蛋白质结构预测的AI路线之争

AlphaFold与ESM运行逻辑解析

从传统的“查字典”(MSA多序列比对)到“大模型直接懂逻辑”(蛋白质语言模型)。AlphaFold 与 ESM 的路线之争,正在重新定义生命科学的研究方式。

主讲人:生物科学 大一 杜青锡  |  目标部门:课程研发部·技术研发中心

序列与结构的鸿沟

氨基酸序列(一维)很容易测定,但真正决定蛋白质功能的,是它折叠成的三维结构。同一个氨基酸序列,能够随机缠绕折叠成多种不同的三维形态。

实验测定的局限

冷冻电镜、X射线晶体学等实验手段耗时耗力,且成本极高。几十年积累下来,人类只解析了十几万个结构,根本无法满足海量蛋白质的解析需求。

天文数字的构象空间

假设有100个氨基酸,理论构象数可达 3^100。即使计算机每纳秒检查3万种构象,穷举所有可能的时间也远超宇宙年龄。

AlphaFold 的路线:二维距离图(Distance Map)

Amino acids
Amino acids
Distance map
Sequence
原始序列
→
Single rep (1D) &
2D pair rep
→
Language Model
Encoder (4)
→
Final layers (2)
+ Diffusion

药物研发革命

通过 ESMFold 等模型,快速设计针对癌症、免疫疾病的抗体,极大地缩短新药研发周期。

合成生物学与环保

设计塑料降解酶等自然界中未发现的蛋白质,用 AI 为解决环境问题提供全新路径。

降解酶作用模型

模型开源与轻量化

以 ESM 为代表的开源社区,让普通研究者也能用上最前沿的 AI 工具,推动技术民主化。

ESM
OPEN
AI

感谢聆听

欢迎交流与指正

主讲人:生物科学 大一 杜青锡