少進展？是否有任何集成多種方法來設計蛋白質(zhì)特性的混合工具？

Cecilia Clementi：在過去幾年里，所有這些方面都取得了驚人的進展。在我的團隊中，我們開發(fā)了機器學習粗粒度方法，并且最近發(fā)布了一個可轉(zhuǎn)移的粗粒度力場，用于模擬蛋白質(zhì)的長時間尺度動力學。然而，能夠整合不同分辨率以在廣泛長度尺度上描述蛋白質(zhì)的方法才剛剛起步。隨著針對固定分辨率的方法變得越來越精確，開發(fā)混合工具是下一個自然而然的步驟。

Bruno Correia：據(jù)我所知，機器學習方法如今也被用于加速分子動力學中的采樣過程，并構建能量函數(shù)的仿真模擬器。我認為目前這些領域才剛剛邁出第一步，因為開發(fā)既基于統(tǒng)計學習又符合物理先驗原理的架構一直存在挑戰(zhàn)，但建模領域顯然會在這方面投入更多努力。

盧培龍：一個標志性的例子是 AI2BMD（AI-based ab initio biomolecular dynamics）的工作——這是一個混合系統(tǒng)，彌合了生物分子模擬中精度與可擴展性之間的差距。AI2BMD 將蛋白質(zhì)片段化策略與基于量子力學數(shù)據(jù)訓練的機器學習力場相結合，能夠以從頭算的精度對大型生物分子（超過10000個原子）進行全原子模擬，而計算成本僅為密度泛函理論的一小部分。 對于蛋白質(zhì)設計，我們經(jīng)常利用分子動力學模擬作為關鍵驗證工具，來評估所設計蛋白質(zhì)的穩(wěn)定性、構象動力學和功能行為——特別是對于靜態(tài)模型不足以描述的膜蛋白和動態(tài)組裝體。 分子動力學模擬使我們能夠探究設計的結構在特定條件下是否保持完整、配體如何結合、以及構象轉(zhuǎn)換是否按預期發(fā)生。

問：機器學習在科學領域的廣泛采用已經(jīng)展示了其潛在效益；然而，在其他領域，AI 產(chǎn)品的發(fā)展也引發(fā)了人們對安全性和能源消耗的擔憂。您對 AI 在科學領域的負責任使用有何顧慮？如果有，可以采取哪些措施來解決這些問題？

盧培龍：目前，我并未看到蛋白質(zhì)設計領域的 AI 存在迫切或普遍的風險，因而無需采取嚴格的監(jiān)管措施，因為過度監(jiān)管可能會減緩科學進步，削弱我們應對氣候變化、可持續(xù)制造和公共衛(wèi)生等緊迫全球挑戰(zhàn)的能力。話雖如此，若需對生物領域的 AI 負責任使用采取主動措施，監(jiān)控 DNA 合成等關鍵技術瓶頸或是一種可行方案。最有效的保障措施之一，是加強商業(yè) DNA 合成提供商用于篩查潛在風險序列的檢測系統(tǒng)。

誠如 Wittmann 等人最近在《科學》（Science）雜志發(fā)表的文章中所強調(diào)的，AI 驅(qū)動的蛋白質(zhì)設計能夠生成有害蛋白質(zhì)的功能性變體，其序列可規(guī)避傳統(tǒng)的生物安全篩查工具。然而，該文章也表示，經(jīng)過更新的、AI 增強的篩查軟件能夠有效標記出這些經(jīng)過人工設計的序列，即使它們被大幅度重新設計。這表明解決方案不在于限制 AI 的使用，而在于同步提升我們的監(jiān)測能力。通過持續(xù)改進檢測算法，并促進學術界、工業(yè)界和合成公司之間的合作，我們可以在確保生物安全的同時保持科學的開放性。關鍵在于實施適應性的、由科學驅(qū)動的監(jiān)管——既跟上創(chuàng)新的步伐，又不扼殺創(chuàng)新。

Bruno Correia：鑒于這些技術日益強大，我們必須對其應用保持謹慎。話雖如此，自然界本身已經(jīng)創(chuàng)造了許多“有害”分子，因此自然界本就不缺乏有害物質(zhì)。我個人認為，當我們討論非復制性實體（例如病毒）時，很難想象某種分子能大規(guī)模地造成危害。另一個關于能源消耗的擔憂是真實存在的，顯然我們習慣性地采用粗暴的方法和結果，但往往難以衡量其實際帶來的效益——不過，公平地說，這種探索本身就是研究的一部分，隨著我們不斷挖掘這些算法的潛力，也會逐漸學會如何提升其效率。

Cecilia Clementi：我擔憂的是，過去幾年在結構預測和蛋白質(zhì)設計領域取得的重大進展可能會降低設計新病原體的門檻。針對這種可能性，我們應當采取預防性措施。不過我認為，科學領域 AI 的能耗與用于文本和圖像生成的大語言模型的訓練及部署相比仍然有限。但關鍵在于，我們需要理解機器學習模型的運作機制，才能做到負責任地使用并從中學到知識?？山忉屝?AI 工具應當被拓展應用于科學問題，從而簡化模型并解析其學習模式。我始終相信，將物理學原理融入模型將有助于減少“幻覺”生成和錯誤應用。

問：您認為在蛋白質(zhì)性質(zhì)的計算預測方面，哪些是最重要或最有趣的前沿領域？您希望在未來幾年看到哪些發(fā)展或里程碑式的成就？

盧培龍：計算蛋白質(zhì)設計的一個令人興奮的前沿方向是動態(tài)膜蛋白（例如轉(zhuǎn)運體和受體）的從頭設計。這些蛋白質(zhì)通過介導生物膜上的信號和代謝物的選擇性交換，在細胞通訊和代謝中發(fā)揮關鍵作用。從第一性原理設計這種蛋白質(zhì)的能力——使其能夠響應合成或可調(diào)配體、傳遞特定信號或運輸非天然底物——可能在合成生物學、生物傳感和靶向治療方面帶來革命性進展。

然而，設計具有精確功能控制的動態(tài)、刺激響應型膜蛋白仍然是一個重大挑戰(zhàn)。成功需要超越靜態(tài)結構模型，準確模擬構象集合、配體相互作用和自由能景觀。達到這種復雜程度將標志著一個根本性轉(zhuǎn)變——從設計惰性支架轉(zhuǎn)向工程化功能分子機器，使其能夠進行智能、受調(diào)控的跨膜信號轉(zhuǎn)導。

Cecilia Clementi：我認為蛋白質(zhì)動力學是下一個前沿領域。要對蛋白質(zhì)動力學進行預測，整個學術界共同努力來定義和整理數(shù)據(jù)庫、基準和里程碑是至關重要的。我認為不僅預測結構集合，而且預測它們在不同條件下的變化將是一項具有里程碑意義的成就，我希望在不久的將來能夠為此發(fā)展做出貢獻。

Bruno Correia：從高度應用的角度來看，我認為如果能夠預測生物制劑的“可開發(fā)性”及其免疫原性，將為我們開發(fā)新療法帶來革命性突破。對我而言，另一個具有里程碑意義的應用成就是：從頭設計的蛋白質(zhì)能夠常規(guī)用作藥物，同時避免免疫原性的缺陷。這將徹底改變游戲規(guī)則，我相信這個目標終將實現(xiàn)，但可能需要在我們充分掌握免疫原性的決定因素，以及如何實現(xiàn)“隱形”遞送這些蛋白質(zhì)而不觸發(fā)免疫反應之后才能達成。

論文鏈接：

https://www.nature.com/articles/s41589-025-02110-z