来源：市场资讯
（来源：DrugAI）
DRUGONE
结构生物学正在进入AlphaFold 2之后的新阶段。研究人员认为，当前有两个正在迅速崛起的新前沿方向，可能重新定义整个领域：其一是蛋白质完整构象景观的预测，其二是高亲和力蛋白结合体（protein binder）的常规化从头设计。
新一代生成式模型正在尝试以远低于分子动力学模拟的计算成本，逼近玻尔兹曼加权构象分布，从而直接估计自由能差异与构象状态占比。与此同时，AI驱动的蛋白结合体设计平台，正将原本高度依赖经验与筛选的流程，转变为可扩展的工程化体系，并在实验中实现了极高成功率。
研究人员指出，随着CASP等国际评测不断推动构象景观预测的发展，以及基于实验验证的设计竞赛持续演进，再加上越来越易于部署的AI平台与通用推理型AI代理的出现，结构生物学可能正在经历两个新的“AlphaFold时刻”：动态构象预测与可编程蛋白设计。
AlphaFold之后，结构生物学进入“动态时代”
“AlphaFold时刻”这一术语，通常被用于描述那些几乎不可解决的问题，在AI突破后突然被大规模解决的历史性节点。AlphaFold 2最核心的贡献，在于高精度预测蛋白质稳定折叠结构，从而改变了整个结构生物学领域。
随后，多组分复合物预测模型进一步扩展了这一能力，包括蛋白质、核酸、小分子以及离子复合体系的预测。然而，研究人员强调，复合物建模问题实际上远未被真正解决。无论是抗体–抗原复合物、核酸结构预测，还是蛋白–配体共折叠，当前模型仍存在明显局限。
与此同时，结构预测本身只是理解蛋白质的第一步。真正决定蛋白功能的，并不仅是单一稳定结构，而是整个动态构象景观。研究人员认为，只有真正掌握蛋白动态行为与能量景观，结构生物学才算进入成熟阶段。
构象景观预测：从单结构到动态分布
当前，CASP已经明确将“构象景观预测”列为新的核心挑战方向。相比传统结构预测仅关注最低自由能构象，新的目标是预测蛋白能够采取的所有重要构象状态，并估计它们的相对概率。
这一目标的意义极其重大。如果能够获得完整自由能景观，研究人员就可以直接推断：
蛋白折叠自由能;
配体结合亲和力;
构象状态占比;
翻译后修饰对功能的调控作用;
以及蛋白间相互作用对动态行为的影响。
过去，这类问题几乎只能依赖长时间、超高成本的分子动力学模拟完成。
而如今，生成式AI正在改变这一局面。
BioEmu：可能属于构象预测领域的“AlphaFold时刻”
研究人员特别强调了微软提出的BioEmu模型。该模型被认为是当前最接近“构象景观版AlphaFold时刻”的代表性工作。
BioEmu最重要的特点在于：
其训练不仅使用了PDB与AlphaFold结构，还整合了长时间尺度的全原子分子动力学数据；
同时，它采用了生成式扩散框架，因此天生适合对玻尔兹曼分布进行采样，而不仅仅输出单一结构。
与传统模型不同，BioEmu一次会生成数千个结构样本，而这些样本的出现频率本身就隐含了自由能信息。换句话说，模型不仅预测“最稳定结构”，还预测“哪些替代构象存在，以及它们有多稳定”。
研究人员指出，这相当于将原本需要数十万GPU小时的分子动力学模拟，压缩到数分钟级别。
不过，该方法仍存在问题。例如，它可能依赖训练数据中的记忆效应，对已有结构产生偏置；同时其侧链建模仍非完全显式化。
蛋白结合体设计：AI正在把设计变成工程学
如果说构象预测代表“理解蛋白”，那么蛋白结合体设计则代表“操控蛋白”。
长期以来，从头设计蛋白结合体一直极其困难。传统方法通常依赖文库筛选或动物免疫，周期长、成本高，而且产物主要局限于抗体体系。
如今，这一局面正在迅速改变。
研究人员指出，以BindCraft为代表的新一代AI设计平台，正在将蛋白结合体设计转变为一种高成功率、可扩展的工程化流程。
这些系统利用AlphaFold类架构作为“适应度评估器”，在设计过程中实时评估结合能力，从而直接生成高亲和力结合蛋白。
真正令人震撼的，并不仅是计算结果，而是实验验证结果。
在多个公开竞赛中，研究人员已经能够稳定获得纳摩尔级别亲和力的从头设计结合体，命中率甚至超过8%。这意味着：AI设计蛋白已经不再只是“理论可能”，而是真正进入实验可行阶段。
AI代理与自动化实验：新的闭环体系正在形成
除了模型本身，另一个正在迅速发展的方向，是AI代理与自动化实验平台的结合。
研究人员指出，现代平台已经能够：
自动运行结构预测模型；
自动提交实验测试；
自动分析结果；
甚至自动优化下一轮设计。
例如，在最新的Nipah病毒结合体挑战中，AI代理已经能够控制结构模型、生成候选序列，并直接连接湿实验测试系统，从而形成真正意义上的“设计—实验—反馈”闭环。
与此同时，越来越多的在线平台正在降低AI工具使用门槛。例如，原本需要复杂Linux部署的模型，如今已经可以直接通过浏览器调用。
研究人员认为，这种“AI工具民主化”趋势，可能会像ColabFold当年推动AlphaFold普及一样，再次加速整个领域发展。
多模态推理AI：结构生物学进入“交互式时代”
另一个值得注意的变化，是通用推理型AI正在进入结构生物学。
研究人员展示了现代多模态AI如何：
理解结构图像；
识别蛋白–配体相互作用；
辅助用户分析自由能景观；
甚至解释复杂构象变化。
未来，这类AI可能不仅能“看懂图像”，还能够实时读取屏幕信息、自动控制软件、执行高级数据分析与文献挖掘。
结构生物学可能因此进入真正意义上的“AI协同科研时代”。
未来展望：从动态预测到可编程蛋白系统
研究人员认为，未来的发展方向已经逐渐清晰。
在构象预测方向，未来模型不仅需要预测蛋白本身的动态景观，还需要预测：
pH变化；
温度变化；
翻译后修饰；
配体结合；
以及环境变化；
如何改变整个能量景观。
而在蛋白设计方向，下一代系统将能够设计：
光响应蛋白；
温度响应蛋白；
配体触发蛋白开关；
以及只在特定条件下激活的酶系统。
最终，结构生物学、化学、基因组学与AI基础模型将逐渐融合，形成真正意义上的“可编程生物系统设计平台”。
研究人员认为，这些方向可能代表着继AlphaFold之后，结构生物学最重要的新阶段。
整理 | DrugOne团队
热门跟贴