Nat. Methods | 从“可能结构”到精准预测: AI如何重塑大分子构象集合研究

DRUGONE

生命体系本质上是动态变化的，而蛋白质等大分子并不是单一静态结构，而是由大量可相互转化的构象状态共同组成的动态构象集合（conformational ensembles）。这些动态状态对于酶催化、变构调控、分子识别以及信号传导等生物学功能至关重要。然而，当前结构生物学和人工智能结构预测仍然主要依赖“静态结构”范式，例如AlphaFold虽然彻底改变了蛋白结构预测，但其核心仍然是预测单一构象，而无法真正描述蛋白在不同时间尺度上的动态构象分布。

文章指出，真正的下一代结构生物学目标，并不是预测“一个结构”，而是预测完整的大分子构象集合，包括不同状态之间的概率分布、热力学关系以及在不同环境下的动态变化。然而，实现这一目标面临巨大挑战。目前缺乏能够在原子分辨率下完整解析构象景观的实验技术，也缺乏标准化的构象集合表示方法、比较指标以及验证体系。

研究人员系统讨论了构象集合预测所面临的核心问题，包括构象集合定义不统一、实验数据稀疏且存在平均化效应、不同技术间的数据整合困难，以及如何建立真正的“ground-truth ensemble”数据集。文章进一步提出，未来需要通过整合冷冻电镜、NMR、X-ray、分子动力学以及生成式AI模型，建立统一的大分子动态结构基础设施，从而推动结构生物学从“静态快照”时代迈向“动态分布”时代。

传统结构生物学长期以来主要关注单一静态结构。例如，X-ray晶体学和冷冻电镜通常给出的是最稳定或最主要构象，而这些结构往往被视为蛋白“真实结构”。然而，真实生物体系中的蛋白始终处于动态变化中，不断在多个构象之间转换。

从统计热力学角度来看，大分子的宏观性质来源于大量微观状态的Boltzmann加权平均。即使是处于天然折叠态的蛋白，也存在从键振动、侧链翻转、loop运动到大尺度结构重排等多层级动态变化。整个构象集合共同决定了蛋白的稳定性、结合能力以及催化行为。

目前的实验技术虽然各具优势，但都无法单独完整解析构象集合。例如：

• 冷冻电镜和X-ray能够提供高分辨率结构，但受到冻结状态和晶体环境限制；
• NMR能够观察动态平均信息，但受体系大小与灵敏度限制；
• 分子动力学能够模拟动态过程，但受到力场精度与时间尺度限制。

因此，目前大多数结构模型实际上只是整个构象景观中的极少数状态。这种“静态结构中心主义”不仅限制了对蛋白功能的理解，也影响了AI结构预测的发展，因为蛋白功能往往依赖于动态构象之间的转变，而非单一结构本身。

文章认为，未来若能够真正实现构象集合预测，将能够直接连接结构模型与宏观生物学性质，从而揭示疾病机制、蛋白进化规律以及下一代药物设计原理。

蛋白构象集合预测的核心问题

文章提出，实现类似AlphaFold那样的构象集合预测，需要解决四个基础问题。

首先，不同学科对“构象集合”的定义并不统一。有些研究仅关注几个离散宏观状态，而忽略了大量微观状态的连续变化。事实上，即使极低概率状态也会影响整体热力学性质，因此不能简单只关注主要构象。

其次，目前没有任何单一实验技术能够完整捕获构象集合。不同实验技术只能观察动态景观中的部分信息，因此必须通过多模态数据整合才能接近真实构象空间。

第三，实验数据本身存在严重挑战。例如，大多数实验测量实际上是大量构象的时间平均与集合平均，因此多个不同构象集合可能同时满足实验数据，导致逆问题（inverse problem）本质上是病态的。

第四，目前缺乏统一的构象集合表示方法、比较指标以及不确定性量化框架。当前PDBx/mmCIF主要适用于静态结构，而无法有效表达复杂动态构象集合。

图1：蛋白自由能景观与多尺度构象集合。

如何建立真正的“Ground-Truth Ensemble”

文章强调，未来最重要的任务之一，是建立真正可信的大分子构象集合标准数据集。

研究人员认为，不能再停留在“一个实验技术对应一个结构”的传统思维，而应转向整合结构生物学（integrative structural biology）。不同实验技术能够提供互补信息：

• cryo-EM与X-ray提供原子级静态结构；
• NMR提供局部动态信息；
• FRET、DEER、SAXS和AFM能够描述大尺度运动；
• 分子动力学则可连接不同构象之间的转变。

例如，核糖体就是典型案例。其不同构象状态之间的平衡决定了翻译效率与准确性，而这些状态受到RNA和蛋白微小涨落影响。如果只研究几个宏观状态，就会忽略许多对翻译调控至关重要的微观细节。

文章进一步指出，目前许多实验数据中的“隐藏信息”尚未被充分利用。例如：

• cryo-EM particle stack中的异质性；
• X-ray diffuse scattering中的动态信息；
• 多温度晶体学中的低概率状态。

未来需要新的统计结构生物学算法，从这些数据中提取真正的动态构象信息。

图2：统计结构生物学与整合结构生物学框架。

实验挑战：平均化、稀疏性与噪声

即使获得大量实验数据，构象集合重建仍然极其困难。因为大部分实验数据本质上是ensemble average，即大量构象状态的平均结果。

这意味着：

• 不同构象集合可能给出相同实验结果；
• 实验噪声会进一步降低重建精度；
• 某些低概率状态虽然罕见，却可能对实验信号贡献巨大。

例如，在NMR NOE与FRET实验中，信号与距离呈1/r⁶关系，因此即使极少数短距离构象，也会显著影响整体观测值。

为了解决这些问题，研究人员开始发展Bayesian inference与maximum entropy等方法。这些方法能够在实验数据约束下，对不同构象状态重新加权，从而得到更符合真实物理规律的构象集合。

此外，蛋白内部往往同时存在刚性区域与高度柔性区域，这使得传统RMSD等全局比较指标失效。例如，高度动态loop可能掩盖结构核心中真正具有功能意义的微小变化。

因此，未来需要新的层级化表示方式，能够同时处理不同尺度动态，并维持统一的热力学分布。

构象集合的编码与比较

文章指出，目前PDB格式实际上并不适合表示构象集合。

现有altloc、B-factor以及multimodel encoding都存在明显缺陷：

• altloc只能表示少量离散状态；
• B-factor混合了真实动态与实验噪声；
• multimodel缺乏状态概率信息。

因此，未来需要新的构象集合编码框架，能够：

• 表达状态之间的层级关系；
• 区分构象异质性与组成异质性；
• 包含Boltzmann权重与不确定性信息。

在比较指标方面，目前RMSD主要适用于单一结构，而不适用于概率分布。未来更合理的方法可能是基于概率密度函数（PDF）的比较，例如Jensen–Shannon divergence。

但作者也指出，仅依赖低维PDF仍可能丢失关键物理信息，因此未来需要类似蛋白语言模型embedding的高维表示方法。

图3：病态逆问题与构象集合重建。

机器学习与分子动力学的融合

文章认为，未来真正的构象集合预测，将建立在机器学习与分子动力学深度融合基础之上。

传统分子动力学虽然天然适合描述构象集合，但受到采样效率与力场精度限制。近年来，机器学习力场开始接近量子化学精度，而增强采样方法也借助深度学习获得提升。

更重要的是，生成式AI正在迅速进入构象集合领域。例如：

• Boltzmann Generator利用normalizing flow生成平衡态分布；
• diffusion model开始用于生成蛋白构象集合；
• 部分模型已经能够预测无序蛋白构象分布。

不过，目前这些方法仍然远不可靠。例如，通过操控AlphaFold MSA可以诱导不同构象，但这些状态缺乏真实热力学概率信息，并且可能生成不稳定甚至非物理状态。

因此，未来必须建立更加完善的数据基础设施，使实验结构生物学与机器学习形成闭环反馈：

• AI帮助实验分析；
• 实验数据反向优化AI模型；
• 新模型再指导实验设计。

文章认为，未来所有结构数据都应被视为“ensemble data”，而不是单一结构。

讨论

文章最后强调，当前结构生物学正处于从“静态结构时代”向“动态构象时代”转型的关键节点。

未来真正重要的问题不再是：“蛋白长什么样？”，而是：“蛋白如何在不同状态之间动态切换？”。

构象集合预测不仅能够提升结构预测精度，更可能彻底改变药物发现与蛋白设计。例如：

• 稳定低概率构象的小分子药物；
• 依赖动态构象识别的抗体；
• 能够跨越复杂构象景观的酶设计。

研究人员进一步指出，目前许多结构预测难题，例如亚埃级精度问题、RNA结构预测困难、突变效应预测失败，本质上都可能源于缺乏构象集合表示。

因此，未来需要建立统一的大分子构象集合基础设施，包括：

• 数据采集；
• ensemble建模；
• 编码标准；
• 比较指标；
• benchmark体系；
• 主动学习框架。

文章认为，这种转变最终将使结构生物学真正从“静态快照”进化为“动态生命过程”的科学。

整理 | DrugOne团队

参考资料

Wankowicz, S.A., Bonomi, M. From possibility to precision in macromolecular ensemble prediction. Nat Methods (2026).

https://doi.org/10.1038/s41592-026-03084-z