AlphaFold 与流匹配相遇：生成蛋白质合集
内容提要
该文综述多项蛋白质AI研究：EigenFold用扩散模型生成结构分布并评估不确定性；FoldFlow基于流匹配建模主链；EvoGen结合AlphaFold2提升少MSA预测；研究比较ESM-1b、MSA-Transformer与Evoformer表征能力；MSA-Augmenter增强结构预测；HelixFold-Single用语言模型替代同源序列；FrameFlow提升脚手架多样性；OpenProteinSet提供超1600万MSA数据集；深度学习结合分子动力学加速蛋白质折叠模拟。
延伸解读
生成模型在蛋白质结构预测中的多样化探索
文章介绍了EigenFold、FoldFlow、FrameFlow等多种生成模型，它们分别从扩散模型、流匹配等角度建模蛋白质结构分布或主链。这些方法不局限于单一结构预测，而是尝试捕捉构象分布和不确定性，为理解蛋白质功能提供了更全面的视角。
语言模型与MSA策略的互补与替代
EvoGen、MSA-Augmenter和HelixFold-Single等工作展示了语言模型和MSA增强策略在蛋白质结构预测中的应用。其中，HelixFold-Single尝试用语言模型替代同源序列，而MSA-Augmenter则通过生成序列增强MSA，这些方法在减少计算成本或提升低数据场景性能方面具有潜力。
数据与模拟加速蛋白质研究
OpenProteinSet提供了超过1600万个MSA，为大规模机器学习研究提供了数据基础。同时，深度学习与分子动力学模拟结合，实现了至少2.3倍的性能提升，表明数据资源和模拟加速技术正在共同推动蛋白质研究的发展。
Q&A
EigenFold 是什么？它有什么特点？
EigenFold 是一种扩散生成建模框架，用于从给定蛋白质序列生成结构的分布，能更全面地了解模型不确定性，并评估其建模和预测折叠转换蛋白质和配体诱导构象变化的能力。在最近的 CAMEO 目标中实现了中位 TMScore 为 0.84，可以更好地捕捉构象情况下的生物学功能。
FoldFlow 与其他蛋白质生成模型相比有什么优势？
FoldFlow 是一系列基于流匹配范式的新型生成模型，通过流动匹配 3D 刚体运动（即群 SE(3)），实现对蛋白质主链的准确建模，具备比其他方法更稳定、更快速的训练能力，并可以将任何不变的源分布映射到 SE(3) 上的任何不变的目标分布。
EvoGen 如何提升少 MSA 情况下的蛋白质结构预测？
EvoGen 是一种元生成模型，结合 AlphaFold2 模型，使得利用少量多序列比对（MSA）系统的性能得到提高，从而精准低数据的蛋白质结构预测。
ESM-1b、MSA-Transformer 和 Evoformer 这三种蛋白质语言模型的表征能力有何不同？
研究探讨了 ESM-1b、MSA-Transformer 和 Evoformer 等三种常用蛋白质语言模型的表征能力，重点关注 Evoformer 在蛋白功能预测方面的表现，旨在回答三个关键问题：（i）AlphaFold 中的 Evoformer 能否产生适合预测蛋白功能的表征？（ii）如果可以，Evoformer 能否取代 ESM-1b 和 MSA-Transformer？（iii）这些 PLMs 在多大程度上依赖于与进化有关的蛋白数据？在这方面，它们是否互补？通过实证研究和新的见解和结论进行比较。
MSA-Augmenter 如何提高蛋白质结构预测准确性？
该研究利用语言生成模型 MSA-Augmenter 及大规模 MSA 技术，微调 AlphaFold2 蛋白质结构预测模型在缺乏同源家族数据库的情况下，生成补充性的未见过的蛋白质序列，从而提高蛋白质结构预测准确性。
HelixFold-Single 与传统方法相比有什么创新和优势？
HelixFold-Single 基于大规模蛋白质语言模型，将原始序列代替同源序列用于学习蛋白质序列的共同进化信息，并结合 AlphaFold2 的关键组件预测蛋白质原子的三维坐标，其在 CASP14 和 CAMEO 数据集中准确度表现良好，同时能够节省大量的计算时间。
FrameFlow 在蛋白质脚手架设计中解决了什么问题？
蛋白质设计中，基于模体的脚手架技术用于构建功能性蛋白质，但生成的脚手架缺乏结构多样性，限制了湿实验验证的成功。本研究通过两种互补方法，在使用 FrameFlow 进行脚手架设计时实现了较高成功率和更多结构多样性的脚手架生成。
OpenProteinSet 数据集包含什么内容？有什么用途？
OpenProteinSet 是一个开源数据集，包含超过 1600 万个蛋白质多序列比对，与蛋白质数据库中的结构同源物和 AlphaFold2 蛋白质结构预测相对应，可广泛用于蛋白质结构、功能、设计以及大规模多模式机器学习研究的训练和验证数据。
深度学习与分子动力学模拟结合如何加速蛋白质折叠？
通过将深度学习与分子动力学模拟相结合，可以有效学习潜在表征并推动自适应模拟，从而实现在超级计算机上以有效的方式折叠蛋白质，相较于传统的模拟方法，获得至少 2.3 倍的性能提升，这为我们理解 DL 驱动的 MD 模拟如何导致在超级计算资源上减少解决方案的时间提供了定量基础。
