浅谈结构预测工具模型发展简史

3Dking

随着AlphaFold3的近期推出，全球科学界对蛋白质结构预测工具的兴趣达到了前所未有的高度。这一工具的发布不仅代表了人工智能在生物学研究中的又一重大突破，也标志着计算方法在蛋白质结构预测领域几十年发展历程中的一个新高峰。从20世纪末期依赖于基本物理模型和统计方法，到今天利用深度学习模型处理复杂的生物数据，结构预测工具的进化反映了科技进步如何深刻影响科学研究的路径和速度。结构预测工具模型的发展是生物信息学和计算生物学中一个引人入胜的篇章。这一领域的历史跨度几十年，见证了从初步的统计方法到利用人工智能的复杂算法的演变，特别是在蛋白质结构预测领域。

       这种进化不仅揭示了生物信息学和计算生物学领域的技术进步，也展示了科研工具如何助力我们更深入地理解生物结构的复杂性。在此背景下，笔者浅显地回顾一下这一领域的历史，探讨从最早的预测工具到当前最先进技术的发展轨迹。
70年代：早期的二级结构预测工具

       最初的蛋白质结构预测工具依赖于简单的物理模型和统计学原理。20世纪70年代，工具如Chou-Fasman法开始预测蛋白质的二级结构，这种方法基于蛋白质序列中氨基酸的偏好排列来推断结构。Chou-Fasman方法是在1970年代由Peter Y. Chou和Gerald D. Fasman发展出的。这种方法是基于观察和统计分析而制定的，它根据氨基酸在已知蛋白质结构中的出现频率来预测蛋白质的二级结构。Chou和Fasman分析了大量蛋白质的氨基酸序列与其对应的二级结构，并从中计算出特定氨基酸倾向于形成α-螺旋、β-折叠或是转角结构的概率。

      这种方法的核心在于它提供了一套简单的规则，可以直接从氨基酸序列推断其可能的二级结构。尽管这种方法在精度上不及后来的更先进技术，如神经网络或支持向量机等，它在计算生物学和生物信息学的早期阶段仍起到了桥梁作用，为理解蛋白质结构提供了一种直观且相对快速的方法。

     Chou-Fasman方法的推出，对于当时的科研人员来说，提供了一种不依赖于昂贵实验即可进行初步结构预测的手段，极大地推动了蛋白质研究的进展。此外，该方法的思想和原理也为后续更复杂的预测算法的发展奠定了基础，使得研究者可以在更细致的层面上分析和预测蛋白质的结构特征。如今， Chou-Fasman的二级结构预测方法都依然有科学机构提供服务器运行，比如：



https://www.biogem.org/tool/chou-fasman/

       随后，Garnier-Osguthorpe-Robson（GOR）方法引入了更复杂的统计模型，提高了预测准确性。
90年代：分子动力学和同源模建

        进入90年代，随着计算能力的提升，分子动力学模拟开始用于结构预测。这一方法通过模拟原子间的相互作用力来预测蛋白质在不同条件下的动态结构。同源模建技术也得到了发展，基于已知结构的模板，预测未知结构的蛋白质，如SWISS-MODEL和MODELLER等工具的问世标志了这一技术的成熟。

       SWISS-MODEL和MODELLER是两个广泛使用的蛋白质结构预测工具，它们代表了同源建模（homology modeling）技术的重要发展。这两种工具都基于已知的蛋白质结构来预测同源蛋白的三维结构，但在实现细节和使用场景上各有特色。
SWISS-MODEL

       相信结构生物学领域的人，大多都用过SWISS-MODEL。其是一个自动化的网络基于的同源建模平台，最早于1993年由瑞士生物信息学研究所开发。这个平台利用用户提供的蛋白质序列，通过对已知结构的数据库进行搜索，找到与之同源的蛋白质结构作为模板。一旦找到合适的模板，SWISS-MODEL将使用这些信息来构建目标蛋白的三维模型。这一过程包括序列对齐、模型构建和模型优化几个步骤，其中还包括对模型质量的评估。SWISS-MODEL是一个用户友好且集成化的平台，非常适合生物学研究者进行快速的结构预测。至今这个工具已经免费运行超过30年，目前依然是为大家提供稳健地的结构建模服务。如今，SWISS-MODEL也与时俱进，将Alphafold结构预测数据库纳入同源模型搜索范畴，因此大大提高了建模的速度和覆盖率。





MODELLER

       MODELLER则是一个更为强大且灵活的同源建模工具，它不仅可以进行同源建模，还可以执行蛋白质设计和构象空间搜索等高级任务。MODELLER是在1990年代初由Sali Lab在加利福尼亚大学旧金山分校开发的。与SWISS-MODEL不同，MODELLER不是一个网络服务，而是一款需要在用户的计算机上安装的软件。因此在使用便捷性上稍显不足。MODELLER通过优化一个基于物理的能量函数来生成结构预测，这个能量函数考虑了立体化学的约束和经验数据。MODELLER非常适合需要进行定制化建模和详细能量计算的科研人员使用。



     SWISS-MODEL和MODELLER都在生物医学研究中发挥了巨大作用，例如在药物设计、分子生物学和遗传工程等领域。它们提供的模型可以帮助科学家们理解疾病机理，设计新的药物分子，或是解释实验观察到的现象。尽管它们都基于同源模建原理，但各自的特点和适用场景使得用户可以根据需要选择更适合的工具。

      总之，SWISS-MODEL和MODELLER是同源建模领域的两个标杆工具，它们的开发和持续改进极大地丰富了生物信息学工具的生态系统，并推动了结构生物学研究的深入发展。
00年代：第一代序列对比和折叠预测

      21世纪初，随着生物信息学的飞速发展，序列比对技术如BLAST和FASTA被广泛用于寻找蛋白质间的同源性，为结构预测提供线索。在这一时期，一个具有里程碑意义的工具—Rosetta—开始在蛋白质结构预测领域崭露头角，它的开发和应用对后续的研究产生了深远的影响。
Rosetta的开创与原理

     Rosetta是由David Baker和他的研究团队在华盛顿大学于1998年开发的。该工具的核心思想是通过模拟蛋白质的折叠过程，预测其未知的三维结构。Rosetta的设计基于一个重要的概念：蛋白质的最终三维结构是由其氨基酸序列所决定的，而这一结构通常对应于全局能量最低的状态。Rosetta采用一种被称为“蒙特卡洛模拟”的技术，通过随机折叠序列中的片段并计算其能量来搜索可能的结构。这一过程涉及到对蛋白质片段库的广泛利用，其中包括了不同长度的已知蛋白质结构片段。这些片段在模拟过程中被重新组合，以形成全新的蛋白质构型。



Rosetta的发展与应用

       随着时间的推移，Rosetta软件包不断扩展，增加了多种功能，使其能够处理更复杂的生物学问题。除了基础的结构预测功能外，Rosetta现在还包括了蛋白质-蛋白质对接、蛋白质设计、核酸结构预测、以及生物分子复合体的建模等模块。

      Rosetta的一个显著特点是其高度的可定制性和灵活性，它允许研究者对折叠算法进行细致的调整，以适应特定的科研需求。这使得Rosetta成为了生物学和药物设计领域内极其重要的工具。例如，在疫苗设计中，Rosetta被用来预测和优化抗原的结构，以增强其免疫原性。

        Rosetta的成功不仅在于其高度精确的预测能力，还因其在科学社区中建立了一个广泛的用户和开发者网络。这种协作推动了软件的持续改进和创新，确保了它在快速发展的计算生物学领域中保持领先地位。

        总之，Rosetta不仅为蛋白质结构预测提供了一个强大的工具，还极大地推动了相关领域的研究，从基础生物学到复杂的药物设计和生物工程问题都留下了它的足迹。由感兴趣的可以使用下面这个服务器。



10年代：iTASSER：从序列到结构的自动预测

     iTASSER（Iterative Threading ASSEmbly Refinement）是由密西根大学的张扬实验室（如今实验室已move到新加坡国立大学生物化学系）开发的一种极为重要的蛋白质结构预测工具，多次在国际蛋白质结构预测竞赛（CASP）中获得优异成绩。

     在进入深度学习革命之前，2010年代，iTASSER作为一个革命性的蛋白质结构预测工具出现了。该工具基于蛋白质三维结构的线程技术（threading），通过迭代的方法，对蛋白质的三维结构进行逐步精细化。iTASSER首先通过识别与目标蛋白质序列相似的已知结构片段，然后将这些片段组装成一个初步模型。此后，它通过能量最小化和模拟退火等方法，优化这个模型的结构。

      Zhang Yang Lab的iTASSER不仅在结构预测方面表现出色，还能预测蛋白质的功能位点和与其他蛋白质的相互作用。这一工具的开发不仅推动了结构生物学的研究，还极大地促进了生物医学和药物设计领域的发展。由于其高效的预测能力和广泛的应用场景，iTASSER已经成为生物信息学领域内不可或缺的一员。





20年代：人工智能的革命AlphaFold

       2018年，DeepMind推出的AlphaFold标志了人工智能在结构预测领域的突破。AlphaFold利用深度学习，特别是卷积神经网络，从蛋白质序列直接预测其空间结构。这一方法的精度在2018年的Critical Assessment of protein Structure Prediction (CASP)竞赛中大放异彩， 打破了iTASSER多年的连冠记录，展示了深度学习方法的巨大潜力。
AlphaFold2与AlphaFold3：爆炸性提升的背后

       继AlphaFold的成功之后，2020年，DeepMind发布了这一系列工具的第二代版本——AlphaFold2。这一版本引入了变换器（Transformer）架构，这是一种先进的深度学习模型，常用于处理自然语言处理任务，它在处理序列数据方面显示出卓越的能力。AlphaFold2利用这一架构改善了蛋白质间接触点的预测，从而大幅提升了整体的结构预测精度。此外，AlphaFold2的设计使其能够更有效地处理蛋白质家族中的相关结构，从而在多模板预测场景中展现出更高的效率和准确性。DeepMind开元该模型，用户可以选择下载安装到本地服务器运行，大大提高了预测效率。此外，用户同样可以选择使用网上在线的服务器进行免费预测。



      AlphaFold2的推出伴随着一个重要的里程碑——AlphaFold Protein Structure Database的建立。这个数据库由DeepMind与欧洲生物信息研究所（EBI）合作创建，旨在为全球科研人员提供开放且易于访问的蛋白质结构数据。该数据库包含了由AlphaFold2预测的大规模蛋白质结构数据集，这些数据覆盖了多种生物体，包括人类、重要的模型生物如果蝇、斑马鱼和酵母，以及多种细菌和其他微生物。

      在具体数字方面，AlphaFold数据库为超过2亿种生物蛋白提供了结构预测，其中包括整个人类蛋白质组的近所有蛋白质。例如，数据库中包括了超过20,000种人类蛋白质的结构预测，以及数十万种其他生物的蛋白质结构。这些数据的可用性为生物学研究提供了前所未有的资源，使研究者能够快速获得关于特定蛋白质或蛋白质家族的结构信息。

      这一数据库不仅在数量上是前所未有的，还在质量上提供了极高的可信度。AlphaFold的预测结构通常接近于实验获得的结构，尤其是在蛋白质的核心区域，预测的准确性特别高。这使得该数据库成为了解蛋白质功能、疾病机理以及药物设计的宝贵资源。

       AlphaFold数据库的推出，体现了人工智能技术在科学研究中的实际应用，它不仅加速了生物学领域的研究进展，还可能改变医药开发、生物工程以及相关领域的工作方式。这一开放资源的建立，为全球科研社区提供了一个共享的基础设施，预示着科学研究和合作方式的转变。

    到了2024年，AlphaFold3的推出再次推动了这一领域的发展。AlphaFold3在预测蛋白质复合体结构方面取得了显著进展，特别是在预测多个蛋白质间相互作用和组装方式上。这一能力对于理解细胞内部复杂的分子机器和信号传递网络至关重要。AlphaFold3的算法通过综合考虑单个蛋白质的结构以及它们之间的相互作用，提供了一个更全面的生物分子结构图景，对于科学研究和生物医药开发有着极其重要的意义。

     这些技术的发展不仅是计算生物学的一次飞跃，也彰显了人工智能如何在科学前沿领域推动新知识的发现和应用。AlphaFold系列工具的持续改进和扩展，正在重塑我们对生物分子结构和功能认知的边界，开启了生物科学研究的新纪元。

结构生物学的未来方向：挑战与机遇

        随着AlphaFold系列工具等计算模型的持续进化，结构生物学正在进入一个全新的转型期。这些工具不仅催生了新药的开发，也在疾病机理研究、生物工程等多个领域显示出巨大的潜力。未来的研究方向可能将更多地集中在几个关键领域：深化预测工具与传统实验方法的融合、扩展到更大规模的生物系统，以及探索生物大数据的新方法。
深化计算模型与实验方法的融合

      尽管AlphaFold等工具的预测精度已经非常高，但结构生物学的进步依然需要依赖实验方法，如X射线晶体学和核磁共振（NMR）光谱学，冷冻电子显微镜等以验证和细化这些预测。未来的研究应更多地关注这两者之间的互补性，例如，如何有效地利用预测模型指导实验设计，减少实验资源的消耗并加速实验数据的解读。此外，结合计算模型和实验结果可以推动更精确的蛋白质复合体和动态结构的研究，这对于理解生物分子机器的工作原理至关重要。
扩展到更大规模的生物系统

     目前，大多数结构预测工具集中于单个蛋白质或小型蛋白质复合体。然而，生物系统的复杂性往往要求我们理解更大规模的分子集合，如细胞器、细胞甚至组织级别的结构组织。未来的发展方向可能包括扩展这些工具的能力，使其能够处理和预测大规模分子网络中的相互作用和动态变化。这将需要新的算法和更强大的计算资源，也可能需要新的理论和模型来指导这种规模的预测。
探索生物大数据的新方法

      AlphaFold数据库的建立标志着生物大数据时代的来临，提供了前所未有的结构信息资源。未来的研究应探索如何有效地利用这些数据支持新的生物学发现。例如，应用机器学习和人工智能技术来发现大规模数据集中的模式和规律，从而揭示新的生物学原理和疾病机制。此外，数据共享和开放科学的实践也需要进一步加强，以促进全球科研社区的协作和创新。
策略和建议

       为实现这些目标，笔者建议科研机构和资助者支持跨学科的合作项目，联合计算生物学、生物信息学、实验生物学和其他相关领域的专家。同时，重视开发新的教育课程和培训计划，以培养未来的研究者在使用这些高级工具中能够跨界合作和创新。总之，随着技术的进一步发展，结构生物学的未来充满了挑战和机遇。我们可以期待，这一领域将继续推动生命科学的边界，带来更多令人惊叹的科研成果和实际应用。

文字编辑：浊凃责任编辑：er不er
文章编号：110