AlphaFold
为什么重要
深度解析
AlphaFold 只接收一项输入——蛋白质的氨基酸序列——然后返回原子的三维坐标，以及逐残基的置信度分数。AlphaFold 2 流水线先搜索序列数据库，建立由进化近缘蛋白质组成的多序列比对（MSA），并寻找可用作模板的已知结构。两者随后一起输入以 Evoformer 模块为核心的神经网络；该模块在序列比对与残基关系的成对表征之间交换信息，后接一个输出原子坐标的结构模块。网络在蛋白质数据库中不到 20 万种实验测定结构上进行监督学习，流水线还会把自己的输出循环送回网络几次，以进一步打磨结果。根据序列长度，在单张 GPU 上跑一次预测需要几分钟到几小时。
MSA 才是秘密武器
AlphaFold 2 最重要的单项输入并非序列本身，而是多序列比对：从公共数据库中找来的数百乃至数千条相关蛋白质序列。在进化过程中一起突变的残基，通常也在折叠结构中彼此靠近；网络正是凭借这种协变信号推断三维接触关系。比对越深，预测通常越可靠；比对太浅则是结果不可信的主要原因，病毒蛋白、从头设计的蛋白质，以及已知近亲很少的“孤儿”序列尤其容易遇到这个问题。Meta AI 的 ESMFold 等后续系统用蛋白质语言模型取代数据库搜索，速度快了几个数量级，代价是在比对充分的家族上损失一些准确度。追求最高精度的团队仍会运行完整 AlphaFold 2，只把语言模型变体留给数百万条序列的筛选。
Evoformer 内部
AlphaFold 2 的核心是 Evoformer，由 48 个模块堆叠而成，在两种表征之间来回传递信息：一边是比对结果的行与列，另一边是“成对表征”，负责追踪网络对每一对残基关系的当前判断。这套机器以注意力为基础，也就是驱动 Transformer 的同一种基本操作，并加入名为三角更新的自定义运算，使成对表征逐渐符合几何一致性：如果残基 A 靠近 B，而 B 又靠近 C，那么 A 多半也该离 C 不远。随后，结构模块通过不变点注意力把精炼后的表征转为坐标；这个能感知几何的变体在三维旋转和平移下仍会正确工作。真正让许多实践者意外的是，准确度有多么少来自蛮横堆规模：AlphaFold 2 约有 9300 万个参数，按现代语言模型的标准小得可怜。
读懂置信度分数
每次 AlphaFold 预测都会附带名为 pLDDT 的逐残基置信度分数，范围为 0–100。高于 90 的区域通常连侧链位置都可靠，70–90 表示主链可信，低于 50 则应理解为“可能没有折叠”——低 pLDDT 往往是在正确预测固有无序，并不代表模型失败。对于复合物，预测比对误差（PAE）矩阵会报告不同结构域或链之间相对位置的可信程度，这正是一个可用的对接假设与一张漂亮图片之间的差别。值得养成的工作习惯是，先看 pLDDT 图，再看三维视图；任何预测都只能当作假设，在成为论文或药物项目的支柱前仍需要实验支持。
它预测的是结构，不是折叠过程
一个挥之不去的误解是 AlphaFold“解决了蛋白质折叠问题”。它真正解决的是结构预测：给定一条序列，产出蛋白质最可能采取的形状。至于它如何抵达这个形状——经典折叠悖论关心的路径、动力学和中间状态——AlphaFold 什么也没说；而且它大多只输出一种静态构象，真实蛋白质却会弯曲、呼吸，并在不同状态间切换。它也不会直接告诉你某个突变将如何影响稳定性或功能，对配体、膜和翻译后修饰的处理可靠性也参差不齐。这里的深度学习最好理解为一个对进化和结构数据异常优秀的模式匹配器，而不是物理引擎；要研究动态过程，仍得靠分子模拟和湿实验。
AlphaFold 3、数据库与诺贝尔奖
围绕模型还长出了 AlphaFold 蛋白质结构数据库。这是 Google DeepMind 与 EMBL-EBI 的合作项目，免费发布预先算好的预测结果：超过 2 亿种结构，几乎覆盖所有已编目的蛋白质。2024 年发布的 AlphaFold 3 不再局限于单条蛋白质链，而是泛化到包含 DNA、RNA、配体和离子的复合物；它还用扩散模型取代结构模块，直接生成原子坐标，这才让系统能处理氨基酸之外的化学物质。用户可通过免费的托管服务器访问，代码和权重后来也按非商业用途发布；对于一个战略价值如此高的系统而言，这是一次相当显眼的开放权重姿态，也呼应了始于 AlphaGo 的研究谱系。2024 年，Demis Hassabis 和 John Jumper 因蛋白质结构预测获得诺贝尔化学奖，与凭计算蛋白质设计获奖的 David Baker 共享荣誉，这也让 AlphaFold 彻底坐稳了“AI 做出原创科学”最标准的例子。