AI驱动蛋白预测，开启药物研发的精准设计时代

AI驱动蛋白预测，开启药物研发的精准设计时代

蛋白质是人体内执行绝大多数细胞功能的分子机器。它们的核心特征在于：由氨基酸序列折叠而成的三维结构，很大程度上决定了其功能——一个蛋白质能催化什么反应、结合什么分子、传递什么信号，主要由其空间结构决定。因此，想要理解疾病机理、设计能精准抑制靶点的药物，或者改造酶使其更耐高温，都绕不开一个核心问题：这个蛋白质的空间结构是什么样，它会如何发生构象变化？

然而，实验解析蛋白质结构并不容易。X射线晶体衍射、冷冻电镜等技术虽然精度高，但单个蛋白的解析周期往往长达数月至数年、成本可达数百万元。X射线衍射需要培养高质量晶体，很多蛋白（如膜蛋白）难以结晶；冷冻电镜虽无需结晶，但对样品稳定性要求严苛，制样过程易导致蛋白变性，两类传统实验方法均存在明显适用边界。这一难题困扰了生物学界数十年，始终是难以攻克的技术瓶颈。截至2020年底，UniProt等数据库收录的已知蛋白质序列已超1.9亿条，但经实验测定的蛋白质结构不足18万个，二者间存在巨大的数量鸿沟。正因如此，科学家们一直在探索一种可绕过漫长的实验，直接从氨基酸序列推算三维结构的方法——这正是蛋白质预测的核心任务之一。

3D Protein Structure and Bottlenecks of Traditional Structure Determination

AI如何实现蛋白预测？

AI蛋白质预测模型以目标氨基酸序列为核心输入，第一步是通过序列搜索构建多序列比对（MSA），从不同物种的同源序列中捕获残基间的共进化约束。简单来说，在漫长的物种演化进程中，三维空间上相互邻近的氨基酸残基会协同发生适应性突变，共同维持蛋白质整体结构的稳定；这种跨物种同源序列中呈现的协同进化信号，可间接反映残基间的空间邻近关系。在此基础上，AlphaFold2采用Evoformer深度神经网络模块，通过注意力机制在MSA进化信息与残基对空间表征之间循环迭代，逐步推理出所有残基对在三维空间中的距离和相对取向，最终生成高精度的三维结构模型。在CASP14（国际蛋白质结构预测竞赛）中，该模型对所有靶点的预测中位GDT_TS（全局距离测试总分）达到92.4分（满分100），在难度最高的自由建模类别中也取得87.0分。基于PDB等实验解析结构数据库的海量数据训练，模型逐步掌握了从一维氨基酸序列映射到三维原子坐标的复杂规律，单个蛋白的结构推理仅需数分钟即可完成。

截至2025年底，AlphaFold数据库已收录超过2.41 亿个结构预测，覆盖了绝大多数已知蛋白质序列（相比之下，实验解析的蛋白质结构数据库PDB仅约 24.7 万条结构数据）。目前全球190多个国家的数百万科研人员可以免费获取这些数据，这场大规模的开源运动，被公认为结构生物学继人类基因组计划之后的又一里程碑。

当然，AlphaFold也存在明显局限。在多域蛋白中，那些需要不同结构域相对运动来执行功能的自抑制蛋白，其实验结构往往难以被AlphaFold准确复现。此外，其对蛋白内在无序区（IDRs）的预测也存在显著偏差。总体来看，AlphaFold预测的结构多为静态单一构象，但蛋白质的功能往往依赖其动态构象变化，现有方法在捕获这种构象多样性方面仍面临挑战。因此，即便预测精度已达近原子级别，其输出的三维模型在实际应用中仍需实验手段的进一步验证。但毫无疑问，它极大缩短了从序列到结构的获取时间，使大量此前无法实验解析的蛋白有了可参考的三维模型。

From Sequence to Structure

从预测结构到预测功能，再到设计蛋白

AlphaFold主要解决了"从序列到结构"的问题，但蛋白预测的范畴远不止于此。另一个重要方向是从结构或序列预测功能——例如，蛋白质能否结合特定配体、是否具备催化活性、发生突变后功能会出现何种变化。

以蛋白质语言模型为代表，这类模型在海量天然蛋白序列上训练后，能够学习到氨基酸序列的"进化规律"。例如，ESM-1v等蛋白质语言模型可预判单点突变对蛋白功能的影响，帮助研究人员快速筛选出有望提升热稳定性、分子结合能力的候选突变体，大幅减少盲目实验的工作量。又如，针对酶的设计，AI可以从序列出发预测其底物亲和力或催化效率，从而为定向进化实验提供方向。这些"从序列直接到功能"的预测方法，大幅提升了功能分析和突变筛选的效率。

更进一步，蛋白预测还可以逆向进行：从功能需求反向生成序列。给定一个期望的功能（如"特异性结合某靶点"），AI可以尝试生成满足该功能的蛋白序列，这就为蛋白质的"从头设计"打开了空间。

晓鹜智能体：打造预测— 设计 — 验证一体化研发闭环

当蛋白预测技术发展到可反向生成序列的阶段，产业端也出现了新的需求：能否将分散的技术工具整合，打通预测、设计、验证的全流程，形成自动化的研发闭环？天鹜科技推出的MatwingsVenus™（晓鹜™）智能体，正是沿着这一思路构建的对话式蛋白质研发平台。

它并非单一的结构预测工具，而是可理解自然语言指令的智能研发助手。用户仅需用自然语言描述任务目标， MatwingsVenus™（晓鹜™）便会自动拆解任务，调用结构预测、功能评估、可开发性分析等200余种工具，并将计算结果对接自动化湿实验平台，形成“AI设计—实验验证—数据回流—再设计”的迭代闭环。

与通用预测工具不同，MatwingsVenus™（晓鹜™）从诞生之初就聚焦药物研发的实际需求，针对GPCR、激酶、抗体等主流药物靶点进行了专项训练。在配体-蛋白结合、抗体-抗原相互作用等药物研发核心场景中，其专项模型在结合亲和力预测、表位识别等关键指标上表现优于通用基线模型，可显著缩短抗体早期发现的研发周期。作为国产自主研发平台，它同时提供企业级服务，通过细粒度权限管理、全流程审计追溯等机制保障研发数据安全。目前， MatwingsVenus™（晓鹜™）已在多个项目中完成从蛋白质从头设计到实验验证的全流程落地，推动药物研发从“实验试错”向“精准设计”转变。

仍然存在的挑战

尽管蛋白预测技术已取得多项突破性进展，但距离完全解析生命分子的运行规律仍有显著差距，多个核心难题有待学界与产业界共同攻克。

动态构象预测是当前最突出的挑战之一。现有主流方法大多只能输出蛋白质的单一静态结构，而蛋白质的功能往往依赖于动态构象变化，这就像给奔跑的物体拍摄清晰的动态视频，难度远高于拍摄一张静态照片。多蛋白复合物的协同折叠则更为复杂，类似预测整支球队的战术配合，而非仅分析单个球员的动作，其复杂度呈指数级增长。据行业统计，膜蛋白是超60%小分子药物的作用靶点，但其结构预测会受到细胞膜磷脂双分子层环境的复杂影响，目前预测精度普遍低于可溶性蛋白。此外，从结构到功能的精准映射仍未完全实现，大量蛋白质结构相似但功能迥异；同时许多高性能AI模型如同“黑箱”，虽能输出预测结果，但其内部决策机制对应的生物学原理难以被研究者解读，这种“可解释性”的不足，也限制了技术在药物研发等高安全要求场景中的深度应用。

展望

The Era of AI-Driven Drug Discovery

从AlphaFold打开结构预测的大门，到蛋白质语言模型实现功能预测，再到MatwingsVenus™（晓鹜™）等产业平台探索设计—验证一体化，蛋白质预测技术正沿着“看得见—读得懂—造得出”的路径持续演进。行业普遍认为，该技术有望将药物早期研发周期缩短近一半，显著降低研发成本，也能让更多中小型研究团队获得过去仅大型药企、顶尖机构才能具备的分子设计能力。

当AI越来越多地破译生命的“折纸密码”，按需设计创新分子、精准干预疾病的目标，正一步步从设想走向现实。