一篇读懂 AI 蛋白质设计：从预测结构到创造分子

2024 年的诺贝尔化学奖拆成了两半：一半给了 Demis Hassabis 和 John Jumper，奖励他们用 AlphaFold 解决了困扰学界五十年的蛋白质结构预测问题；另一半单独给了 David Baker，获奖理由正是「计算蛋白质设计」——不是预测自然界已有的蛋白质，而是创造自然界没有的。这两件事的区别，就是本文要讲的主题：预测回答「这条序列会折叠成什么形状」，设计回答「我想要一个执行某功能的分子，它的序列应该是什么」。而把这个方向带进生成式时代的，是一个名字很像图像模型的系统：RFdiffusion。

一、为什么蛋白质设计是个逆问题

蛋白质是生命活动的执行者：催化反应、识别病原、传递信号，几乎一切生物学功能都由它完成。它的工作原理建立在一条铁律上——氨基酸序列决定三维结构，三维结构决定功能。于是设计一个新蛋白质，本质上是沿反方向走：从想要的功能出发，倒推出该给它什么序列。

难就难在这里。正向问题（序列到结构）有物理规律可循，AlphaFold 用深度学习把它解决到了实验精度；反向问题却是一个巨大的组合搜索空间——20 种氨基酸组成的序列，长度一百的链就有 20^100 种可能，其中绝大多数折叠成无意义的团块。传统计算设计靠物理建模与能量函数逐步筛选，费时费力，能处理的场景极其有限。设计界需要的是一个能「理解」什么序列能折叠成什么结构、什么结构能执行什么功能的生成模型——就像图像领域的扩散模型理解什么像素组合构成一张人脸那样。

二、RFdiffusion：把预测器改造成生成器

2023 年 7 月发表于《Nature》的 RFdiffusion（Watson 等人，Baker 实验室）给出了那个天才的一步：把 RoseTTAFold 这个结构预测网络，在蛋白质结构去噪任务上做微调，改造成一个主链生成模型。思路与图像扩散模型同构——给模型看被噪声破坏的结构，让它学会恢复；学会恢复，也就学会了生成。预测网络在训练中内化的「序列-结构」法则，摇身一变成了生成时的约束。

论文摘要对它的能力范围有一句精确概括：在无条件和拓扑约束的单体设计、蛋白质结合剂（binder）设计、对称寡聚体设计、酶活性位点骨架搭建、面向治疗性蛋白与金属结合蛋白的基序骨架搭建等广泛任务上表现卓越。实验侧的战绩同样具体：作者实验表征了数百个设计的对称组装体、金属结合蛋白与结合剂的结构与功能；其中一个与流感血凝素（hemagglutinin）复合的结合剂，冷冻电镜测出的结构与设计模型几乎完全一致——AI 画出来的图，和显微镜下的实物严丝合缝。

理解 RFdiffusion 的正确姿势，是把它看作「根据用户指定输入生成图像」的蛋白质版：你给出分子规格（结合什么靶点、什么对称性、什么活性位点），它从噪声出发逐步去噪，生成满足规格的主链，再补上氨基酸序列。

把论文里的任务清单翻译成设计规格，能看清它的通用性到底意味着什么。拓扑约束的单体设计：指定一个大概的形状骨架（几个螺旋、几条折叠），让模型填出符合该拓扑的完整结构；对称寡聚体设计：指定对称性（如二聚体、三聚体、二十面体），生成能精确拼装的亚基；活性位点骨架搭建（motif scaffolding）：给出酶的活性位点——几个关键残基的空间排布——让模型搭出能把这些残基固定在正确位置的支架，这是从「结合」走向「催化」的关键能力；结合剂设计：指定靶点蛋白表面的结合区域，生成能贴合上去的搭档。同一套模型覆盖这些完全不同的任务，正是「通用设计框架」这个说法的分量所在——此前的方法往往只为单一任务定制。

三、能造什么：从结合剂到人造酶

RFdiffusion 之后两年，这条路线的产出可以归成三类。

结合剂（binder）是离应用最近的一类：设计一个能与任意指定靶点紧密结合的蛋白质。治疗上的想象空间直接明了——结合病毒蛋白就是中和剂，结合肿瘤抗原就是候选药物，结合信号分子就是调控器。这也是实验验证最充分的类别，论文中数百个设计里结合剂占了重要比例。

对称组装体与新型骨架面向纳米材料与疫苗呈递：精确设计的寡聚体可以按需求拼装成笼状、面状结构，把抗原以特定几何排布呈现给免疫系统。

酶设计是最难也最令人兴奋的一类。2025 年 12 月 Baker 实验室在《Nature》发表的工作中，团队用升级版 RFdiffusion2 设计出金属水解酶——能水解肽键这类最难断裂的化学键；96 个实验筛选的设计中有 5 个具备活性，其中名为 ZETA_1 的设计催化效率比以往人工设计高出数个数量级，且耐高温，具备降解塑料与污染物等工业应用的潜质。酶是把设计能力推向「催化真实化学反应」的试金石，这一步已经迈过去了。

值得强调的是命中率背后的筛选经济学。传统方法下，一个能用的设计可能要靠大量试错碰运气；RFdiffusion 的模式是「计算上批量生成、实验上批量验证」——96 个设计里有 5 个活性听起来不高，但它把湿实验从大海捞针变成了有靶点的抽查，实验资源的使用方式完全不同了。

四、RFdiffusion3：原子级设计时代

2025 年 12 月，Baker 实验室（华盛顿大学蛋白质设计研究所）宣布 RFdiffusion3 正式开源，免费共享给科学界。它带来两个实质跨越。

第一，设计单位从氨基酸残基细化到单个原子。前代模型以残基为基本单位，难以精确控制与靶点的具体接触方式；RFdiffusion3 采用全原子方法，可以精确指定与特定原子形成氢键，因此不仅能设计结合蛋白质的蛋白，还能设计与 DNA、小分子等任意类型生物分子相互作用的蛋白——合成转录因子、基因治疗工具、可持续化工场景都在它的设计范围里。更难得的是，虽然计算粒度更细，它反而比 RFdiffusion2 快十倍。第二，生态在成熟：同期还有针对核酸与小分子的结合蛋白设计工具（如 BoltzGen）相继出现，实验室也开始用 RFdiffusion 围绕小分子药物直接设计蛋白传感器。2026 年《Nature》发表的方法学综述（Ragotte 等）把这一进程概括为从头蛋白质设计的「过去、现在与未来」，RFdiffusion 系列正是其主线。

五、边界：AI 画得出，湿实验才能证明

给这一波热潮降温的话也要说清楚。第一，设计的蛋白质必须经过实验验证——论文里那些漂亮的成功率，全部建立在「合成基因、表达蛋白、测结构、测活性」的湿实验之上，冷冻电镜与设计模型一致才是最终证据。计算筛选大幅提高了命中率，但没有消灭实验环节。

第二，泛化有边界：RFdiffusion3 官方明确说明，对训练集中未见的生物分子（如非经典氨基酸）设计能力有限——模型再强，也只在自己学过的「分子字母表」内做设计。第三，治疗应用还有漫长的临床路径——能结合靶点与成为药物之间，隔着免疫原性、成药性、安全性数道关口，设计工具压缩的是临床前研究里「找到候选分子」这一段的成本。第四，精度有个体的运气成分：论文中结合剂与组装体的实验成功率因任务与靶点而异，越是困难的靶点（如膜蛋白），命中率越低——把「数个设计、一个成功」当成常态预期，比当成失败更符合现实。

六、为什么 2026 年回头看正当时

从时间线上看，这个领域刚走完「方法确立 → 能力扩张 → 工具开源」的三部曲：2023 年 RFdiffusion 确立通用框架（该论文至今被引用一千七百余次），2025 年 RFdiffusion2 攻克酶设计、RFdiffusion3 开源并推进到全原子，2026 年方法学综述为整个领域立传。对研究者，这意味着工具链已经成熟到可以直接上手；对产业观察者，这意味着「AI 设计蛋白质」从新闻标题变成了可复现的工程流程——这是判断一个方向从概念走向落地的标准信号。

另一条主线是把设计能力变成基础设施：RFdiffusion 代码早已开源，RFdiffusion3 又免费共享给科学界，加上同期针对核酸与小分子的设计工具（如 BoltzGen）相继出现，「设计一个新蛋白」正在从少数顶尖实验室的独门手艺，变成有开源工具链可循的工程流程。2026 年《Nature》方法学综述（Ragotte 等）回顾从头蛋白质设计的过去、现在与未来时，把 RFdiffusion 系列放在了主线位置——一个方向有了综述，通常意味着它已经从热点变成了领域。

结语

从 AlphaFold 到 RFdiffusion 再到 RFdiffusion3，AI 与蛋白质的关系完成了三级跳：读懂自然、模仿自然、创造分子。预测技术证明了深度学习能掌握物理规律，生成技术正在证明它能运用这些规律去解决人类指定的问题。诺奖委员会把一半奖项颁给「计算蛋白质设计」，等于为这条路线盖了章——接下来的故事，将由开源工具箱和世界各地实验室的湿实验台一起写完。

参考资料

• De novo design of protein structure and function with RFdiffusion（Nature 2023）——方法与实验验证的原始论文
• The Nobel Prize in Chemistry 2024（NobelPrize.org）——Baker（计算蛋白质设计）与 Hassabis、Jumper（结构预测）获奖划分
• RFdiffusion3 Now Open Source（GEN）——全原子设计、十倍提速与金属水解酶成果
• A diffusion model for protein design（Institute for Protein Design）——Baker 实验室官方说明
• The past, present and future of de novo protein design（Nature 2026 综述）——领域全景与展望