_

AlphaFold2 and Its Applications in the Fields of Biology and Medicine

• 作者：Zhenyu Yang、Xiaoxi Zeng、Yi Zhao、Runsheng Chen
• 期刊与年份：Signal Transduction and Targeted Therapy，2023，8：115
• DOI：10.1038/s41392-023-01381-z
• 文章类型：综述
• 总结范围：引言、AlphaFold2 原理、应用及局限。内容依据用户提供的全文 PDF，反映该综述发表时的研究进展，不包含此后模型的更新。
• 定位说明：下文页码均对应原文 PDF 页码；“原文参考文献编号”用于回查该综述的参考文献表，不表示本总结另行核验了这些研究。

核心观点：AlphaFold2（AF2）通过结合进化信息、深度学习与三维几何约束，大幅提高蛋白质结构预测能力，并为生物学和医学研究提供广泛的结构基础。但预测结构主要是静态模型，不能自动回答蛋白质如何运动、如何响应配体、突变或翻译后修饰等问题。

一、引言：为什么 AlphaFold2 是重要突破？

原文位置：第 1–2 页，Introduction 及蛋白质结构预测背景。

1. 研究背景与核心问题

蛋白质三维结构是理解其功能、分子相互作用和疾病机制的重要基础。尽管 X 射线晶体学、核磁共振（NMR）和冷冻电镜（cryo-EM）不断发展，实验解析结构的规模仍远小于已知蛋白质序列的规模。文章指出，在其写作时，已解析的结构约为 20 万，仅覆盖已知蛋白质空间的一小部分。因此，如何从氨基酸序列准确预测三维结构，是计算生物学长期面对的关键问题。

AF2 于 2020 年在第 14 届蛋白质结构预测技术评估（CASP14）中取得突出成绩，许多预测达到接近实验结构的精度。随后，DeepMind 与 EMBL-EBI 发布超过 2 亿个预测蛋白质结构，使研究者能够大规模获取此前缺失的结构信息。这里的“预测结构”与“实验解析结构”应作区分，也不能理解为所有预测区域均具有相同精度。

2. AF2 所处的技术发展脉络

文章将结构预测方法概括为三类：

文章以 Anfinsen 蛋白质折叠假说作为序列预测结构的理论背景，并通过 CASP 的盲测结果说明：AF2 的突出进步不仅体现在较容易的目标上，也体现在传统方法难以准确处理的中等及困难目标上。

3. 本综述的目的

本文不是提出新算法或报告单项实验，而是解释 AF2 的工作原理和成功因素，整理其在生物学与医学中的早期应用，并说明哪些研究问题仍超出当时 AF2 的可靠能力范围。

二、AlphaFold2 原理：从进化信息到三维结构

原文位置：第 2–5 页；图 2（第 4 页）展示总体架构。

1. 生物学依据：结构保守性与残基共进化

AF2 利用的关键线索是：蛋白质结构通常比氨基酸序列更保守，而不同序列位置的协同变化可能反映结构上的相互作用。

例如，两个残基在折叠后相互接触，其中一个发生改变时，另一个可能出现补偿性改变，以维持稳定性或功能。通过比较大量同源序列，模型可以学习这种共进化关系，为判断哪些残基在空间上接近提供线索。这些线索是预测依据，并不意味着任意共变都直接证明物理接触。

2. 总体流程

目标氨基酸序列
    ↓
检索同源序列与可用结构模板
    ↓
构建多序列比对（MSA）表征与残基对表征
    ↓
Evoformer：反复交换、更新进化信息和残基对信息
    ↓
结构模块：生成主链与侧链的三维原子坐标
    ↓
回收迭代（recycling）进一步精化预测
    ↓
Amber 松弛，修正局部几何违例与原子冲突

以上为便于理解的简化流程；回收迭代会把先前输出重新送入网络，而不是只在最终坐标上做一次后处理。

3. 输入模块：组织序列与模板信息

AF2 在序列数据库中检索同源蛋白并建立多序列比对（multiple sequence alignment，MSA），同时检索可用的结构模板。输入被组织成两类主要表征：

• MSA 表征：编码不同同源序列在各残基位置上的信息，帮助模型识别保守性和共进化关系。
• 残基对表征（pair representation）：编码两两残基之间的关系，并整合模板等信息，为后续空间关系推断提供基础。

与传统同源建模相比，AF2 不只是把模板坐标转移到目标序列上，而是利用 MSA 中更丰富的统计关系，学习如何构建目标结构。

4. Evoformer：联合更新进化信息与几何关系

Evoformer 包含 48 个不共享权重的模块，每个模块同时更新 MSA 表征和残基对表征，并让两者交换信息。

• MSA 行注意力帮助捕捉不同序列位置之间的长程关系。
• MSA 列注意力帮助整合同一残基位置在不同同源序列中的信息。
• 三角乘法更新与三角注意力以三个残基之间的关系为基础更新残基对表征，帮助网络学习空间关系的一致性。

其关键价值在于双向反馈：进化信息帮助推断空间关系，改进后的空间关系又帮助模型重新理解进化信息。

5. 结构模块：将抽象表征转换为原子坐标

结构模块包含 8 个共享权重的模块。它读取目标序列的单残基表征、残基对表征和主链参考框架，预测各残基在三维空间中的位置与方向。

核心机制是不变点注意力（Invariant Point Attention，IPA），它把几何信息引入注意力计算，使预测过程能够正确处理整体平移和旋转。网络逐步更新残基参考框架，再预测侧链扭转角，得到原子坐标。最后使用 Amber 松弛缓解不合理的局部立体化学构型和原子冲突。

6. 为什么 AF2 能取得成功？

作者将其成功归因于几个相互配合的因素：

1. 面向蛋白质问题设计的注意力架构：同时学习长程序列关系、进化保守性和空间几何约束。
2. 端到端学习：把序列信息处理与三维结构生成纳入统一训练框架。
3. 回收迭代：将上一轮的结构与中间表征作为新输入，反复修正预测；文中介绍了三次回收的设置。
4. 自蒸馏训练：结合实验结构与模型生成的预测结构扩大训练数据。文中介绍的训练样本组合为约 25% 来自 PDB、75% 来自自蒸馏数据集。
5. 大规模高质量数据：丰富的序列和结构资源使模型能够学习复杂的序列—结构关系。

理解要点：AF2 主要学习如何由序列信息预测结构；它输出结构的过程不等同于重现蛋白质在真实环境中的完整物理折叠过程。

三、应用：结构信息如何推动生物学与医学研究？

原文位置：第 5–9 页；图 3（第 6 页）将应用分为八类。

应用中最重要的两点辨析

**第一，结构可获取性提高，不等于下游预测自然可靠。**例如，文章既引用了一项针对 28 个药物靶点、显示 AF2 结构与实验结构虚拟筛选表现接近的研究，也列举了对接富集较弱、侧链质量不足的研究。因此，筛选效果仍取决于具体靶点、口袋构象、侧链精度和对接方法，不能普遍认定预测结构可完全替代实验结构。

**第二，AF2 原始模型、其扩展方法和整合流程需要区分。**复合物预测往往依赖 AlphaFold-Multimer 或 AF2Complex 等扩展；药物发现和机制研究通常还结合分子对接、分子动力学、其他机器学习工具与实验验证。应用成果应归于整套研究流程，而不是全部归于 AF2 单独完成。

四、局限：哪些问题仍不能可靠解决？

原文位置：第 9–10 页，Limitations of current AF2 prediction；部分应用边界见第 7–8 页。

1. 静态结构不能充分表示蛋白质动态行为

蛋白质往往具有多个功能状态，离子通道、转运蛋白和受体等会发生构象变化。AF2 通常给出一个主要预测构象，难以完整覆盖状态集合、状态转换和构象多样性。文章提到，通过特定输入设置可以尝试采样替代构象，但这并不等同于可靠预测完整动力学行为。

此外，一些多结构域蛋白的整体构象仍存在困难。局部结构域预测较好，并不自动保证它们之间的相对位置或功能状态正确。

2. 无序区域与柔性环区难以准确描述

AF2 更擅长处理具有稳定折叠的区域。对于天然无序区域和柔性环区，单一结构难以表达其在溶液中的真实形态、动态分布及相互作用。可用于比对的同源序列较少时，预测也可能受到影响。

3. 配体和相互作用伙伴引起的构象变化难以处理

小分子、肽或其他蛋白结合后，可能诱导明显的局部或整体变化，尤其涉及变构调节时。文章指出，原始 AF2 并非专门用于预测加入特定结合伙伴后蛋白质如何改变形状。因此，即使预测了受体的整体折叠，也不能据此保证结合口袋处于正确状态或能准确预测配体结合模式。

4. 点突变的结构与功能效应预测不稳定

能够预测野生型蛋白结构，不代表能够准确预测单个氨基酸改变带来的稳定性、功能或致病效应。文章同时引用正面与负面研究，并指出部分研究发现 AF2 输出指标与突变引起的稳定性或功能变化只有弱相关，甚至没有相关性。

因此，突变前后预测结构相似，不足以认定该突变没有生物学影响；预测结构不同，也需要进一步证据确认影响。

5. 无法直接处理翻译后修饰的结构影响

磷酸化、甲基化、乙酰化和糖基化等修饰可能改变蛋白构象或活性。文中讨论的 AF2 基于氨基酸序列进行预测，不能直接识别这些修饰状态，因此不能可靠给出修饰诱导的构象变化。例如，激酶活化环磷酸化后的结构变化不属于其原始输入所充分表达的信息。

6. 对孤儿蛋白和人工设计蛋白仍有挑战

AF2 大量利用 MSA 中的进化信息。缺少可用同源序列的孤儿蛋白，以及部分人工设计蛋白，难以获得足够的共进化线索。文章将不依赖 MSA 的蛋白质语言模型视为值得发展的补充方向。

这与前文“AF2 可用于蛋白质设计”并不矛盾：它能帮助筛选和优化部分设计，但对所有新序列并不存在统一的准确性保证。

7. 训练数据、可解释性和计算流程存在限制

• 训练数据偏向：作者指出，训练所用 PDB 结构以晶体结构为主，提醒读者不要把预测构象直接等同于生理条件下的最低自由能状态。
• 可解释性有限：模型给出结构不代表已经解释蛋白质的折叠机制或功能机制。
• MSA 依赖与速度成本：检索和处理大量同源序列带来计算负担；同源信息不足也可能限制表现。
• 复杂相互作用的适用范围有限：复合物预测已有进步，但一些免疫识别复合物仍表现较差。

综合结论

本文将 AF2 定位为显著扩大结构信息供给、改变研究流程的重要工具。其最有力的用途，是为结构解析、设计、筛选和机制研究提供起点，并帮助形成可验证的假说。对于动态构象、无序区域、结合诱导变化、点突变及翻译后修饰，仍需结合相应的实验和专门计算方法。“预测到结构”与“解释了功能、机制或治疗效果”之间，仍有需要证据填补的距离。

关键术语速查

来源与改编说明：本文件为上述综述的中文概括与重组，不是逐段翻译。原文采用 CC BY 4.0 许可；作者、题名和 DOI 已列于文首。