用AlphaFold2內(nèi)部語言預(yù)測超2萬個小分子結(jié)合位點，加速藥物發(fā)現(xiàn)

編輯丨&

在藥物研發(fā)的漫長鏈條中，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），是關(guān)鍵的起點。傳統(tǒng)方法要么依賴已知結(jié)構(gòu)的同源比對，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 與達納-法伯癌癥研究所等提供了一個全新的思路：與其從頭訓(xùn)練，不如從 AlphaFold2 這個已經(jīng)「學(xué)富五車」的蛋白質(zhì)結(jié)構(gòu)預(yù)測模型中，直接提取它學(xué)會的關(guān)于蛋白質(zhì)相互作用的「內(nèi)部語言」。

這個名為 AF2BIND 的工具，僅用一個簡單的邏輯回歸模型，就實現(xiàn)了對小分子結(jié)合位點的高精度預(yù)測，并構(gòu)建了一個包含上萬個人類蛋白質(zhì)組中全新結(jié)合位點的數(shù)據(jù)庫，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)測蛋白質(zhì)的單鏈結(jié)構(gòu)而訓(xùn)練的。但研究團隊敏銳地意識到，AF2 在訓(xùn)練過程中，「見過」成千上萬個包含小分子的蛋白質(zhì)復(fù)合物結(jié)構(gòu)。這些知識，很可能已經(jīng)內(nèi)化在其網(wǎng)絡(luò)內(nèi)部的對表示（pair representation）中。問題就在于，如何「喚醒」這部分沉睡的知識？

AF2BIND 的巧妙之處在于：它給 AF2 輸入目標蛋白的結(jié)構(gòu)（作為模板），同時在其序列末尾，像「釣魚」一樣接上20個「誘餌氨基酸」——每個標準氨基酸類型各一個，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)測靶蛋白中的小分子結(jié)合殘基。

AF2 會嘗試「完成折疊」，在這個過程中，誘餌氨基酸會與目標蛋白的潛在結(jié)合位點產(chǎn)生注意力交互。而 AF2BIND，則截取目標蛋白每個殘基與這 20 個誘餌氨基酸之間的初始注意力，并將對表示拼接后，輸入一個邏輯回歸模型進行訓(xùn)練，目標是預(yù)測該殘基是否是小分子結(jié)合位點。

圖 2：AlphaFold2 的對表示被用作邏輯回歸模型 AF2BIND 的輸入，用于預(yù)測配體結(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)所需的海量標注數(shù)據(jù)，直接利用了 AF2 強大的預(yù)訓(xùn)練知識。同時，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（即測試集與訓(xùn)練集存在同源蛋白），團隊建立了一個極為嚴苛的拆分標準。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）。

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

結(jié)果顯示，僅用 AF2 的 pair 特征，AF2BIND 就達到了 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 無疑是信息最豐富的單一來源。

圖 3：AF2 的配對表示在結(jié)合-殘基預(yù)測方面最為有效。

驗證算法性能后，研究團隊將 AF2BIND 應(yīng)用于一個更宏大的目標：整個人體蛋白組。他們利用 AlphaFold2 已預(yù)測的結(jié)構(gòu)數(shù)據(jù)庫，對所有蛋白進行系統(tǒng)分析。

結(jié)果顯示：共有 20,302 個潛在結(jié)合位點，分布于 13,686 個蛋白質(zhì)中。更重要的是，其中 15,755 個位點 在已有數(shù)據(jù)庫中完全沒有對應(yīng)記錄。換句話說，這些位點是此前幾乎無法通過同源結(jié)構(gòu)轉(zhuǎn)移或傳統(tǒng)方法識別的。

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

高質(zhì)量的藥物地圖

AF2BIND 證明了預(yù)訓(xùn)練模型的「知識遷移」能力：一個為結(jié)構(gòu)預(yù)測而訓(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。這為未來利用這些強大模型解決更廣泛的生物醫(yī)藥問題（如配體設(shè)計、蛋白質(zhì)設(shè)計）提供了范例。

AF2BIND 不僅指出位點在哪里，還通過誘餌分析，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)測可以與能處理小分子的新一代結(jié)構(gòu)預(yù)測工具（如AlphaFold3、Boltz-1）協(xié)同，其識別的位點可以作為「口袋條件」，引導(dǎo)這些工具進行更精準的共結(jié)構(gòu)預(yù)測或分子對接。