蛋白质折叠问题长期被视为计算生物学的核心挑战之一。从序列到三维结构的映射本质上是一个高度复杂的优化问题，而自然界中存在的结构冗余性 —— 即不同序列折叠成相似结构的普遍现象 —— 为这一问题的解决提供了独特的压缩表示视角。AlphaFold 系列算法通过深度学习捕获了这种冗余性，实现了前所未有的预测精度，但近期研究揭示了其在处理折叠转换蛋白时的系统性局限。
结构冗余性的生物学基础
蛋白质结构空间中存在显著的冗余特征。大量不相关的蛋白质序列可以折叠成相似的三维构象，如 α 螺旋、β 折叠片、Rossmann 折叠等保守结构域反复出现在不同功能的蛋白质中。这种冗余性源于物理化学约束的收敛性：疏水相互作用、氢键网络和二硫键等力场约束使得某些折叠模式在能量上更为有利。
从信息论角度看，这种冗余性意味着序列到结构的映射可以被有效压缩。AlphaFold 正是利用了这一特性，通过 Evoformer 模块从多序列比对（MSA）中提取进化耦合信息，将高维的序列空间映射到低维的结构表示空间。然而，这种压缩表示的边界在哪里？当蛋白质存在多种稳定构象时，算法能否准确捕获这种多态性？
AlphaFold 的预测机制与结构记忆问题
AlphaFold2 和 AlphaFold3 的架构包含两个核心模块：Evoformer 负责从 MSA 中提取残基间的进化耦合信息，生成 pair representation；Structure module 则将这些表示映射到三维坐标空间。在理想情况下，模型应该学习蛋白质折叠的物理能量景观，从而能够预测任意序列的最稳定构象。
然而，2024 年发表在 Nature Communications 上的系统性研究揭示了一个关键问题：AlphaFold 的预测很大程度上依赖于对训练集结构的 "记忆" 而非真正的物理推理。研究团队测试了 92 个折叠转换蛋白（fold-switching proteins）—— 这类蛋白质能够在两种截然不同的三维构象之间可逆转换，且两种构象都具有生物学功能。
结果显示，对于训练集内的 fold switchers，AlphaFold2/3 仅成功预测了 35%（32/92）的两种构象；对于训练集外的 7 个 fold switchers，成功率骤降至 14%（1/7）。这一发现表明，模型在训练过程中记住了特定的序列 - 结构对应关系，而非学习蛋白质折叠的普适物理原理。
置信度指标的失效与优化空间
AlphaFold 提供的置信度指标 —— 包括每个残基的预测局部距离差异测试分数（pLDDT）和预测模板建模分数（pTM）—— 通常能够有效区分高质量预测与低质量预测。然而，在折叠转换蛋白的测试中，这些指标表现出系统性的失效。
研究发现，pLDDT 和 pTM 倾向于给实验未观察到的构象分配更高的置信度，而对正确的替代构象给出较低的分数。在最高置信度的预测中，约 70% 的结构与实验确定的两种构象都不匹配。这种 "置信度反转" 现象表明，当前的置信度校准机制无法处理多构象蛋白质的能量排序问题。
从优化角度看，这为算法改进指明了方向：需要开发能够区分不同能量状态构象的评分函数，而非仅仅依赖与训练集结构的相似性度量。研究团队提出的 AF2Rank 方法尝试利用 Structure module 对候选结构进行能量排序，但在 fold switchers 上的成功率仅相当于随机猜测（50%），进一步证实了模型缺乏真正的热力学理解。
工程实践中的应对策略
面对这些局限，生物信息学研究者可以采取以下工程化策略：
多构象采样策略：对于疑似具有折叠转换特性的蛋白质，不应依赖单次 AlphaFold 预测。可以采用 AF-cluster 等方法，通过对 MSA 进行聚类并分别预测，探索构象空间的不同区域。研究表明，浅层 MSA 子聚类有时能捕获与深层 MSA 不同的进化信号，对应于替代构象。
置信度阈值调整：对于 fold switchers，传统的 pLDDT≥70（可信）和 pLDDT≥90（高可信）阈值可能产生误导。建议结合多种指标，包括预测对齐误差（PAE）矩阵的模式分析，以及预测与已知折叠的 TM-score 比较。
实验验证优先级：鉴于 AlphaFold 在训练集外 fold switchers 上的高失败率（86%），对于新发现的、与已知 fold switchers 序列相似性较低的蛋白质，应将计算预测视为结构假设而非确定性结果，优先安排实验验证。
IDR 区域特殊处理：对于内在无序区域（IDRs）和条件性折叠区域，AlphaFold 的低 pLDDT 区域可能暗示着功能相关的构象可塑性，而非简单的预测失败。这些区域可能需要分子动力学模拟或整合实验数据（如 NMR 化学位移）进行进一步分析。
未来优化方向
从算法层面看，改进 AlphaFold 对折叠转换蛋白的预测能力需要在以下几个方向取得突破：
MSA 深度自适应机制：当前的 MSA 处理采用统一深度，但不同深度的 MSA 可能包含对应于不同构象的进化信号。开发能够根据 MSA 特征动态调整处理策略的机制，可能提高对替代构象的敏感性。
能量函数学习：将真正的物理能量函数整合到训练目标中，而非仅仅优化与实验结构的均方根偏差（RMSD）。这要求训练数据包含更多关于构象能量景观的信息，如 NMR 系综数据或分子动力学轨迹。
结构去记忆化：通过正则化技术或对抗训练，减少对训练集特定结构的过度依赖，增强模型对新颖折叠的泛化能力。
蛋白质折叠的结构冗余性既是 AlphaFold 成功的基石，也是其局限性的根源。理解这种冗余性的边界 —— 何时它提供有效的压缩表示，何时它掩盖了关键的构象多样性 —— 是推进结构预测算法的关键。对于生物信息学研究者而言，这意味着在享受深度学习带来的便利的同时，需要保持对模型内在局限的清醒认识，并在关键应用中坚持实验验证的原则。
参考来源
- Chakravarty D, Schafer JW, Chen EA, et al. AlphaFold predictions of fold-switched conformations are driven by structure memorization. Nature Communications. 2024;15:7296. https://doi.org/10.1038/s41467-024-51801-z
- Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold. Nature. 2021;596:583-589.
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。