生物分子结构预测

生物分子结构预测，是每一个想用计算把”这段序列到底折成什么样”搞清楚的人，这两年绕不开的革命性工具。我刚用 AlphaFold2 那阵，拿到模型兴冲冲就去对接，结果发现一个低置信区被当成刚性模板，下游筛出来的苗头全是错的。后来才懂，生物分子结构预测难的从来不是跑出一个结构，而是你读懂没读懂它给你的那两个置信度数字——pLDDT 和 PAE。

一、背景：为什么结构预测改变了整个玩法生物分子结构预测

过去拿一个蛋白结构，要么等晶体/NMR 几个月，要么自己摸索同源建模猜。现在 AlphaFold2、OmegaFold、RoseTTAFold 把这件事压到了小时级，做药物的人拿预测结构做虚拟筛选，做酶工程的人拿它找突变位点，做结构生物的人拿它补缺失密度。可以说，生物分子结构预测是你从”序列”到”可用模型”的捷径。很多新手把预测结构当实验结构用，直接拿去对接，等到别人问”你这低置信区靠谱吗”，才发现自己根本没看 pLDDT。更现实的是，预测结构在可信区极准，但在无序区、界面区、稀有折叠区常常塌方，盲目信任会带偏后面一整条链路。

二、核心原理：从多序列比对到几何注意力

主流方法（以 AlphaFold2 为例）的命脉是多序列比对（MSA）：把同源序列堆在一起，进化信息就藏在残基间的共变里——哪些位置倾向于一起变，往往意味着它们在结构里靠得近。网络用 Evoformer 把 MSA 和残基对的几何信息反复迭代，最后解出每个残基的坐标。关键认知是，预测的准头高度依赖 MSA 深度：家族越热门、同源越多，预测越准；孤儿蛋白、人工设计序列 MSA 很浅，预测可信度骤降。pLDDT 告诉你每个残基预测得有多稳（>90 高置信、<50 基本不可信），PAE（预测对齐误差）告诉你不同区域之间的相对位置有多可靠——PAE 块对角清晰说明结构整体可信，模糊则说明区域间关系不确定。

三、关键技术要点：MSA、模板与复合物

MSA 深度是第一杠杆：用全基因库（如 UniRef30 + BFD）搜，比只用 UniRef90 深得多，孤儿序列可以考虑用语言模型（OmegaFold）绕开 MSA。模板（已知同源结构）能补 MSA 不够时的信息，但模板错了会带偏，要甄别。复合物预测（如 AlphaFold-Multimer）对蛋白-蛋白、蛋白-核酸界面很关键，但界面 pLDDT 普遍偏低，要谨慎。我早年预测一个膜蛋白，MSA 用浅了，跨膜区 pLDDT 只有 60，我还当宝拿去对接，苗头全废；后来加深 MSA 并重搜，跨膜区升到 88，结构才合理。另一个常被忽略的点：多构象，AF2 默认给一个代表结构，柔性大的蛋白可能有多个态，单结构会漏掉功能相关的另一态。

四、实操流程：从序列到可用模型生物分子结构预测

第一步，准备序列，去信号肽/跨膜段标注；第二步，跑 MSA（ColabFold 用 MMseqs2 快速搜），确认深度够；第三步，预测结构，多种子取多个模型；第四步，看 pLDDT 和 PAE 挑最可信的模型，标出低置信区；第五步，用 MD 精炼——把预测结构做短时 MD 松弛，让局部应变释放、侧链归位，再用聚类取代表构象。我习惯把 pLDDT 当使用许可证：高置信区直接当模板，低置信区只作参考并加 MD 探索。对复合物先确认界面 pLDDT 再决定要不要做界面 MD 细化。对无序区我会单独做 MD 或增强采样看其构象分布。

我给学生定规矩：AF2 预测结构拿到手，第一件事不是对接，是看 pLDDT 和 PAE。高置信区才当模板，低置信区一律当柔性处理，要么 MD 探索要么实验验证。把低置信区当刚性模板做设计，苗头全废还找不到原因，这种亏我早年替别人交过，不想让学生再交。

对复合物，我特别谨慎。Multimer 的界面 pLDDT 普遍偏低，我一定用 MD 把界面细化验证，不会拿预测界面直接做结合分析。结构预测是带置信区间的草稿，不是实验结构，这一点想不清，后面从对接到突变设计全踩在不可信的地基上。

无序区我从不强迫它出一个固定结构。AF2 默认给一个代表构象，但柔性大的蛋白可能有多个态，单结构会漏掉功能相关的另一态。我会单独做 MD 或增强采样看其构象分布，把”有可能”的区域如实体报出，而不是假装它已经确定了。

五、常见问题

Q1：跨膜区 pLDDT 低？MSA 太浅，加深搜索或换模板。 Q2：界面预测不可信？Multimer 界面普遍偏低，用 MD 细化验证。 Q3：结构和实验对不上？模板带偏或种子少，多模型比对。 Q4：柔性区只给一个态？蛋白可能多构象，做 MD 探索。 Q5：孤儿蛋白塌方？MSA 缺失，换语言模型方法或实验辅助。 Q6：侧链位置怪异？短时 MD 松弛后再取聚类构象。 Q7：要不要当实验结构用？仅高 pLDDT 区可信，低区必须验证。

讲一个具体的坑：有次给一个酶做突变设计，我直接拿 AF2 预测结构里一个 pLDDT 只有 55 的环区当刚性模板去设计，结果合成出来的突变体完全没活性。回头一看，那个环区在 MD 里是大幅摆动的，根本不是预测的那一个姿态。从那以后我固定一条规矩：pLDDT < 70 的区域一律当柔性处理，要么 MD 探索要么实验验证，绝不拿去当刚性模板做设计。另一个常被忽略的点：PAE，只看 pLDDT 会漏掉”局部准但相对位置飘”的情况，我交付前一定把 PAE 图一起看。

六、复盘总结

回过头看，生物分子结构预测最容易被当成”输入序列出结构”的黑箱，但它真正的价值在置信度解读：pLDDT 告诉你哪准、PAE 告诉你能不能信相对位置、MD 帮你把应变释放。我现在的习惯是 MSA 加深、双置信度筛选、再用 MD 精炼，三步少一步都不敢把预测结构拿去支撑设计。结构预测不是万能晶体，它是带置信区间的草稿。把 MSA、置信度、MD 三件事钉死，拿到的模型才敢往下用。