AI / Technology
用 RFdiffusion 从零设计蛋白质的结构与功能
从预测到设计
图 1｜RFdiffusion 改变的是问题方向：输入从完整序列变成随机骨架与少量设计条件，输出变成可继续配序列的新骨架。教学示意，依据论文图 1 与 Main。
- 方向变了： 结构预测是“给定序列，猜三维形状”；RFdiffusion 是“给定少量结构或功能要求，生成新的三维蛋白质骨架”。
- 做法很直接： 它从随机的三维残基位置与朝向出发，通常经过 200 次逐步去噪，得到骨架；ProteinMPNN 再为骨架设计氨基酸序列。
- 不只在电脑里好看： 团队合成并测试了数百个设计；其中流感血凝素结合蛋白 HA_20 的冷冻电镜结构与设计模型仅相差 0.63 Å。[来源：论文摘要；图 1；图 6g；Discussion]
三维残基框架如何逐步去噪成蛋白质骨架
生成时，系统从随机残基框架开始。每一步先预测最终干净骨架，再朝这个预测移动一点并保留合适噪声，通常重复 200 步；上一轮预测还会作为下一轮输入，这叫“自条件化”。早期结果不像蛋白质，随后可行结构范围逐渐收窄，最后形成连贯骨架。[来源：图 1a、1c；Main，第 120、126–127、131–133 段]
功能基序、结合热点和对称性三类条件控制
用户可以固定对称性、结合靶点、折叠类型或功能基序，让去噪轨迹朝要求靠拢。RFdiffusion 主要生成骨架，而 ProteinMPNN 通常为每个骨架采样 8 条序列。论文再用 AlphaFold2 检查序列是否高置信度地折回设计结构，最后才挑选候选做实验。[来源：图 1b；Main，第 128、130、134 段]
从骨架生成、序列设计、计算筛选到湿实验验证
- 在 25 个功能基序支架基准题中，RFdiffusion 解出 23 个；Hallucination 解出 15 个，RFjoint Inpainting 解出 19 个。每题生成 100 个设计。[来源：图 4a；Main，第 188–191 段]
- 团队为 5 个靶点各挑选 95 个结合蛋白做实验，整体命中率为 19%；所有靶点都有命中，部分候选未经进一步实验优化就达到纳摩尔亲和力。[来源：图 6；Main，第 246–249 段]
- HA_20 与流感 H1 血凝素复合物的冷冻电镜图分辨率为 2.9 Å；实验结构与设计模型的骨架 RMSD 为 0.63 Å，这是“生成结果真的按设计折叠并结合”的最直接证据。[来源：图 6f–h；Main，第 251–254 段]
大量计算候选只有少数能通过实验检验
论文把 AlphaFold2 的单序列预测作为主要计算筛选器：平均 pAE 小于 5、整体骨架 RMSD 小于 2 Å，若含功能位点，该处 RMSD 还要小于 1 Å。这个标准与实验成功相关，但仍是代理指标；结合蛋白的 19% 命中率也说明多数送实验的候选没有达到论文定义的命中标准。[来源：Main，第 134–135、248 段]
研究附录
论文原题： De novo design of protein structure and function with RFdiffusion
作者： Joseph L. Watson、David Juergens、Nathaniel R. Bennett 等
发表于： Nature 620, 1089–1100（2023）
论文： https://www.nature.com/articles/s41586-023-06415-8
核心结论
三句话记住这篇论文
- 方向变了： 结构预测是“给定序列，猜三维形状”；RFdiffusion 是“给定少量结构或功能要求，生成新的三维蛋白质骨架”。
- 做法很直接： 它从随机的三维残基位置与朝向出发，通常经过 200 次逐步去噪，得到骨架；ProteinMPNN 再为骨架设计氨基酸序列。
- 不只在电脑里好看： 团队合成并测试了数百个设计；其中流感血凝素结合蛋白 HA_20 的冷冻电镜结构与设计模型仅相差 0.63 Å。[来源：论文摘要；图 1；图 6g；Discussion]
问题
一个形状要同时满足结构、功能和可制造性
蛋白质不是随便弯曲的线。每个残基都有三维位置和朝向，整条链还要能稳定折叠；若要结合靶点或承载催化位点，关键原子还必须落在准确位置。传统物理搜索面对的是巨大而崎岖的构象空间，早期深度学习扩散方法又常生成不够真实的骨架，所以电脑中的候选序列未必会折成目标形状，更未必有功能。[来源：Main，第 104–110、140 段]
旧方法要么条件太多，要么结果不够多
团队此前的 RFjoint Inpainting 能围绕已知功能片段补全骨架，但当输入约束很少时容易失败，而且单步、确定性的生成方式难以给同一问题提供多样解。Hallucination 方法可以搜索新设计，却在大体系上更慢，对高阶对称组装也受限。论文要解决的核心问题是：能否用一套通用模型，从很少的分子规格出发，稳定地产生许多不同、可实验验证的解？[来源：Main，第 109–111、157 段；Discussion，第 259 段]
方法
第一步：把 RoseTTAFold 改成三维去噪器
训练时，研究者从蛋白质结构数据库取真实结构，把每个残基表示成 Cα 坐标和 N–Cα–C 朝向，再逐步加入平移与旋转噪声。模型看到某个噪声阶段的结构后，学习预测原始干净结构。微调沿用了 RoseTTAFold 已学到的结构知识；从零训练的对照明显更差。[来源：图 1a；Main，第 123–125、133 段；图 2e]
第二步：从随机点云反复收拢成骨架
生成时，系统从随机残基框架开始。每一步先预测最终干净骨架，再朝这个预测移动一点并保留合适噪声，通常重复 200 步；上一轮预测还会作为下一轮输入，这叫“自条件化”。早期结果不像蛋白质，随后可行结构范围逐渐收窄，最后形成连贯骨架。[来源：图 1a、1c；Main，第 120、126–127、131–133 段]
第三步：条件控制骨架，另一个模型填写序列
用户可以固定对称性、结合靶点、折叠类型或功能基序，让去噪轨迹朝要求靠拢。RFdiffusion 主要生成骨架，而 ProteinMPNN 通常为每个骨架采样 8 条序列。论文再用 AlphaFold2 检查序列是否高置信度地折回设计结构，最后才挑选候选做实验。[来源：图 1b；Main，第 128、130、134 段]
证据与局限
三组结果支撑了通用性
- 在 25 个功能基序支架基准题中，RFdiffusion 解出 23 个；Hallucination 解出 15 个，RFjoint Inpainting 解出 19 个。每题生成 100 个设计。[来源：图 4a；Main，第 188–191 段]
- 团队为 5 个靶点各挑选 95 个结合蛋白做实验，整体命中率为 19%；所有靶点都有命中，部分候选未经进一步实验优化就达到纳摩尔亲和力。[来源：图 6；Main，第 246–249 段]
- HA_20 与流感 H1 血凝素复合物的冷冻电镜图分辨率为 2.9 Å；实验结构与设计模型的骨架 RMSD 为 0.63 Å，这是“生成结果真的按设计折叠并结合”的最直接证据。[来源：图 6f–h；Main，第 251–254 段]
电脑筛选不是湿实验，湿实验命中也不是成药
论文把 AlphaFold2 的单序列预测作为主要计算筛选器：平均 pAE 小于 5、整体骨架 RMSD 小于 2 Å，若含功能位点，该处 RMSD 还要小于 1 Å。这个标准与实验成功相关，但仍是代理指标；结合蛋白的 19% 命中率也说明多数送实验的候选没有达到论文定义的命中标准。[来源：Main，第 134–135、248 段]
论文没有证明所有靶点都同样容易
结合实验主要覆盖论文所称的非极性位点；作者明确说，更极性的表面以及没有天然结合伙伴的位点仍需研究。6 个 IL-7Rα 高亲和候选在竞争实验中指向预期位置，但全蛋白质组范围的特异性尚未完整评估。大蛋白虽能生成到 600 个残基，超过约 400 个残基后也更难靠单序列结构预测可靠验证。[来源：Main，第 138、250 段；Discussion，第 263 段]
实际意义
它最适合扩大候选空间，而不是替代实验
对研究团队而言，RFdiffusion 的价值是把“先选一个天然骨架再慢慢改”扩展成“从约束直接生成许多骨架”。可输入的规格包括靶点热点、功能基序、拓扑和对称性；输出仍需序列设计、结构预测筛选、表达纯化、结合或功能测定。也就是说，它压缩了提出候选的成本，却没有取消实验闭环。[来源：图 1b；Main，第 186、236–249 段]
值得尝试的方向，也对应明确风险
结合蛋白、酶活性位点支架、金属结合组装体、对称纳米材料和疫苗支架都是论文已经展示的任务类型。产品层面的合理解读是：统一生成器可以服务多条研发管线；但候选排序、脱靶、免疫原性、表达产率和体内效果都不在这篇论文的完整证明范围内，不能从“结构吻合”直接跳到“临床可用”。[来源：论文摘要；Main，第 155–186 段；Discussion。后半句为基于论文验证范围的解读]
复现时先问这五个问题
- 条件输入是否精确到模型真正支持的坐标、热点、折叠或对称性格式？
- 是否把 RFdiffusion 骨架、ProteinMPNN 序列设计和 AlphaFold2 筛选分开记录？
- 计算成功阈值是否与论文一致，还是为了项目目标另行设定？
- 实验候选是否经过了会改变表观成功率的额外筛选？
- 最终结论依据的是预测、体外结合、结构测定，还是更接近实际应用的功能实验？
术语与核验线索
- 残基框架： 用一个坐标和一个局部朝向描述氨基酸在三维空间中的位置。
- RMSD： 两个三维结构对应原子之间的平均偏差；越小越接近，但它不等于功能保证。
- 自条件化： 把上一轮对最终结构的预测送回模型，帮助下一步保持轨迹连贯。
- 关键原文位置： 图 1（生成流程）、图 2（无条件单体与消融）、图 4（功能基序基准）、图 6（结合蛋白与 HA_20 结构）、Discussion（适用范围与未解问题）。
关于这篇论文的三个关键问题
用 RFdiffusion 从零设计蛋白质的结构与功能 解决了什么问题？
团队此前的 RFjoint Inpainting 能围绕已知功能片段补全骨架，但当输入约束很少时容易失败，而且单步、确定性的生成方式难以给同一问题提供多样解。Hallucination 方法可以搜索新设计，却在大体系上更慢，对高阶对称组装也受限。论文要解决的核心问题是：能否用一套通用模型，从很少的分子规格出发，稳定地产生许多不同、可实验验证的解？[来源：Main，第 109–111、157 段；Discussion，第 259 段]
用 RFdiffusion 从零设计蛋白质的结构与功能 的核心结论有哪些证据？
论文把 AlphaFold2 的单序列预测作为主要计算筛选器：平均 pAE 小于 5、整体骨架 RMSD 小于 2 Å，若含功能位点，该处 RMSD 还要小于 1 Å。这个标准与实验成功相关，但仍是代理指标；结合蛋白的 19% 命中率也说明多数送实验的候选没有达到论文定义的命中标准。[来源：Main，第 134–135、248 段]
阅读 用 RFdiffusion 从零设计蛋白质的结构与功能 时最需要注意什么局限？
论文把 AlphaFold2 的单序列预测作为主要计算筛选器：平均 pAE 小于 5、整体骨架 RMSD 小于 2 Å，若含功能位点，该处 RMSD 还要小于 1 Å。这个标准与实验成功相关，但仍是代理指标；结合蛋白的 19% 命中率也说明多数送实验的候选没有达到论文定义的命中标准。[来源：Main，第 134–135、248 段]