AI4S · 生命科学

蛋白质与分子设计

预测已是基础设施,并经过 CASP 盲测这样的独立检验;设计有作者自己的湿实验验证,还没有闭环系统。

← AI4S 总览判断:最远到 L2 →
角色 ↓ · 检验 →未公开基准评测作者实验独立检验临床试验
L4 自主
L3 闭环
L2 设计
L1 预测
验证一个结果要多久、多贵

计算上的代理指标(预测置信度、结构一致性)几乎免费;真正的验证要把蛋白表达出来、测结构或测活性,周期是几周。验证器相对便宜,所以这个方向最先成熟。

大模型在这里扮演什么

通用大模型在这里主要是调度者,而不是主力:结构预测和设计由专用模型完成,大模型负责读文献、写分析代码、串起工具链(例如 Claude Science 集成了 Boltz-2、OpenFold3 等专用模型)。

这个方向在解决什么问题

蛋白质的功能由它折叠成的三维形状决定。过去测一个蛋白的结构,要做几个月甚至几年的晶体学实验;AlphaFold 2 在 2020 年把这件事变成了几分钟的计算,2024 年的诺贝尔化学奖也因此颁给了哈萨比斯、江珀与大卫·贝克。

下一步是反过来:不是给定序列猜形状,而是给定想要的功能,设计出一条能折成那个形状的序列。扩散模型与蛋白质语言模型让「设计」这一步真正可用,设计出的蛋白已经能在实验室里表达出来并按预期工作。

代表工作6 个

L1 预测独立检验

AlphaFold 2

模型 · Google DeepMind · 2021-07 · 开放权重

AI4S 的起点事件:CASP14 上的精度接近实验解析水平,随后开放的结构数据库成了生物学的公共基础设施。

它是什么、事实与来源

从氨基酸序列直接预测单个蛋白质的三维结构,把一个五十年的难题变成了查表。

事实与来源
  • 论文:《Highly accurate protein structure prediction with AlphaFold》,CASP14 中位 GDT 约 92.4Nature 596, 583–589 (2021) 原文 ↗
  • 诺贝尔奖:2024 年诺贝尔化学奖另一半授予哈萨比斯与江珀,表彰蛋白质结构预测nobelprize.org 原文 ↗
L2 设计作者实验本期新增

Pinal

模型 · 西湖大学 · 2026-11 · 开放权重

把蛋白设计的入口从「指定结构」换成「说出功能」;湿实验里有设计能用,但命中率低,对性质的精确控制仍有限。

争议与局限:荧光蛋白 29 条里只有 1 条发光,命中率低;作者也承认对蛋白性质的精确控制还有限。实验都由作者团队完成,尚无第三方复现。

它是什么、事实与来源

西湖大学的 160 亿参数模型:用一句自然语言描述想要的功能,先生成结构、再设计序列,直接给出候选蛋白。

事实与来源
  • 论文:《Programmable design of functional proteins from natural language》,Nature(2026);训练用 1.35 亿条蛋白序列构造了 17 亿个蛋白—文本对Nature DOI 10.1038/s41586-026-11205-z(原文需登录,本期未能直接打开;经 phys.org 转述) 原文 ↗
  • 湿实验:荧光蛋白:5 万条生成序列筛到 29 条做实验,只有 1 条发光;代谢 H 蛋白:20 个候选里 5 个有效,最好的一个让关键固碳过程的产出达到天然大肠杆菌蛋白的 1.7 倍经 phys.org 转述 Nature 论文(2026-11-03) 原文 ↗
  • 开放:16B 参数权重开放;预印本 2024 年 8 月发在 bioRxivHugging Face 模型卡 westlake-repl/Pinal
L2 设计作者实验

AlphaProteo

模型 · Google DeepMind · 2024-09 · 未发布

在七个靶点上湿实验验证过,并首次为 VEGF-A 设计出可用的结合剂;但模型未开放,外部无法复现。

它是什么、事实与来源

给定一个靶点蛋白,直接设计出能与之高亲和力结合的新蛋白(结合剂)。

事实与来源
  • 论文:七个靶点上结合亲和力比现有最佳方法高 3–300 倍,实验成功率更高;首个成功设计 VEGF-A 结合剂的计算方法arXiv:2409.08022
L2 设计作者实验

ESM3

模型 · EvolutionaryScale · 2024-06 · 开放权重

设计出一个与已知荧光蛋白差异很大、但真的会发光的蛋白——语言模型路线做「设计」的代表作。

它是什么、事实与来源

同时理解蛋白质序列、结构与功能的生成式语言模型,可以按提示「写」出新蛋白。

事实与来源
  • esmGFP:生成的荧光蛋白 esmGFP 与最接近的已知荧光蛋白序列同一性仅 58%,官方称相当于自然演化超过 5 亿年的距离Science 387, 850–858 (2025);「5 亿年」为官方口径 原文 ↗
  • 开放状态:开放了较小的 ESM3-open 版本权重,最大版本通过 API 提供官方口径
更早或检验较少的 2 个
L2 设计作者实验

RFdiffusion

模型 · 华盛顿大学蛋白质设计研究所 · 2023-07 · 开放权重

让蛋白质设计从少数专家的手艺变成可规模化的流程,设计结果经实验解析的结构与计算设计高度吻合。

它是什么、事实与来源

用扩散模型从噪声中「生长」出蛋白质骨架,按需设计结合蛋白、对称组装体与酶活性位点。

事实与来源
  • 论文:《De novo design of protein structure and function with RFdiffusion》,设计出的结合蛋白经冷冻电镜解析,结构与设计模型几乎一致Nature 620, 1089–1100 (2023) 原文 ↗
  • 诺贝尔奖:2024 年诺贝尔化学奖一半授予大卫·贝克,表彰「计算蛋白质设计」nobelprize.org 原文 ↗
L1 预测基准评测

AlphaFold 3

模型 · Google DeepMind · 2024-05 · 开放权重

预测这一层的标杆,已是药物研发的日常工具;但它回答的是「长什么样」,不回答「怎么设计」。

它是什么、事实与来源

把结构预测从单个蛋白扩展到蛋白质与 DNA、RNA、小分子配体等组成的复合物。

事实与来源
  • 能力:预测蛋白质与 DNA、RNA、配体、离子等生物分子复合物的结构;官方称在蛋白质-配体相互作用上比现有方法至少提升 50%官方口径;Nature 630, 493–500 (2024) 原文 ↗
  • 开放状态:2024 年 11 月起向学术用途开放代码与模型权重(需申请)官方口径

引擎带来的

通用大模型进入科研工作台有演示无数据大模型 → AI4S

三家都在 2026 年把通用模型推进了科研流程;目前加速的是文献、分析、写作与实验设计,验证环节——湿实验与临床——一步也没有变快。