ProteinMPNN蛋白质序列设计:让AI读懂蛋白骨架
发布于 2026年11月3日

图1·ProteinMPNN蛋白质序列设计概念全景
传统蛋白序列设计依赖大量专业知识与反复试错:我们需要回答「怎样的氨基酸序列,能折叠成这个三维结构、又能稳定表达并具备所需功能」。如今,深度学习带来了一个更优雅的问题——把方向反过来。给定一个蛋白骨架,AI能否直接写出折叠成它的序列?这就是逆折叠(inverse folding),而ProteinMPNN(Protein Message Passing Neural Network)正是这一方向的代表性方法。本文带你拆解它的原理、能力边界,以及它如何落地到蛋白工程的AI闭环。
一、背景/机制:从「结构预测」到「逆折叠」
蛋白质的「序列」与「结构」之间存在一个相互映射的问题。结构预测(structure prediction)是给定序列、预测结构,AlphaFold、ESMFold等模型正是为此而生。而逆折叠(inverse folding)则把问题反过来:给定三维骨架,反推与之相容的氨基酸序列。
逆折叠之所以难,是因为答案不唯一:同一骨架可能对应海量可行序列,而其中大多数可能不可表达、不稳定或不具备功能。因此,序列设计的目标不只是「恢复天然序列」,更是产出高可设计性(designability)的候选——能折叠到目标骨架、可溶、稳定、且能为后续功能化留出空间。ProteinMPNN正是为解决这一「多解且要兼顾多目标」的问题而生。
二、原理/结构:ProteinMPNN 如何工作

图2·ProteinMPNN逆折叠机制示意
ProteinMPNN是一个消息传递神经网络(MPNN),本质是把「结构和序列的关系」学成一个概率模型。大致流程如下:
输入是骨架几何:以每个残基的主链原子(N、Cα、C、O)坐标作为节点,并引入「虚拟Cβ」来编码侧链空间方向。
构造图:把每个残基与其空间邻近残基(约48个邻域)相连,边特征由原子间距离与相对位姿编码,区分链内/链间。
消息传递编码器:逐层更新节点与边表示,让每个残基「读取」周围环境的信息。
顺序无关(order-agnostic)自回归解码:不再固定从N端到C端地生成,而可采用任意解码顺序;还能把部分位置固定为已知残基作为上下文,使设计更可控。
输出概率分布:对每个位置输出20种氨基酸的分布,从而采样出候选序列。
在训练侧,ProteinMPNN以PDB中的结构组装体为数据(通常限于分辨率优于3.5 Å、按30%序列同一性聚类的记录),以「恢复天然序列」为监督目标学习结构与序列的对应关系(模型规模:基线为3层编码器+ 3层解码器、128隐藏维)。
三、测定/评估:如何判断一套序列设计是否成功
序列设计的「好坏」需要多个维度共同衡量,不能只看单一指标:
序列恢复率(sequence recovery):在天然骨架上,文献报道ProteinMPNN约达52%,而Rosetta约为33%(具体数值随测试集/基准不同而有所差异)。
关键提醒:序列恢复率≠可折叠性。一个位点的替换就可能阻碍正确折叠,因此高恢复率只是「更像天然」的信号,而非「必定成功」的保证。
计算验证:更稳妥的做法是把候选序列交给AlphaFold2等模型回折,比较预测结构与目标骨架的backbone RMSD、TM-score、pLDDT,并对可溶性、聚合倾向等做预测过滤。
湿实验实测:最终要看表达量、可溶性、寡聚状态、热稳定性,以及目标活性/结合。只有把「计算得分」与「湿实验实测」严格区分,才能避免把预测当成结论。
四、条件/工艺:ProteinMPNN 序列设计流程与要点

图3·ProteinMPNN序列设计「干湿闭环」应用流程
一个典型的ProteinMPNN序列设计流程可以分为以下环节:
确定目标骨架:可以是已知结构、从头生成的骨架(如RFdiffusion这类骨架生成器),或用户自己的结构。
配置采样:设定解码温度、生成序列数量、是否固定若干位点、是否需要多样性;一般在给定骨架上批量输出多条候选序列。
打分与筛选:利用ProteinMPNN自带的序列—结构适配打分,再叠加AlphaFold2回折验证(RMSD/pLDDT)进行初筛。
湿实验验证:表达、纯化、表征(可溶性、寡聚状态、稳定性、活性/结合)。
迭代闭环:把湿实验数据回填,用于微调设计策略,形成「设计—测试—学习」(active learning)回路。
需要注意的要点包括:模型对晶体学分辨率敏感;基础版本主要面向蛋白质(蛋白—核酸、蛋白—配体复合物需扩展模型,如LigandMPNN等);且不同类别的实验成功率并不相同(例如文献示例中,96个单体设计里50个达到了目标寡聚状态)——这些都提示我们,计算设计只是起点,湿实验与多目标权衡才是关键。
五、MatwingsVenus®(晓鹜®)的赋能作用
MatwingsVenus®(晓鹜®)把AI序列设计(包括ProteinMPNN类逆折叠模型)与高通量湿实验、数据管理与建模能力结合,构建「干湿闭环」平台:让用户从「手动试错」转向「计算设计→实验验证→数据学习」的可持续迭代循环,缩短从候选到可开发分子的周期,并让每一步的计算结果与实测数据互相校验。
相关产品/服务:
六、常见问题(FAQ)
1. ProteinMPNN 是什么?
ProteinMPNN是一种基于消息传递神经网络的深度学习模型,用于蛋白逆折叠:给定蛋白骨架,预测能够折叠成该骨架的氨基酸序列。
2. ProteinMPNN 能预测蛋白结构吗?
不能。ProteinMPNN做的是逆折叠(结构→序列);结构预测(序列→结构)是AlphaFold、ESMFold等模型的职责,两者是互补关系。
3. 序列恢复率越高越好吗?
不一定。恢复率只是「更像天然」的指标,不等于可折叠性;单个位点替换就可能阻碍折叠,因此需结合回折与湿实验综合判断。
4. ProteinMPNN 能设计哪些类型的蛋白?
文献报道可覆盖单体、环状寡聚体、蛋白纳米颗粒、蛋白—蛋白界面,以及结合子(binder)设计等场景。
5. 使用 ProteinMPNN 需要什么输入?
需要蛋白骨架的三维坐标(通常为主链原子,常含虚拟Cβ编码侧链方向),来源可以是已知结构、结构预测或从头生成的骨架。
6. ProteinMPNN 能预测结合亲和力吗?
不能直接给出结合亲和力。需要另外的打分/建模或实验测定;把模型打分与实测数据结合才更可靠。
7. 对蛋白—核酸或蛋白—配体复合物适用吗?
基础版本主要面向蛋白质;蛋白—核酸、蛋白—配体复合物通常需扩展模型(如LigandMPNN等),或结合专门的对接/关联流程。
七、总结
ProteinMPNN蛋白质序列设计把蛋白工程中最耗时的「序列设计」问题交给深度学习:以消息传递神经网络理解骨架几何,再以顺序无关的自回归解码输出候选序列,并能在回折验证与湿实验的配合下不断迭代。需要强调的是,它并不取代结构预测,也不替代实验——而是与二者协同,成为蛋白工程「干湿闭环」中承上启下的关键一环。对希望把AI蛋白设计与实验验证连成闭环的团队,MatwingsVenus®(晓鹜®)提供从计算设计到湿实验与数据学习的一体化路径。
