單序列預測被看好為諾獎「預備役」，多構象、RNA 結構重要程度上升。

原標題：AI 科學家獲諾獎后：從 CASP 看蛋白質結構預測的機遇與挑戰丨GAIR Live
文章來源：AI科技評論
內容字數：30104字

蛋白質結構預測：諾獎后的新篇章

本文總結了雷峰網、AI 科技評論GAIR Live 品牌與CASP評估的優秀華人團隊聯合舉辦的線上圓桌沙龍，主題為“諾獎之后的新篇章：蛋白質結構預測的機遇與挑戰”。沙龍邀請了多位在蛋白質結構預測領域有突出貢獻的專家，共同探討了CASP16的進展、未來發展趨勢以及該領域面臨的挑戰。

1. CASP16的進步與突破

CASP（Critical Assessment of Protein Structure Prediction）作為全球蛋白質結構預測競賽，被譽為諾獎的“孵化器”。CASP16的顯著特點包括：參賽團隊數量增加，中國及亞洲團隊表現突出；會議全程專注，體現了科研人員的長期主義精神；競賽更注重解決實際生物學問題，而非單純的排名；工業界參與度下降，學術界繼續堅守。

2. 蛋白質預測新問題的挑戰和趨勢

蛋白質單體結構預測方面，AlphaFold3相比AlphaFold2有所改進，但提升不顯著。抗體-抗原復合物結構預測取得進展，但數據集較小，泛化能力有待驗證。 未來發展趨勢包括：改進模型排序和質量評估方法；解決大復合物預測難題；攻克單序列結構預測的經典問題（這被認為可能帶來第二個諾獎）；以及在核酸結構預測中，人工智能超越傳統方法。

3. 蛋白質復合物組裝以及多構象預測

蛋白質復合物組裝方面，挑戰在于模型質量評估和化學計量預測。多構象預測首次作為賽道出現，但數據不足，尚無法實現大的突破。未來發展方向可能是生成模型或擴散模型。模型質量評估方面，現有指標體系需要改進，單模型方法有待發展，以避免被方法壓制。

4. RNA結構預測新進展

RNA結構預測賽道難度和數量明顯提升，AlphaFold3在該賽道上優勢不明顯。蛋白質-核酸復合物結構預測仍面臨挑戰，主要原因是可用于訓練的數據量有限。人工干預在RNA結構預測中仍然至關重要，自動預測是未來方向。

5. 小分子預測

AlphaFold3在小分子預測方面表現出優勢，在某些靶點上超過傳統對接方法。未來可以將傳統對接方法和深度學習方法結合使用。 挑戰在于如何選擇眾多預測結果中的最優解，以及提高人工智能方法的通用性。

6. 結構預測的藍海方向和未來展望

未來可能獲得諾獎的研究方向包括：解決蛋白質折疊問題的單序列結構預測；達到AlphaFold2水平的RNA結構預測；以及取得突破性進展的蛋白質-小分子復合體結構預測。 這些方向都具有巨大的應用潛力，將對生物醫藥、合成生物學等領域產生深遠影響。

總而言之，蛋白質結構預測領域在AlphaFold之后進入了一個新的發展階段，機遇與挑戰并存。單序列預測、多構象預測、RNA結構預測以及蛋白質-小分子復合體預測等都是亟待突破的關鍵問題，這些突破將對生命科學研究和相關產業產生重大影響。

聯系作者

文章來源：AI科技評論
作者微信：
作者簡介：雷峰網旗下AI新媒體。聚焦AI前沿研究，關注AI工程落地。