AlphaFold 2:用注意力预测蛋白质结构

Highly accurate protein structure prediction with AlphaFold

作者:John Jumper、Richard Evans、Alexander Pritzel、Tim Green 等 34 位作者,通讯作者 John Jumper 与 Demis Hassabis(DeepMind,Nature 596, 583–589,2021)

发布时间:2021 年 7 月 15 日(Nature 正式发表);CASP14 盲测提交于 2020 年 5 月至 7 月

论文讲了什么

这篇论文宣告了一个持续 50 年的开放问题出现了实质突破:只给氨基酸序列,就能预测出接近实验精度蛋白质三维结构,即使这个蛋白在数据库里没有任何同源结构。DeepMind 在 CASP14 盲测中的中位骨架精度是 0.96 Å RMSD,第二名是 2.8 Å——作为尺度参照,一个碳原子的宽度约 1.4 Å。用评估常用的 GDT_TS 指标看,92 个评估域的中位数是 92.4,其中 87 个域超过 70(拓扑正确),58 个域超过 90(原子细节接近实验精度)。

为什么经典

  • 把”预测”做到了”接近测量”的量级:在此之前的几十年,自由建模(无同源模板)目标的分数长期在 40 上下徘徊。
  • 方法上是设计而非调参:作者把蛋白质的物理与演化先验(多序列比对、残基间几何约束)显式写进网络结构,而不是靠更大的模型硬堆。
  • 改变了结构生物学的作业顺序:过去是”先实验解结构,再理解功能”,此后大量工作可以先看预测结构再决定做什么实验。
  • 获得了 2024 年诺贝尔化学奖的承认:一半授予 Demis Hassabis 与 John Jumper(蛋白质结构预测),另一半授予 David Baker(蛋白质设计)。

一句话导读:用注意力把”进化史”和”几何约束”放进同一个网络,让计算机第一次能在没有模板的情况下画出原子的位置。

详细解读(中文)

一、论文背景:蛋白质的功能由三维结构决定,而实验测定(X 射线晶体学、冷冻电镜、核磁)一条结构往往要数月至数年。到论文发表时,PDB 中积累的实验结构约十万条,而已知的蛋白质序列有数十亿条,两者的缺口越拉越大。计算方法因此被寄予厚望,但长期存在两条互不相通的路径:一条基于物理,靠能量函数与力场做构象搜索;另一条基于演化,靠多序列比对挖掘共进化信号与同源模板。两条路在”有近缘模板”时有效,一旦遇到没有同源结构的新蛋白(自由建模目标),精度就一落千丈。CASP 每两年组织一次盲测——参赛者拿到的序列对应的结构尚未公开,这是该领域公认的金标准。2018 年的 CASP13 上,第一代 AlphaFold 已把自由建模目标的中位 GDT_TS 从约 40 拉到 58.9,但仍远未达到原子精度。

二、核心创新:这一代是彻底重做的系统,可以拆成四块。第一块是输入表示:每个蛋白被表示为两种东西——多序列比对(MSA,同一家族在不同物种中的序列对齐)和残基对表示(一个 N×N 的矩阵,记录任意两个残基之间的几何关系)。第二块是Evoformer,这是论文最核心的模块:它在同一个块里交替更新 MSA 表示与残基对表示,用 MSA 的行注意力与列注意力提取共进化信息,用”三角乘法更新”和”三角自注意力”强制残基间的距离关系满足三角形不等式——换句话说,让演化信号与几何约束互相校对,这是此前方法没有做到的。第三块是结构模块:用 SE(3) 等变注意力(对三维旋转平移等变的注意力机制)直接把残基对表示回归成主链的骨架框架与侧链扭转角,逐步”装配”出原子坐标,而不必在构象空间里搜索。第四块是训练策略:端到端可微,配合 recycling(把上一轮预测的结构与置信度作为输入再跑几轮,迭代修正)以及自蒸馏——用 PDB 的已知结构加上对大量未标注序列自行预测出的结构一起训练,显著扩充了数据。

三、技术细节:CASP14 以团队名 AlphaFold2 参加”人类组”评测。核心数字:中位骨架精度 0.96 Å RMSD95(95% 置信区间 0.85–1.16 Å),次优方法 2.8 Å(2.7–4.0 Å);全原子精度 1.5 Å(1.2–1.6 Å),次优 3.5 Å(3.1–4.2 Å)。按评估方的加权 z-score 排名,AlphaFold 得 244.0,次优团队 90.8。模型分辨率之外的另一个实用特性是逐残基置信度:它为每个残基输出可靠性估计(pLDDT),让人能判断哪一段可信、哪一段可能是无序区。规模上,它可以处理长达 2,180 个残基、且没有结构同源的蛋白,域内结构与域间排布都保持准确。

四、影响与发展:2021 年 7 月论文发表同期,DeepMind 开源了 AlphaFold2 的代码与权重,随后与 EMBL-EBI 合作建立了 AlphaFold DB,把预测结构批量开放给整个生物学界,并扩展到人类蛋白质组与一批模式生物。这对结构生物学的工作方式影响是结构性的:很多课题不再从”解结构”开始,而是先查预测结构、设计实验去验证关键位点;药物发现中的口袋识别、酶工程中的突变筛选也随之提速。2024 年的 AlphaFold3 进一步把范围从单一蛋白扩展到蛋白与 DNA、RNA、配体、离子的复合物。同时也必须看到局限:CASP14 主要评估单域结构,多聚体装配、构象变化、内在无序区仍是难题;置信度需要人来判读,低 pLDDT 区段不能直接当结论;模型对训练分布外的蛋白仍有系统性偏差。


查看原始论文(权威链接)

版权提示:上述链接指向论文的出版页面与官方说明,版权归原作者及出版方(Springer Nature 等)所有。本站仅提供链接指引入口,不转载、不托管论文全文;Nature 原文需按其订阅或开放获取条款访问,如需引用请遵循原文授权协议。

原始出处

英文标题:Highly accurate protein structure prediction with AlphaFold
中文标题:AlphaFold 2:用注意力预测蛋白质结构
作者:John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Olaf Ronneberger, Kathryn Tunyasuvunakool 等(共 34 位)
机构:DeepMind(伦敦)
期刊:Nature,第 596 卷,583–589 页
年份:2021
DOI:10.1038/s41586-021-03819-2

英文原文摘要节选

Structural coverage is bottlenecked by the months to years of painstaking effort required to determine a single protein structure. Accurate computational approaches are needed to address this gap and to enable large-scale structural bioinformatics. Predicting the three-dimensional structure that a protein will adopt based solely on its amino acid sequence — the structure prediction component of the ‘protein folding problem’ — has been an important open research problem for more than 50 years. Despite recent progress, existing methods fall far short of atomic accuracy, especially when no homologous structure is available. Here we provide the first computational method that can regularly predict protein structures with atomic accuracy even in cases in which no similar structure is known. We validated an entirely redesigned version of our neural network-based model, AlphaFold, in the challenging 14th Critical Assessment of protein Structure Prediction (CASP14), demonstrating accuracy competitive with experimental structures in a majority of cases and greatly outperforming other methods.

摘录仅用于介绍与评论,完整内容请见上方论文原文链接。

发表评论

您的邮箱地址不会被公开。必填项已用 * 标注

© 2026 AI泡泡堂 · 银川鲸鱼智家网络科技有限公司 · 宁ICP备2026003950号
回到顶部
公安联网备案:宁公网安备64010002000275号