Nat. Mach. Intell. | 基于二维几何模板扩散的单序列蛋白结构预测增强方法

DRUGONE

单序列蛋白结构预测因无需依赖同源信息而具有重要应用价值，但其精度长期受限。研究人员提出TDFold，一种基于二维几何模板扩散的新方法，通过生成高质量的残基间几何关系（包括距离与取向），实现高效且准确的三维结构预测。该方法包含两个阶段：二维几何模板生成与序列-几何协同学习。实验结果表明，TDFold在多个基准数据集上优于现有蛋白语言模型方法，并在缺乏同源信息的场景中表现出显著优势，同时具有更低的计算资源需求和更高的推理效率，为单序列结构预测提供了一种新的解决方案。

近年来，人工智能在蛋白结构预测领域取得了突破性进展，以AlphaFold和RoseTTAFold为代表的方法在CASP竞赛中取得了接近实验精度的表现。然而，这类方法高度依赖多序列比对和结构模板信息，当面对缺乏同源序列的蛋白（如孤儿蛋白或快速进化的病毒蛋白）时，预测性能显著下降。

与此同时，基于蛋白语言模型的方法尝试仅利用序列信息进行预测，虽然提高了效率，但仍存在计算开销大和精度不足的问题。尤其是其核心模块通常具有较高时间复杂度，在长序列情况下难以扩展。

研究人员指出，当前方法的关键瓶颈在于缺乏对残基间几何关系的高质量建模。如果能够直接生成可靠的几何约束信息，就有可能在无需同源信息的情况下显著提升结构预测性能。

图1: 三维结构模板信息对AlphaFold2和RoseTTAFold在CASP14（N = 32）与CASP15（N = 45）数据集上预测性能的影响。

方法

研究人员提出TDFold框架，将视觉生成模型引入蛋白结构预测。首先，通过二维几何模板扩散模块，将蛋白序列作为“文本提示”，利用扩散模型生成残基间距离和取向矩阵；随后，在序列-几何协同学习模块中，结合残基级与原子级图神经网络，对结构进行精细建模并输出三维坐标。该方法通过LoRA微调策略将预训练扩散模型迁移至蛋白几何生成任务，实现序列与几何信息的高效融合。

图2: TDFold的整体架构及二维几何模板扩散过程。

结果

模型整体框架与生成机制验证

研究人员首先展示了TDFold的整体架构及其扩散生成过程。模型通过逐步去噪生成二维几何模板，再结合图神经网络完成三维结构预测。这一设计实现了从序列到几何再到结构的逐级建模路径，有效弥补了传统方法中几何信息不足的问题。

在孤儿蛋白上的结构预测表现

在缺乏同源信息的Orphan和Orphan25数据集上，TDFold显著优于AlphaFold、RoseTTAFold以及多种蛋白语言模型方法。研究人员发现，即使在完全无MSA信息的情况下，TDFold仍能取得最高的TM-score和GDT_TS表现，表明其能够有效从单序列中提取结构信息。

同时，二维几何模板的可视化结果显示，TDFold生成的残基间距离矩阵更接近真实结构，相比数据库检索得到的模板具有更高准确性，从而直接提升最终结构预测性能。

图3: 在Orphan（N = 77）与Orphan25（N = 25）数据集上的性能比较及可视化示例。

在CASP基准数据集上的性能

在CASP14、CASP15和CASP16等标准基准测试中，TDFold表现出与现有主流方法相当甚至更优的性能。与仅依赖序列的模型相比，TDFold consistently取得更高的TM-score；与依赖同源信息的方法相比，在单序列模式下优势更加明显。

研究还表明，传统方法在移除模板信息后性能显著下降，而TDFold无需依赖此类信息即可维持稳定表现，说明其几何建模能力具有较强泛化性。

图4: 在CASP14（N = 32）、CASP15（N = 45）与CASP16（N = 15）数据集上的性能比较及可视化示例。

在病毒蛋白等困难目标上的表现

针对同源信息极少的病毒蛋白，TDFold表现出显著优势。研究人员在多个病毒相关结构预测任务中发现，该方法优于AlphaFold、ESMFold等模型，能够更准确地恢复结构特征。这对于理解病毒免疫逃逸机制和药物设计具有重要意义。

推理效率与资源消耗分析

研究人员对比了多种方法的推理时间与GPU内存消耗。结果显示，TDFold在预测一个500残基蛋白时仅需约10秒，显著快于ESMFold（约100秒）以及AlphaFold系列方法（数百至上千秒）。同时，其内存占用明显更低，仅约7GB。

这一优势源于扩散模型与轻量图网络的设计，使其计算复杂度与序列长度解耦，从而在长序列预测中具有更好的扩展性。

图5: 计算时间与内存开销对比及模型消融分析。

讨论

研究人员提出的TDFold方法为单序列蛋白结构预测提供了一种新的技术路径，通过引入二维几何模板扩散，有效弥补了传统方法在几何建模方面的不足。

该方法的核心创新在于将视觉生成模型与蛋白结构预测相结合，实现了从序列到几何再到结构的分层建模。同时，其无需依赖同源信息的特性，使其在孤儿蛋白和病毒蛋白等困难任务中具有显著优势。

未来，该框架有望进一步扩展至更复杂的生物体系，并与更先进的生成模型结合，从而推动蛋白结构预测向更高精度与更高效率发展。总体而言，该研究展示了一种融合生成模型与结构生物学的新范式，为资源受限环境下的蛋白研究提供了重要工具。

整理 | DrugOne团队

参考资料

Wang, X., Zhang, T., Cui, Z. et al. Two-dimensional geometric template diffusion for boosting single-sequence protein structure prediction. Nat Mach Intell (2026).

https://doi.org/10.1038/s42256-026-01210-2

内容为【DrugOne】公众号原创｜转载请注明来源