五年時間足以讓一項技術(shù)從實驗室奇觀變成科研基礎(chǔ)設(shè)施。AlphaFold之于生物學(xué)研究就是這樣一段進(jìn)程從2020年在國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽上一鳴驚人到后來整個結(jié)構(gòu)生物學(xué)界的默認(rèn)工具再到2024年諾貝爾化學(xué)獎花落這個方向——這個AI模型改變的不只是我們拿到蛋白質(zhì)結(jié)構(gòu)的速度更重塑了研究者提問問題的方式和整個學(xué)科的協(xié)作節(jié)奏。這篇文章我不想再復(fù)述一遍AlphaFold是什么的科普而是從一個長期用它做蛋白互作、藥物靶點分析和突變功能研究的用戶視角出發(fā)說說這五年我親眼看到的變化它怎么改寫結(jié)構(gòu)生物學(xué)的工作流哪些環(huán)節(jié)被真正重塑了哪些問題它至今解決不了以及現(xiàn)在想上手用這套工具的團(tuán)隊最常見的坑在哪里。1. 從一鳴驚人到諾貝爾獎:AlphaFold的五年時間線1.1 2020年的那次跳躍:整個領(lǐng)域的沉默時刻在AlphaFold之前蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域有一條大家都默認(rèn)的規(guī)矩沒通過實驗驗證的結(jié)構(gòu)都只能算預(yù)測。當(dāng)時最好的計算方法對中等難度蛋白的預(yù)測精度大約在六成左右距離真正可用差了不止一個數(shù)量級。2020年底國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽公布結(jié)果的時候我印象最深的一個場景是AlphaFold的預(yù)測精度第一次追平了實驗方法尤其在一些沒有同源模板的蛋白上它的主鏈原子誤差已經(jīng)壓到了一個令人說不出話的水平。那屆競賽之后計算結(jié)構(gòu)能不能替代實驗結(jié)構(gòu)這個問題整個圈子都必須正面回答了。也正是2020年的那次勝利讓普通生物學(xué)研究者不再把AlphaFold看作某個AI公司年會上的炫技表演而是把它當(dāng)成一個真正的、可以拿來解決具體生物學(xué)問題的新工具。1.2 2021到2022年:從模型到開放數(shù)據(jù)庫的數(shù)據(jù)雪崩如果只有模型本身AlphaFold的影響面還會小很多。真正讓它從一個組可以用變成每個人都能用的是緊隨其后放出的海量結(jié)構(gòu)數(shù)據(jù)庫。我記得2021年數(shù)據(jù)庫剛上線的時候里面對應(yīng)的物種和蛋白還比較有限查一個基因往往需要等接口刷新。到了2022年覆蓋面已經(jīng)擴(kuò)展到幾乎所有已知蛋白序列——接近兩億條結(jié)構(gòu)。這意味著什么過去你想研究某個少有人關(guān)注的物種里的一個酶幾乎只能自己克隆表達(dá)、結(jié)晶、收數(shù)據(jù)順利的話也要幾個月到一年?，F(xiàn)在登錄公共數(shù)據(jù)庫輸入序列幾分鐘之內(nèi)就能看到預(yù)測結(jié)構(gòu)、置信度評分和可能的配體結(jié)合口袋。這種變化對資金充足的大實驗室來說是做第一批篩選對資源本就不算寬裕的小實驗室和很多冷門物種研究者而言則是從做不起到能先算一遍再說的躍級。這一波數(shù)據(jù)開放才是AlphaFold重塑生物學(xué)最厚實的地基。1.3 2023到2025年:第三代模型與諾貝爾獎的破圈接下來的故事大家都知道了AlphaFold 3把預(yù)測范圍從單體蛋白擴(kuò)展到蛋白-蛋白復(fù)合物、蛋白-核酸復(fù)合物乃至小分子配體2025年又完整開源再沒隔多久諾貝爾化學(xué)獎首次授予了把AI預(yù)測結(jié)構(gòu)做到實驗級精度的幾位核心研究者。這枚獎對學(xué)科最大的意義不在于給某個團(tuán)隊貼金而是公開承認(rèn)了計算生物學(xué)本身就是一種基礎(chǔ)科研手段。從2020年到2025年AlphaFold這個符號已經(jīng)從一只預(yù)測蛋白結(jié)構(gòu)的AI演變成了一個完整的開放生態(tài)模型、數(shù)據(jù)庫、下游工具鏈、實驗驗證閉環(huán)全都被串了起來。我們這些一線使用者也從懷疑它變成把它當(dāng)作起點再把結(jié)果拿回實驗臺上驗證。2. 結(jié)構(gòu)生物學(xué)的工作流變遷:AlphaFold把哪些環(huán)節(jié)改寫了2.1 先結(jié)晶再解結(jié)構(gòu)正在變成先預(yù)測再驗證傳統(tǒng)的結(jié)構(gòu)生物學(xué)研究核心瓶頸是拿到晶體或高質(zhì)量的冷凍樣本。一個課題組想在文章里放一個新結(jié)構(gòu)平均周期從幾個月到數(shù)年的都有。AlphaFold普及之后至少有三個環(huán)節(jié)發(fā)生了明顯變化。第一立項時的初步假設(shè)可以先用計算完成。想研究某個未知功能的蛋白可以先拿到高置信度預(yù)測結(jié)構(gòu)再從中找功能位點、保守殘基、表面電荷區(qū)域這些信息反過來指導(dǎo)實驗設(shè)計。第二做定點突變時不再需要盲目掃一遍位點而是先看序列比對和預(yù)測結(jié)構(gòu)里的保守模塊把候選突變縮小到一個很集中的范圍。第三一些之前根本沒人研究、但公共數(shù)據(jù)庫中可見的孤兒蛋白現(xiàn)在也能被低成本地納入功能篩選。這里要畫一條紅線預(yù)測結(jié)構(gòu)是假設(shè)不是結(jié)論。好的課題組現(xiàn)在普遍把AlphaFold結(jié)果作為先驗?zāi)Ｐ腿缓笥肵射線、冷凍電鏡或核磁共振做定向驗證。晶體學(xué)沒有被消滅它只是從開頭必須有變成了關(guān)鍵問題才需要。2.2 冷凍電鏡和AlphaFold的配合比以前更順了很多不在一線做結(jié)構(gòu)的人會把AI預(yù)測和冷凍電鏡理解成競爭關(guān)系。真正的工程判斷其實恰好相反兩者是咬合度很高的上下游關(guān)系。冷凍電鏡最麻煩的一步之一是建模——你要在密度圖里一截一截地把氨基酸骨架畫進(jìn)去。以前這步需要人工配合同源模型慢慢搭遇到柔性區(qū)域或者分辨率不高的地方一整天可能只推進(jìn)幾十個殘基。現(xiàn)在有了AlphaFold預(yù)測結(jié)構(gòu)做初始模板再把它剛性地放進(jìn)電鏡密度里做柔性擬合生成初始模型的時間能縮短幾個量級。同樣的道理也適用于X射線晶體學(xué)中的分子置換。用一個高精度的預(yù)測結(jié)構(gòu)作為搜索模型成功率比用同源性很遠(yuǎn)的模板高很多。所以這幾年做結(jié)構(gòu)解析的老師們一大半都在討論同一個流程先算一份AlphaFold結(jié)構(gòu)再做濕實驗確認(rèn)界面最后用密度圖把柔性差的地方修出來。2.3 突變功能研究、配體結(jié)合與藥物設(shè)計的連鎖反應(yīng)AlphaFold重塑的不只是解結(jié)構(gòu)這個環(huán)節(jié)還讓序列-結(jié)構(gòu)-功能這條通路上的推理密度明顯變高了。舉一個很常見的應(yīng)用場景研究某個疾病相關(guān)蛋白的錯義突變。過去要搞清楚這個突變?yōu)槭裁粗虏〉孟扔袑嶒灲Y(jié)構(gòu)再逐個位點做煩瑣的功能實驗?，F(xiàn)在可以把野生型和突變型的預(yù)測結(jié)構(gòu)對比起來看如果某個突變恰好位于核心折疊區(qū)域結(jié)構(gòu)模塊上的穩(wěn)定性評分和周圍殘基的相互作用網(wǎng)絡(luò)都會明顯不同這個突變被優(yōu)先推進(jìn)驗證的概率就大得多。在配體和藥物設(shè)計方向AlphaFold的貢獻(xiàn)更多體現(xiàn)在快速排出候選結(jié)合口袋。雖然有依附的局限性但至少可以先回答一個問題這段未知蛋白序列最可能有藥物結(jié)合縫的區(qū)域在哪里。一個更有說服力的例子是酶工程改造。過去改一個酶拼的主要是定向進(jìn)化和經(jīng)驗猜測現(xiàn)在則可以先預(yù)測一個結(jié)構(gòu)根據(jù)活性口袋的形狀和化學(xué)性質(zhì)選定這幾個關(guān)鍵殘基再在它們附近做飽和突變。這種AI給圖紙、濕實驗來驗證的循環(huán)在過去是不可想象的。3. 技術(shù)邊界:AlphaFold為什么很能打,但不能通吃一切3.1 它到底是怎么預(yù)測結(jié)構(gòu)的:底層邏輯并不神秘AlphaFold的底層原理概括起來就是用深度學(xué)習(xí)網(wǎng)絡(luò)從大量蛋白序列和已知結(jié)構(gòu)中學(xué)習(xí)序列如何決定空間結(jié)構(gòu)的統(tǒng)計規(guī)律。具體到流程上核心是這幾塊一是多序列比對把目標(biāo)序列放到龐大的同源序列庫里搜索找出共同進(jìn)化的殘基信號二是把同源序列信號轉(zhuǎn)化為二維的殘基間距離圖和三維坐標(biāo)三是用注意力機(jī)制反復(fù)折疊出全局一致的構(gòu)象。這里最容易產(chǎn)生誤解的地方在于很多人以為AlphaFold是在背答案——只要新序列和訓(xùn)練集里某個蛋白長得像就能輸出一個漂亮結(jié)構(gòu)。真正讓它強(qiáng)的是對共同進(jìn)化信號的提取。如果某個蛋白在序列庫里的同源序列非常稀少或者同源序列覆蓋度很低它的表現(xiàn)會急劇退化。3.2 高度無序蛋白與構(gòu)象變化,是兩個最大的盲區(qū)AlphaFold至今還有兩個公認(rèn)的軟肋。第一個軟肋是沒有固定三維構(gòu)象的天然無序蛋白。這樣的蛋白在細(xì)胞里其實大量存在比如很多轉(zhuǎn)錄因子區(qū)域、信號轉(zhuǎn)導(dǎo)蛋白的調(diào)節(jié)區(qū)。AlphaFold給這些區(qū)域打出的置信度分?jǐn)?shù)會非常低甚至?xí)o出一個看起來很合理、但實際并不存在的假結(jié)構(gòu)。遇到這種區(qū)域老實看置信度、別強(qiáng)行建模才是對的。第二個軟肋是對構(gòu)象變化的捕捉。AlphaFold本質(zhì)輸出的是序列最可能折疊成的某一穩(wěn)定狀態(tài)很難自然地給出蛋白在結(jié)合底物、跨膜轉(zhuǎn)運或變構(gòu)調(diào)節(jié)時會經(jīng)歷的大尺度構(gòu)象變化。你可以用預(yù)測結(jié)構(gòu)做起始模型再用分子動力學(xué)模擬去探索別的構(gòu)象但別指望AlphaFold一鍵生成多種狀態(tài)的平衡集合。3.3 置信度分?jǐn)?shù)怎么讀:pLDDT和PAE才是真正的說明書在拿到AlphaFold輸出之后很多人只看結(jié)構(gòu)圖漂不漂亮卻忽略了兩份關(guān)鍵的置信度輸出。我可以直接給一個盡量好用的讀法表指標(biāo)數(shù)值范圍實際含義我的處理建議pLDDT90分以上該區(qū)域結(jié)構(gòu)可信度接近實驗精度可以直接放心使用適合做分子置換pLDDT70到90分總體可靠但個別loop可能有偏差使用時帶上局部誤差評估pLDDT50到70分預(yù)測不可靠可能是無序或柔性區(qū)域不要用于精細(xì)建模pLDDT50分以下基本不可用視為未解析區(qū)域建議用實驗方法補(bǔ)充PAE低值兩個殘基間相對位置可靠做蛋白復(fù)合物界面時重點觀察打個比方pLDDT像天氣預(yù)報里降水概率越高越敢出門PAE更像兩張衛(wèi)星云圖的疊加度告訴你兩塊云到底是不是咬合住的。3.4 訓(xùn)練數(shù)據(jù)的樣本偏差問題還有一個大家提得少但很現(xiàn)實的隱藏問題AlphaFold的訓(xùn)練集不是均勻覆蓋整個蛋白空間的。研究得多、結(jié)構(gòu)解析得多的蛋白質(zhì)家族預(yù)測效果遠(yuǎn)比冷門家族要好。比如人類蛋白里很多熱門靶點同源結(jié)構(gòu)和進(jìn)化信號都很充足預(yù)測結(jié)果自然可信但海洋微生物里的某條陌生序列、病毒合成出來的全新蛋白或人工設(shè)計出來的嶄新折疊預(yù)測結(jié)果的可靠性就要打個問號。做這類蛋白的朋友把AlphaFold結(jié)果當(dāng)參考可以當(dāng)結(jié)論就要謹(jǐn)慎了。4. 想接AlphaFold進(jìn)實驗室?這是我最建議的直接參考流程4.1 先想清楚:自己跑模型,還是直接查數(shù)據(jù)庫如果要落地使用第一個問題不是裝不裝得了計算環(huán)境而是需要多實時的結(jié)構(gòu)。如果你的蛋白已經(jīng)在公共預(yù)測數(shù)據(jù)庫中最簡單的方式是直接按序列號查幾秒鐘拿到結(jié)構(gòu)。如果數(shù)據(jù)庫中查不到而你想得到針對某條序列的預(yù)測又有足夠GPU那就可以自己跑。對大多數(shù)只想用結(jié)果回答生物學(xué)問題的課題組我建議先別折騰完整環(huán)境先試三個途徑一是公共數(shù)據(jù)庫檢索二是找在線服務(wù)器提交單序列預(yù)測三是等數(shù)據(jù)庫批量補(bǔ)錄后再跑。只有在需要做大量復(fù)合物預(yù)測、或者要自己改模型適配某些特殊任務(wù)時才值得上本地集群。4.2 一套能用的完整運行流程如果真的決定本地跑AlphaFold我建議按下面的步驟組織準(zhǔn)備輸入序列只保留目標(biāo)蛋白的完整編碼序列注意去掉信號肽或者保留信號肽后看預(yù)測能否自行折疊。做多序列比對這一步非常重要建議用自定義的序列庫做一輪深搜索序列信息越充足折疊置信度越高。判斷是否需要模板存在模板可以提升速度但AlphaFold對模板的依賴度已經(jīng)很低模板質(zhì)量和同源關(guān)系更需要過濾。啟動預(yù)測計算根據(jù)蛋白長度設(shè)置GPU內(nèi)存和并行數(shù)量。讀取置信度文件把低置信度區(qū)域打上標(biāo)記不強(qiáng)行解釋。我自己的建議是先跑一輪快速模式找到合理構(gòu)象再把候選結(jié)構(gòu)用更長的采樣重新輸出兩個結(jié)果比較穩(wěn)定就可以放心做下游分析。4.3 一句最小可信判斷口訣這里給大家一個完全可以套用的口訣pLDDT全綠的地方錯不到哪里去pLDDT黃紅相間的區(qū)域當(dāng)它是留白PAE畫面里一整片低誤差的區(qū)域才有資格談蛋白-蛋白界面。很多朋友跑完復(fù)合物預(yù)測看到兩個蛋白挨得很近就歡呼結(jié)果發(fā)現(xiàn)界面兩側(cè)全是低置信度區(qū)這種結(jié)果其實一點都不能說明真實結(jié)合。做出判斷之前先把置信度圖疊到結(jié)構(gòu)上看一眼這是最便宜也最有效的過濾動作。4.4 實戰(zhàn)案例:一個虛擬的未知酶功能解析流程為了讓整個流程更直觀我設(shè)一個完全虛構(gòu)的例子某科研小組拿到一個新鑒定的酶沒有任何實驗結(jié)構(gòu)只從文獻(xiàn)里知道和底物代謝相關(guān)。小組先是查公共預(yù)測數(shù)據(jù)庫順利拿到預(yù)測結(jié)構(gòu)pLDDT在90以上整體折疊扎實。然后通過多序列比對找到三個在所有同源蛋白中絕對保守的殘基恰好都落在結(jié)構(gòu)上一個裂隙狀的表面口袋周圍。于是他們把這個口袋視為候選活性中心對三個保守殘基做了定點替換。最后用實驗驗證了酶活發(fā)現(xiàn)其中兩個位點突變后活性幾乎消失。這個案例沒有NMR也沒有晶體卻把問題定位得非常準(zhǔn)。這類流程五年前需要犧牲一兩位同學(xué)的博士時間才可能完成現(xiàn)在一周內(nèi)就能得到一份可行性很高的候選清單。5. AI重塑生物學(xué)的核心:不是替你下結(jié)論,而是重新定義從哪開始問5.1 研究者提問問題的方式被改變了AlphaFold五年給我的最大體會不是省了多少錢或者多發(fā)了多少篇論文而是它讓生物學(xué)研究者提問問題的起點變了。以前我們問這個蛋白長什么樣得先湊夠?qū)嶒灄l件現(xiàn)在問這個蛋白長什么樣打開數(shù)據(jù)庫就有結(jié)構(gòu)。下一步的提問反而更有挑戰(zhàn)性這個預(yù)測結(jié)構(gòu)哪里可靠、哪里模糊為什么這個蛋白會選擇這群殘基構(gòu)成活性口袋能不能設(shè)計一段強(qiáng)啟動子突變讓它在體內(nèi)更穩(wěn)定當(dāng)拿到結(jié)構(gòu)不再是稀缺能力真正值錢的變成了看懂結(jié)構(gòu)背后的生物學(xué)問題。這其實是把整個學(xué)科往更上層推了一步。5.2 開放數(shù)據(jù)與可重復(fù)性的張力AlphaFold數(shù)據(jù)庫開放共享的價值怎么強(qiáng)調(diào)都不過分。它繞過版權(quán)和數(shù)據(jù)庫引用壁壘讓全球研究者第一次站在同一條結(jié)構(gòu)起跑線上。但開放共享也帶來一種新的風(fēng)險如果大家只拿公共預(yù)測結(jié)構(gòu)發(fā)表結(jié)論卻都不做實驗驗證那么預(yù)測置信度的邊界就會被模糊可重復(fù)性也會下降。負(fù)責(zé)任的做法是在論文里明確標(biāo)注該結(jié)構(gòu)由計算預(yù)測、未經(jīng)實驗解析并把置信度文件作為附件給出。這既是對讀者的尊重也是對自己結(jié)論的約束。5.3 從靜態(tài)結(jié)構(gòu)到動態(tài)生物學(xué)的下一步AlphaFold五年來做得很出色的一件事是把結(jié)構(gòu)從靜態(tài)名詞變成了互動數(shù)據(jù)源。接下來真正難啃的骨頭是動態(tài)蛋白在溶液中怎么晃動結(jié)合配體時怎么變構(gòu)分子機(jī)器在信號傳導(dǎo)時怎么協(xié)調(diào)構(gòu)象變化。目前已經(jīng)有多個團(tuán)隊在嘗試把AlphaFold和分子動力學(xué)結(jié)合實現(xiàn)更省算力的增強(qiáng)采樣也有團(tuán)隊在做專門以構(gòu)象狀態(tài)為目標(biāo)的下一代模型。未來的AI不一定只輸出一個結(jié)構(gòu)而是輸出一條結(jié)構(gòu)隨環(huán)境變化的軌跡。那才是更接近活細(xì)胞里的真實行為的東西。說到底AlphaFold是一場工具革命而不是答案革命。它讓我們更快抵達(dá)假說卻把更重的責(zé)任留給了研究者在AI給出的無數(shù)可能結(jié)構(gòu)之中設(shè)計出能回答真實生物學(xué)問題的下一步實驗。對我個人來說過去五年最有價值的經(jīng)驗不是學(xué)會跑幾個預(yù)測腳本而是學(xué)會對所有漂亮結(jié)構(gòu)保持一種謹(jǐn)慎的信任。最后分享一個我一直在用的小習(xí)慣無論AlphaFold預(yù)測出多驚艷的結(jié)構(gòu)第一步永遠(yuǎn)是先看低置信度區(qū)域在哪里第二步是找到證據(jù)支持這些區(qū)域的生物學(xué)功能第三步才動手設(shè)計實驗。把預(yù)測當(dāng)成最聰明的實習(xí)生給的初稿不要當(dāng)成終稿。這樣用AlphaFold它會是這些年出現(xiàn)的最好的科研加速器之一。