AI 框架首次实现蛋白质动态建模

瑞士洛桑联邦理工学院（EPFL）的研究人员开发出一款 AI 框架，能够生成蛋白质的完整全原子模型及其动态运动——这是计算结构生物学领域的首次突破，有望重塑药物设计方式。

该工具名为 LD-FPG（Latent Diffusion for Full Protein Generation），它通过模拟蛋白质功能中涉及的原子重排全过程，超越了现有 AI 系统（如 AlphaFold）仅能提供静态快照的局限。相关消息于本周一由 EPFL 官方发布。

来源：actu.epfl.ch

工作原理

大多数基于 AI 的蛋白质结构预测工具，包括 Alphabet 旗下 DeepMind 的 AlphaFold，都只能生成蛋白质形状的静态图像。但蛋白质并非刚性结构——它们会在原子层面弯曲、扭转、重排，以实现其生物功能。LD-FPG 通过图神经网络捕捉这些运动：它将每个蛋白质视为一个数学图，原子为节点，化学键为边。系统将蛋白质结构数据压缩为简化的潜在图谱，随后扩散模型学习从中生成新的结构集合。

“蛋白质就像微小的机器，会‘跳舞’并开关以运作，但生成这样的完整‘电影’一直是未解难题，”EPFL 蛋白质与细胞工程实验室研究员 Aditya Sengar 表示，“我们的 LD-FPG 框架首次实现了这一点。我们不是预测原子在空间中的精确坐标，而是让模型学习蛋白质形状变化的低维图谱。”

来源：bioengineer.org | actu.epfl.ch

药物发现前景

该框架能够模拟复杂的药物靶点，例如 G 蛋白偶联受体——这正是全球制药工业的重点关注对象。在一项实验中，团队生成了多巴胺 D2 受体在激活与非激活状态下的动态模型，该受体是神经科学研究的关键蛋白。

“除了增强生物学理解，我们相信这项工作将改善蛋白质的虚拟筛选流程——当前筛选过程充满试错——从而加速药物发现。”Sengar 说道。

该研究由 Patrick Barth 和 Pierre Vandergheynst 领导，相关论文发表于 NeurIPS 2025 会议论文集。团队已开放共享多巴胺受体数据集，以支持后续研究。

来源：actu.epfl.ch | neurips.cc

未来方向

研究人员计划进一步优化框架的精度，并扩展至更大蛋白质的建模。不过，Vandergheynst 也提醒不要过度依赖海量数据：“许多人认为向 AI 模型喂入大量数据就能自动解决科学问题或取代研究人员。然而，这些数据中有大量噪音或质量不高。我们需要人类科学家来生产干净的数据，并提供 AI 所需的严谨基准。”

来源：actu.epfl.ch