填补AlphaFold3空白，字节跳动提出物理引导的方法让蛋白质动起来

AIGC动态7个月前发布 almosthuman2014

1,116 0 0

文章摘要

在探索蛋白质等生物分子功能的过程中，从预测静态结构到动态构象分布的跨越显得至关重要。这不仅能帮助理解生物过程，还能促进药物位点的识别和抑制剂的设计。然而，传统的分子动力学模拟方法在时间尺度的跨越上存在局限，而当前的深度学习模型如AlphaFold 3也主要集中于静态结构的预测。蛋白质构象实际上遵循玻尔兹曼分布，现有研究在采样和质量上仍未能充分模拟这一分布。

来自字节跳动的研究人员提出了CONFDIFF模型，这是一种物理信息引导的蛋白质构象生成扩散模型。通过预测中间时刻的力场与能量，模型能够生成高质量且低能的构象，更好地符合真实的玻尔兹曼分布。这一创新方法绕开了实时能量和力场计算的昂贵成本，并通过实验证明了其有效性。

在评估中，CONFDIFF在快速折叠蛋白质和牛胰蛋白酶抑制剂的构象生成任务上表现出色。模型不仅提高了构象的生成有效性，保持了多样性，而且在预测不同亚稳态方面也展现了更好的能力。特别是在力场引导下，模型采样效率更高，生成的构象更加稳定。

这项研究不仅推进了蛋白质结构预测从静态到动态的进程，也为药物开发提供了有力工具。字节跳动AI制药团队在生成式蛋白质设计、蛋白质构象预测及冷冻电镜解析等多个领域取得了显著成果，其工作在顶级学术会议上得到了认可，为揭示蛋白质机理和探索生命本质贡献了重要力量。