AlphaFold 真的学会了物理吗？——对主流蛋白质结构预测模型的系统性物理评估

论文信息 标题：Physics-Grounded Evaluation to Guide Accurate Biomolecular Prediction 作者：Ningyi Lyu†, Siyuan Du†, Qianzhen Shao, Zhongyue Yang, Jianpeng Ma, Daniel Herschlag 机构：复旦大学 · 斯坦福大学 · 范德堡大学 来源：bioRxiv 预印本（2026.03.25）｜DOI: 10.1101/2025.06.30.662466

一、研究背景：RMSD 够用吗？

1.1 结构预测的"黄金时代"与遗留问题

AlphaFold2（2021）的出现标志着蛋白质结构预测进入了一个新纪元。凭借对数百万蛋白质的高精度预测，它在 CASP14 竞赛中以压倒性优势超越了所有传统方法，并由此催生了 AlphaFold3、ESMFold、RoseTTAFold All-Atom 等一系列后续模型。

然而，在巨大的成功光环之下，一个根本性问题始终悬而未决：

这些深度学习模型，究竟是在「记忆」结构数据，还是真正「学到」了支配生物分子行为的物理规律？

这一问题的答案，对于模型能否可靠地迁移至配体结合亲和力预测、突变效应、酶催化机制分析等下游任务至关重要。

1.2 现行评估范式的根本缺陷

当前评估生物分子预测模型最常用的指标是 RMSD（均方根偏差）——即预测结构与实验结构之间所有对应原子的平均位移距离。

RMSD 有其价值，但作者指出了一个致命的盲区：RMSD 对物理合理性完全不敏感。

以键扭转角为例说明（论文图1b）：

• • 一根键从 staggered 构象（最低能量，60°）旋转至 eclipsed 构象（高能量，100°）：能量升高约 3 kcal/mol（对应室温下概率降低约 160 倍），但 RMSD 仅增加约 0.4 Å；
• • 继续旋转至另一个 staggered 构象（170°）：RMSD 进一步增大，但能量重新降低——预测"更像"了，其实反而"更好"了，RMSD 却持续惩罚它。

这说明 RMSD 不仅无法捕捉能量上的错误，甚至会在方向上误导模型优化。更高的 RMSD 不等于更差的物理合理性，反之亦然。

1.3 物理规律为何如此重要？

蛋白质的所有性质——折叠稳定性、配体结合亲和力、变构调控、酶催化活性——都由原子级别的相互作用网络及其能量决定。只有模型真正学到了这套物理规律，才有可能：

1. 1. 在训练数据覆盖不足的区域作出可靠外推；
2. 2. 准确预测对原子细节高度敏感的功能性质；
3. 3. 作为下游任务（如虚拟筛选、蛋白质设计）的可靠基础。

二、研究方法：以物理量为核心的评估框架

2.1 评估指标体系

研究团队放弃了坐标距离指标，转而直接测量以下物理化学量，它们直接对应分子力学能量函数中的各项：

所有分布均来源于知识库势能函数（基于 PDB 数据，温度 298 K），并通过 Boltzmann 关系转换为能量单位（kcal/mol），从而赋予分布偏差以物理可解释性。

2.2 数据集构建

• • 参考结构集：Top2018 数据集，分辨率 < 2 Å 的高质量 X 射线晶体结构，共 3939 个蛋白质链，经残基级质量过滤；
• • 预测结构：对相同序列，分别从 AF2 数据库检索 AlphaFold2 预测，以及使用 AlphaFold3 服务器和 ESMFold 生成预测；
• • 置信度：三个模型预测结构的平均 pLDDT 分别为 AF2: 96（SD=4）、AF3: 94（SD=4）、ESMFold: 89（SD=12）——总体属于高置信度预测；
• • 分析规模：共分析超过 340 万个分子相互作用；
• • 重点区域：分析聚焦于埋藏残基（相对溶剂可及性 <25%，共 41 万残基，220 万相互作用），因其构象由周围蛋白质环境的相互作用力平衡决定，且 X 射线数据建模误差最小。

2.3 基线模型设计

为区分模型性能与随机预测，研究设计了两类对照基线：

• • 基线 #1（跨旋转异构体状态）：在 gauche⁻、trans、gauche⁺ 三种状态间等概率随机采样，正确率期望约 1/3；
• • 基线 #2（旋转异构体内部）：在已知正确旋转异构体状态内，按 PDB 分布加权随机采样扭转角，主要采样低能 staggered 构象——此基线对 eclipsed 构象的预测偏差期望为 ~3 kcal/mol。

三、主要结果

3.1 模型学到的物理基础：成功之处

以 AlphaFold3 为主要示例，三个模型均展现出对基础物理规律的一定掌握：

骨架构象：

• • AF3 预测的骨架扭转角（φ/ψ）符合经典 Ramachandran 图分布；
• • 99% 的骨架扭转角偏差在 30° 以内；
• • 91% 的骨架肽键被正确分配到对应二级结构（α-螺旋 97%，β-折叠 96%，无规卷曲 85%）。

共价键几何：

• • AF3 正确捕捉了 C=O 键（1.22 Å）比 C–O 键（1.42 Å）短约 0.2 Å 的基本特征；
• • 侧链键对 staggered 构象表现出正确的偏好。

非共价相互作用定性规律：

• • 范德华相互作用整体符合 Lennard-Jones 形式——每种接触类型均存在偏好距离，过短距离受到惩罚；
• • 氢键存在明确的距离和角度偏好。

3.2 系统性偏差：问题所在

尽管定性规律基本正确，对分布峰值位置和宽度的精量分析揭示了显著偏差：

3.2.1 共价键几何偏差（细微但系统性）

• • 不同类型共价键的键长偏好差异约为 0.01–0.03 Å，偏差方向因原子和键类型而异；
• • 键角偏差约 1–3°；
• • AF3 的共价键分布明显窄于 PDB 分布（以 MAD 衡量），意味着模型对键长的多样性估计不足。

由于共价键几何在晶体结构精修中通常受约束，且数据量极大，这些偏差更可能源于模型本身而非训练数据的噪声。

3.2.2 非共价相互作用偏差（显著）

范德华相互作用：

• • 除 C···C 接触外，其余类型接触的偏好距离偏差均在 0.1 Å 以上；
• • AF3 的 vdW 分布宽于 PDB（更分散）。

氢键：

• • AF3 氢键采用更弯曲的几何构型（D–H···A 角度偏小），而 PDB 中及量子力学计算均显示线性氢键更受偏好；
• • 氢键分布的峰值位置偏差及分布宽度偏差尤为显著。

3.3 一对一比较：相互作用的错配

3.3.1 骨架-骨架氢键（高度准确）

几乎所有（96%）骨架·骨架氢键均在正确的原子对之间形成，这与 AF3 在蛋白质折叠预测上的卓越表现一致。

3.3.2 涉及侧链的相互作用（大量错误）

即便是 AF3 正确识别的相互作用对，其几何参数仍存在大量偏差：

• • ~39% 的正确氢键供体-受体距离偏差 > 0.2 Å；
• • ~32% 的正确氢键弯曲程度偏差 > 20°；
• • ~32% 的正确 vdW 距离偏差 > 0.2 Å。

3.3.3 错误的空间分布

• • 错误预测的残基均匀分布于整个蛋白质结构中，而非集中于某些局部区域（通过最近邻距离分析验证，误差残基的空间分布与随机选取残基无显著差异）；
• • 错误率与蛋白质大小成正比，与结构类型（α-富集、β-富集、混合、卷曲）无显著关联；
• • 重要警示：pLDDT 置信度分数无法识别这些错误——预测错误的相互作用所涉及残基的平均 pLDDT 高达 92（SD=8），与正确预测区域几乎相同。

3.4 侧链扭转角的精细分析

旋转异构体状态（跨能垒）的预测

AF3 对 χ₁–χ₄ 各位置的正确旋转异构体预测率分别为：

随距骨架越远，准确率下降，可能因为：(1) 更大的构象空间；(2) 更多的相互作用影响；(3) 数据稀疏性。

旋转异构体内部（精细能量平衡）的预测

在正确旋转异构体状态内，模型能否捕捉 eclipsed 等高能构象？

• • 对 PDB 中处于 2.5–4.0 kcal/mol 高能 eclipsed 状态的键（n=1532），AF3 平均预测偏差为 ΔE = 2.4 kcal/mol（SD=1.1）；
• • 基线模型的期望偏差为 3.1 kcal/mol（SD=0.7）；
• • 仅 6% 的 eclipsed 键被 AF3 在 0.5 kcal/mol 以内正确预测。

这表明模型对局部能量平衡的精细捕捉能力仍严重不足——而这正是预测侧链非共价相互作用的核心所在。

3.5 构象系综：AI 世界的"过度确定性"

利用多温度（MT）X 射线晶体学数据（9 个蛋白质，分辨率 1.0–2.2 Å，200 K 以上采集），研究团队评估了 AF3 多次随机种子采样的构象多样性。

实验数据显示的多构象态：

• • 在 1363 个埋藏侧链键中，136 个键（270 个构象体）明确占据多于一种构象状态。

AF3 随机采样的结果：

• • 136 个多构象键中，96 个（71%） 在 AF3 采样中仅产生单一构象，分布极窄；
• • 仅 40 个（29%）被预测为多构象，其中 38 个在方向上与 MT 模型一致（高精度），仅 2 个为幻觉。

结论： AF3 的内部概率景观被严重压缩，即使使用随机种子多次采样，输出也几乎是确定性的。这对于需要捕捉构象灵活性的功能预测任务是重大局限。

四、模型间对比：各有千秋，共同踩坑

4.1 ESMFold：最大的非共价相互作用缺陷

ESMFold 在骨架构象和扭转角偏好方面表现与 AF2/AF3 相当，但在非共价相互作用上表现最差：

• • 侧链·侧链氢键遗漏率高达 ~58%；
• • vdW 相互作用遗漏率 ~33–43%；
• • 其非共价相互作用分布极度弥散，偏好峰值偏差最大。

这与既往研究中 ESMFold 整体结构精度较低的结论一致，但本研究进一步定位了其主要错误来源——非共价成对相互作用。

4.2 AlphaFold2 vs. AlphaFold3：架构不同，错误相似

AF2 在侧链·侧链氢键方面略好于 AF3（26% vs. 31%），这主要归功于其 AMBER 力场弛豫后处理步骤。

力场弛豫的效果与局限：

对 AF3 进行相同弛豫处理，结果与 AF2 相似（从 32% 降至 22%），弛豫后两者错误水平接近。

共同错误的惊人发现：

AF2 和 AF3 的共同错误覆盖令人警惕：

力场弛豫后，剩余错误仍大量重叠（见论文图S13）。

这一发现提示两种可能机制：(1) AF3 使用了 AF2-Multimer 的预测结果扩充训练集，引入了共同偏差；(2) 某些特定位点的能量平衡本身极难从 PDB 数据中学习。

五、机制讨论：为何会出现这些偏差？

5.1 训练目标的根本局限

当前模型的训练逻辑主要以坐标匹配为目标（如均方误差损失函数），而非直接优化物理相互作用的准确性。这导致：

• • 对旋转异构体的整体状态（需较大空间移动，RMSD 惩罚明显）有较好的学习压力；
• • 对旋转异构体内部的精细能量平衡（RMSD 变化极小但能量变化显著）几乎没有梯度信号。

这解释了为何模型在"大方向"上（正确旋转异构体状态）表现尚可，而在"精细能量"层面（eclipsed vs. staggered 的区分，氢键方向，vdW 距离精度）严重失准。

5.2 训练数据的质量问题

• • PDB 中低分辨率结构存在系统性坐标误差，尤其是侧链位置；
• • 冷冻晶体学条件下，蛋白质构象多样性被严重低估，无法提供系综信息；
• • 训练集中 apo 与配体结合态结构混合，可能引入对结合口袋区域的偏差（虽本研究验证影响有限）。

5.3 AF3 扩散架构的特殊性

AlphaFold3 采用了基于扩散的全原子生成架构，可以不受预设约束地自由生成坐标。这带来：

• • 优势：理论上更能捕捉非共价相互作用的细节（共价键几何不被硬约束）；
• • 现实：内部概率景观的"收缩"导致构象采样多样性极低，系综生成能力受限。

六、对下游应用的影响

这些发现对以下实际应用具有直接警示意义（见论文补充表1）：

七、改进方向与未来展望

7.1 训练数据层面

• • 多温度 X 射线晶体学数据：提供构象系综信息，帮助模型学习能量景观而非单一构象；
• • 扰动晶体学（电场、压力晶体学）：提供蛋白质对物理扰动的动力学响应数据；
• • 高分辨率冷冻电镜数据：在接近生理条件下提供系综信息；
• • 严格分离 apo/bound 训练数据：减少混合状态引入的系统性偏差。

7.2 训练目标层面

• • 在损失函数中显式加入物理能量项（键长、键角、扭转能、氢键能、vdW 能），并增大其权重；
• • 借鉴小分子生成领域的成功经验——物理引导的基准测试（如 PoseBusters）极大推动了分子生成模型的改进；
• • 引入知识库势能函数（knowledge-based potential）作为辅助训练目标。

7.3 后处理层面

• • 力场弛豫（如 AMBER）是有效的补充手段，但需对弛豫结果本身进行物理评估；
• • 分子动力学模拟可进一步修正侧链构象，但也需物理框架下的严格验证。

7.4 评估框架的推广

本研究提出的框架天然可扩展至：

• • 核酸结构预测（磷酸骨架扭转、碱基堆叠、Watson-Crick 氢键）；
• • 小分子配体的结合姿态评估（替代 RMSD 为主的 docking 评分）；
• • 蛋白质-核酸、蛋白质-配体复合物的相互作用界面；
• • 所有输出原子坐标的生物分子预测模型（RoseTTAFold、ESMFold、Chai-1 等）。

八、方法论的历史意义

这一工作与小分子生成领域的发展脉络有深刻相似之处。早期分子生成模型（VAE、GAN 等）产生了大量含有非法价态和高应变几何的分子，被药物化学家视为"无用"。正是一系列以物理为核心的基准测试（Fréchet ChemNet Distance、GuacaMol、PoseBusters 等）的出现，推动了后续模型几乎完全消除价态错误、大幅减少高能构象，从而真正走向实用。

蛋白质结构预测领域正面临同样的转折点：从以坐标精度为中心的评估范式，转向以物理合理性和功能可预测性为中心的评估范式。

九、总结