用AlphaFold2內(nèi)部語(yǔ)言預(yù)測(cè)超2萬(wàn)個(gè)小分子結(jié)合位點(diǎn)，加速藥物發(fā)現(xiàn)

編輯丨&

在藥物研發(fā)的漫長(zhǎng)鏈條中，找到蛋白質(zhì)上能與小分子藥物結(jié)合的口袋（結(jié)合位點(diǎn)），是關(guān)鍵的起點(diǎn)。傳統(tǒng)方法要么依賴已知結(jié)構(gòu)的同源比對(duì)，要么從頭訓(xùn)練神經(jīng)網(wǎng)絡(luò)。但前者受限于已知數(shù)據(jù)，后者則常因訓(xùn)練數(shù)據(jù)不足而泛化能力有限。

而現(xiàn)在，哈佛醫(yī)學(xué)院、MIT 與達(dá)納-法伯癌癥研究所等提供了一個(gè)全新的思路：與其從頭訓(xùn)練，不如從 AlphaFold2 這個(gè)已經(jīng)「學(xué)富五車」的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型中，直接提取它學(xué)會(huì)的關(guān)于蛋白質(zhì)相互作用的「內(nèi)部語(yǔ)言」。

這個(gè)名為 AF2BIND 的工具，僅用一個(gè)簡(jiǎn)單的邏輯回歸模型，就實(shí)現(xiàn)了對(duì)小分子結(jié)合位點(diǎn)的高精度預(yù)測(cè)，并構(gòu)建了一個(gè)包含上萬(wàn)個(gè)人類蛋白質(zhì)組中全新結(jié)合位點(diǎn)的數(shù)據(jù)庫(kù)，為藥物發(fā)現(xiàn)提供了寶貴的資源。

相關(guān)研究以「AF2BIND: predicting small-molecule binding sites using the pair representation of AlphaFold2」為題，于 2026 年 3 月 11 日發(fā)布在《Nature Methods》。

論文鏈接：https://www.nature.com/articles/s41592-026-03011-2

AF2BIND

AlphaFold2（AF2）本是為了預(yù)測(cè)蛋白質(zhì)的單鏈結(jié)構(gòu)而訓(xùn)練的。但研究團(tuán)隊(duì)敏銳地意識(shí)到，AF2 在訓(xùn)練過(guò)程中，「見(jiàn)過(guò)」成千上萬(wàn)個(gè)包含小分子的蛋白質(zhì)復(fù)合物結(jié)構(gòu)。這些知識(shí)，很可能已經(jīng)內(nèi)化在其網(wǎng)絡(luò)內(nèi)部的對(duì)表示（pair representation）中。問(wèn)題就在于，如何「喚醒」這部分沉睡的知識(shí)？

AF2BIND 的巧妙之處在于：它給 AF2 輸入目標(biāo)蛋白的結(jié)構(gòu)（作為模板），同時(shí)在其序列末尾，像「釣魚」一樣接上20個(gè)「誘餌氨基酸」——每個(gè)標(biāo)準(zhǔn)氨基酸類型各一個(gè)，且彼此之間用很大的殘基索引間隔隔開。

圖 1：AF2BIND 利用 AlphaFold2 的特征預(yù)測(cè)靶蛋白中的小分子結(jié)合殘基。

AF2 會(huì)嘗試「完成折疊」，在這個(gè)過(guò)程中，誘餌氨基酸會(huì)與目標(biāo)蛋白的潛在結(jié)合位點(diǎn)產(chǎn)生注意力交互。而 AF2BIND，則截取目標(biāo)蛋白每個(gè)殘基與這 20 個(gè)誘餌氨基酸之間的初始注意力，并將對(duì)表示拼接后，輸入一個(gè)邏輯回歸模型進(jìn)行訓(xùn)練，目標(biāo)是預(yù)測(cè)該殘基是否是小分子結(jié)合位點(diǎn)。

圖 2：AlphaFold2 的對(duì)表示被用作邏輯回歸模型 AF2BIND 的輸入，用于預(yù)測(cè)配體結(jié)合殘基。

這種方法優(yōu)雅地避開了從頭訓(xùn)練深度網(wǎng)絡(luò)所需的海量標(biāo)注數(shù)據(jù)，直接利用了 AF2 強(qiáng)大的預(yù)訓(xùn)練知識(shí)。同時(shí)，邏輯回歸模型的選擇，也為后續(xù)的可解釋性埋下了伏筆。

訓(xùn)練與成果

為了避免數(shù)據(jù)泄漏（即測(cè)試集與訓(xùn)練集存在同源蛋白），團(tuán)隊(duì)建立了一個(gè)極為嚴(yán)苛的拆分標(biāo)準(zhǔn)。們不僅按序列相似性（30% identity）聚類，還結(jié)合了結(jié)構(gòu)相似性（Foldseek）、進(jìn)化分類（ECOD）、結(jié)構(gòu)域注釋（CATH, PFAM）乃至結(jié)合口袋本身的形狀相似性（TM-score）。

最終的測(cè)試集包括 67 個(gè)不同小分子結(jié)合蛋白的結(jié)構(gòu)，這些結(jié)構(gòu)與訓(xùn)練集或驗(yàn)證集中的任何蛋白質(zhì)在結(jié)構(gòu)、序列或口袋上均無(wú)相似性。

結(jié)果顯示，僅用 AF2 的 pair 特征，AF2BIND 就達(dá)到了 66% 的結(jié)合殘基恢復(fù)率，ROC-AUC 為 0.936。將多種特征結(jié)合，性能略有提升，但 AF2 無(wú)疑是信息最豐富的單一來(lái)源。

圖 3：AF2 的配對(duì)表示在結(jié)合-殘基預(yù)測(cè)方面最為有效。

驗(yàn)證算法性能后，研究團(tuán)隊(duì)將 AF2BIND 應(yīng)用于一個(gè)更宏大的目標(biāo)：整個(gè)人體蛋白組。他們利用 AlphaFold2 已預(yù)測(cè)的結(jié)構(gòu)數(shù)據(jù)庫(kù)，對(duì)所有蛋白進(jìn)行系統(tǒng)分析。

結(jié)果顯示：共有 20,302 個(gè)潛在結(jié)合位點(diǎn)，分布于 13,686 個(gè)蛋白質(zhì)中。更重要的是，其中 15,755 個(gè)位點(diǎn) 在已有數(shù)據(jù)庫(kù)中完全沒(méi)有對(duì)應(yīng)記錄。換句話說(shuō)，這些位點(diǎn)是此前幾乎無(wú)法通過(guò)同源結(jié)構(gòu)轉(zhuǎn)移或傳統(tǒng)方法識(shí)別的。

圖 4：AF2BIND 預(yù)測(cè)了人類蛋白質(zhì)組中未通過(guò)同源建模（AlphaFill）或 P2Rank 發(fā)現(xiàn)的可藥物位點(diǎn)。

高質(zhì)量的藥物地圖

AF2BIND 證明了預(yù)訓(xùn)練模型的「知識(shí)遷移」能力：一個(gè)為結(jié)構(gòu)預(yù)測(cè)而訓(xùn)練的模型，其內(nèi)部表示竟能如此有效地遷移到預(yù)測(cè)蛋白質(zhì)-小分子相互作用這一看似正交的任務(wù)上。這為未來(lái)利用這些強(qiáng)大模型解決更廣泛的生物醫(yī)藥問(wèn)題（如配體設(shè)計(jì)、蛋白質(zhì)設(shè)計(jì)）提供了范例。

AF2BIND 不僅指出位點(diǎn)在哪里，還通過(guò)誘餌分析，提供了關(guān)于「什么樣的分子可能適合這里」的線索。

如論文作者所言，AF2BIND 的預(yù)測(cè)可以與能處理小分子的新一代結(jié)構(gòu)預(yù)測(cè)工具（如AlphaFold3、Boltz-1）協(xié)同，其識(shí)別的位點(diǎn)可以作為「口袋條件」，引導(dǎo)這些工具進(jìn)行更精準(zhǔn)的共結(jié)構(gòu)預(yù)測(cè)或分子對(duì)接。