AlphaFold 与结构预测

快速概览

AlphaFold 是深度学习驱动的蛋白质结构预测系统，它从序列和进化信息出发，学习残基之间的相对几何关系，输出三维坐标和置信度。理解其核心思想有助于正确解读预测结果：它不是记忆已知结构，而是学习折叠的物理规律。

核心是利用 MSA 和模板信息预测残基间几何关系，而非直接匹配已知结构
pLDDT 和 PAE 是两个关键置信度指标，分别衡量局部精度和域间相对位置精度
理解置信度边界：无序区、多域相对位置、配体效应是主要局限

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

引言：蛋白质折叠问题的历史

蛋白质结构预测是生物信息学中最古老也最困难的问题之一。早在 1972 年，Christian Anfinsen 因阐明”序列决定结构”的原理而获得诺贝尔奖，但他同时也提出了一个挑战：给定氨基酸序列，能否预测其三维结构？

这个问题被称为蛋白质折叠问题，困扰了科学家近半个世纪。早期的尝试包括：

物理方法：基于分子动力学模拟折叠过程，但受限于计算能力和力场精度
统计方法：分析已知结构中氨基酸的偏好构象（如 Chou-Fasman 方法预测二级结构）
比较建模：利用已知同源结构作为模板（如 SWISS-MODEL）
从头预测：不依赖模板，直接预测折叠（如 Rosetta）

1994 年启动的 CASP（Critical Assessment of Structure Prediction） 竞赛每两年评估一次预测方法的进展。直到 2018 年，即使最好的从头预测方法也只能达到中等精度。真正的突破来自 2020 年：DeepMind 的 AlphaFold 2 在 CASP14 中达到了接近实验测定的精度，被认为是解决了单链蛋白的折叠问题。

AlphaFold 的核心思想

AlphaFold 不是”记忆数据库中的结构”，而是学习折叠的物理规律：

输入：序列与进化信息

AlphaFold 的核心输入包括：

蛋白质序列：要预测的氨基酸序列
多序列比对（MSA）：从序列数据库中搜索到的同源序列比对
可选模板：已知同源蛋白的结构坐标

MSA 至关重要。进化相关的序列中，共同进化的残基对（在 MSA 中呈现相关变异）往往空间上接近——这是**共进化（co-evolution）**的原理。

AlphaFold 结构预测流水线：从序列输入、MSA、几何关系到 3D 模型输出 — AlphaFold 结构预测流水线：从序列到三维结构的完整信息流

模型：学习几何关系

AlphaFold 2 的关键创新在于它预测几何关系而非直接坐标：

残基间距离分布：两个残基的 Cβ 原子距离
角度：主链扭转角和侧链方向
Evoformer：处理 MSA 信息并更新残基对表示的注意力模块

这种”几何优先”的方法比直接预测坐标更稳定，因为几何关系在不同参考系下是不变的。

输出：坐标与置信度

三维坐标：每个重原子的 3D 位置（PDB 格式）
pLDDT：每个残基的局部置信度（predicted Local Distance Difference Test）
PAE：预测对齐误差矩阵（Predicted Aligned Error）
多模型：通常输出 5 个候选结构，按置信度排序

为什么重要：结构预测的实用价值

AlphaFold 的影响不仅在于解决了长期存在的科学问题，更在于它改变了生物学研究的方式：

实验方法的局限

方法	优势	局限	适用场景
X射线晶体学	高分辨率（< 2 Å）	需要结晶，耗时数月到数年	可结晶的稳定蛋白
NMR	溶液状态，动态信息	蛋白大小受限（< 50 kDa）	小蛋白动态研究
Cryo-EM	无需结晶，适合大复合体	分辨率相对较低，设备昂贵	膜蛋白、大复合体

预测方法的价值

AlphaFold 的价值体现在多个维度：

填补结构空白：UniProt 有超过 2 亿条序列，但 PDB 只有约 20 万个结构。预测方法为绝大多数蛋白提供了结构模型。
加速研究流程：在实验前先获得结构假设，可以指导突变设计、实验优先级排序。
功能推断：从三维结构可以识别潜在的结合口袋、活性位点、蛋白质-蛋白质相互作用界面。
药物设计：为虚拟筛选提供靶点结构，加速先导化合物发现。

但必须强调：预测结构是高质量假设，不等同于实验确认。

核心输出指标

pLDDT（predicted Local Distance Difference Test）

pLDDT 是每个残基的局部置信度评分，范围 0-100：

pLDDT > 90: 高置信度。通常对应有序结构，如 α-helix、β-sheet。
70 < pLDDT ≤ 90: 中等置信度。结构基本合理，但某些细节可能不准确。
50 < pLDDT ≤ 70: 低置信度。可能是无序区或结构不稳定区域。
pLDDT ≤ 50: 极低置信度。几乎不可信，可能是完全无序或预测失败。

关键直觉：

pLDDT 衡量的是局部几何的准确性，不保证全局折叠正确；
对于多域蛋白，每个域内部可能高置信度，但域间相对位置可能不准确。

PAE（Predicted Aligned Error）

PAE 是一个残基对残基的误差矩阵，衡量如果以残基 i 为参考，残基 j 的位置误差有多大。

用途：

判断多域蛋白中不同域之间的相对位置是否可靠；
识别结构域边界；
判断整个蛋白的折叠是否可信。

解读：

如果 PAE 矩阵中某些区域（如域 1 和域 2 之间）误差很大，说明域间相对摆放不可信；
如果整个 PAE 矩阵都很小，说明整体折叠可靠。

ranked models

AlphaFold 通常输出 5 个候选模型，按置信度排序：

ranked_1：置信度最高的模型，通常作为主要参考；
ranked_2-5：备选模型，可用于比较和验证。

使用建议：

先看 ranked_1，但也要检查其他模型是否一致；
如果不同模型在某个区域差异很大，说明该区域不确定性高。

示例

假设预测一个 300 残基的蛋白，想用 AlphaFold 预测其结构并评估结果是否可靠。

输入信息

蛋白序列：长度 300 aa
MSA 深度：从 UniRef90 检索到 500 条同源序列
模板：PDB 中有 2 个同源结构（序列相似度 35% 和 28%）

决策链条：逐步评估

第一步：检查 MSA 质量

指标	数值	判断	理由
MSA 深度	500 条	良好	足够的进化信息
序列覆盖度	95%	良好	大部分残基有同源覆盖
序列多样性	中等	可接受	不是高度保守的家族

第二步：检查 pLDDT 分布

区域	残基范围	平均 pLDDT	判断
Domain 1	1-150	92	高置信度
Domain 2	151-280	88	高置信度
C-terminal tail	281-300	45	低置信度

关键观察：

Domain 1 和 2 的 pLDDT > 90，结构预测可靠
C-terminal tail 的 pLDDT < 50，可能是无序区或预测不确定

第三步：检查 PAE 矩阵

PAE 矩阵显示：

Domain 1 内部残基对：PAE < 2 Å → 内部结构可靠
Domain 2 内部残基对：PAE < 3 Å → 内部结构可靠
Domain 1 和 Domain 2 之间：PAE = 8-12 Å → 相对位置不确定

结论：

两个 domain 各自的内部结构可靠
但两个 domain 之间的相对摆放位置不确定

第四步：检查 ranked models

模型	平均 pLDDT	与 model 1 的 RMSD
model 1	89	0 Å
model 2	87	1.2 Å
model 3	85	3.5 Å
model 4	82	5.8 Å
model 5	78	8.2 Å

观察：

model 1 和 2 的 RMSD 很小（1.2 Å），说明预测一致
model 3-5 的 RMSD 逐渐增大，说明不确定性增加

第五步：与模板对比

模板 1（35% 相似度）：与 AlphaFold model 1 的 RMSD = 2.1 Å
模板 2（28% 相似度）：与 AlphaFold model 1 的 RMSD = 3.5 Å

结论：AlphaFold 预测与模板结构一致，支持预测的可靠性

最终评估

方面	评估	可信度
Domain 1 结构	高度可靠	pLDDT > 90，PAE < 2 Å
Domain 2 结构	高度可靠	pLDDT > 88，PAE < 3 Å
Domain 相对位置	不确定	PAE = 8-12 Å
C-terminal tail	可能无序	pLDDT < 50

应用建议

可靠区域：可以用于分子对接、突变分析、功能位点预测
不确定区域：需要谨慎，可能需要实验验证
C-terminal tail：可能是无序区，可以考虑用无序区预测工具（如 IUPred）验证

什么地方要谨慎

无序区

无序区（intrinsically disordered regions）通常表现为：

低 pLDDT（< 50）；
在不同模型中结构差异大；
缺乏稳定的二级结构。

注意：低置信度不等于”没有意义”。很多无序区在生物学上很重要（如转录因子的激活域），只是它们没有固定的三维结构。

多域蛋白

对于多域蛋白：

每个域内部可能高置信度；
域间相对位置可能低置信度（看 PAE 矩阵）；
域间连接区（linker）通常是无序的。

建议：用 PAE 判断域间关系，不要假设域间相对摆放是准确的。

配体和辅因子

AlphaFold 预测的是apo 结构（无配体状态）：

配体结合位点可能预测不准确；
某些结构域可能只在配体存在时才稳定；
膜蛋白的膜环境效应无法直接建模。

建议：如果研究配体结合，需要结合 docking 或实验结构。

构象变化

AlphaFold 通常预测一个静态结构：

无法预测构象变化（如开放/关闭状态）；
无法预测动态过程；
某些蛋白可能有多个功能相关的构象。

建议：结合分子动力学模拟或实验数据理解构象变化。

寡聚化和复合体

AlphaFold 预测的是单体结构：

无法预测蛋白-蛋白相互作用界面；
无法预测寡聚化状态；
AlphaFold-Multimer 可以预测复合体，但精度低于单体。

建议：用其他工具（如 docking、共进化分析）研究相互作用。

与真实研究流程的连接

AlphaFold 不是孤立工具，它在研究流程中的位置：

上游依赖：

序列质量：错误的序列会导致错误的结构；
MSA 深度：MSA 越深，预测通常越可靠；
同源结构：如果存在高质量模板，预测会更好。

下游应用：

功能注释：从结构推断功能位点；
突变解释：评估突变对结构的影响；
药物设计：为虚拟筛选提供结构基础；
实验设计：指导结晶实验或突变实验。

验证：

与已知实验结构比较（如果有）；
用不同模型的一致性验证；
结合生化实验验证关键假设。

为什么 AlphaFold 比传统方法好

传统同源建模（如 SWISS-MODEL）

方法：

找到同源模板结构
将目标序列比对到模板
基于模板构建模型
优化侧链和环区

局限性：

严重依赖模板质量和相似度
如果没有好的模板（如相似度低于 30%），预测质量通常会明显下降
无法预测新的折叠类型
环区和侧链摆放不准确

例子：

目标序列与模板相似度 25%
传统方法：RMSD > 5 Å，拓扑可能错误
AlphaFold：即使没有模板，仍可能预测正确折叠

AlphaFold 的优势

深度学习驱动的几何关系学习
- 不依赖显式模板，而是从大量已知结构中学习几何规律
- 可以预测新的折叠类型
MSA 提供进化约束
- 同源序列的共进化信息提供强约束
- 即使没有结构模板，也能预测准确结构
端到端优化
- 直接从序列到三维坐标，避免传统方法的级联误差
置信度估计
- pLDDT 和 PAE 提供明确的可靠性评估
- 传统方法的置信度估计通常不准确

模型演进：从 AlphaFold 1 到 AlphaFold 3

AlphaFold 不是静止的方法，而是持续演进：

版本	关键改进	主要能力
AlphaFold 1 (2018)	基于共进化特征的距离预测	CASP12 初步展示潜力
AlphaFold 2 (2020)	Evoformer + 结构模块，端到端训练	解决单链蛋白折叠
AlphaFold-Multimer (2021)	扩展至多链复合体预测	预测蛋白-蛋白相互作用
AlphaFold 3 (2024)	统一框架，涵盖 DNA/RNA/小分子	预测复合体、核酸、配体

每次演进都扩展了可预测的结构类型，但核心思想保持不变：从序列和进化信息学习几何约束。

参考资料

Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583-589.
Varadi, M., et al. (2022). AlphaFold Protein Structure Database. Nucleic Acids Research, 50(D1), D439-D444.
CASP14 assessment papers. https/predictioncenter.org/casp14/
Abrabmson, J., et al. (2024). Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature, 630, 493-500.