AlphaFold 概述：DeepMind 是怎么把结构生物学玩明白的
说到 AlphaFold，可能很多搞生信的同学第一反应就是「蛋白结构预测」。没错，它确实是目前最火的工具之一。但如果你只是把它当成一个黑盒，装个 Docker 就跑，那可能踩坑了。我个人习惯，学一个新工具得先搞明白它到底干了什么，才能用好它。
核心原理：从序列到坐标，它到底在算啥？
AlphaFold 本质上是个深度学习模型。输入是一段氨基酸序列，输出是每个原子的三维坐标。嗯，听起来简单，但背后的逻辑其实很巧妙。
它借鉴了物理学的能量最小化思想，但又不靠传统分子动力学。它用注意力机制（Transformer）去捕捉序列中远距离的残基配对关系。说白了，就是让模型自己学会：“哪些氨基酸离得近、哪些离得远、它们之间该怎么折叠”。
我记得第一次看它的论文时，最让我震撼的是它居然把多序列比对（MSA）和结构模板直接揉进网络里。传统做法是分开做：先跑 MSA，再用同源建模。AlphaFold 直接把 MSA 特征当成输入的一部分，让网络端到端学习。
大致流程可以画成下面这张图：
你看，整个流程其实就三步：特征提取 → Evoformer 迭代 → 结构模块生成坐标。每个环节都高度依赖注意力机制和几何约束。我曾经试过只用单序列跑 AlphaFold，结果准确率掉了一大截。所以 MSA 的质量非常关键，后面在 Docker 部署时我会专门讲怎么准备 MSA 库。
版本演进：从 v1 到 v3，我踩过的坑
AlphaFold 从 2018 年 CASP13 亮相到现在，已经迭代了好几版。我最早在项目里用的是 v2.0，当时 bug 还不少。下面这张表格是我自己整理的版本对比：
| 版本 | 发布时间 | 核心改进 | 我的实战感受 |
|---|---|---|---|
| AlphaFold v1 | 2018 (CASP13) | 首次提出端到端深度学习结构预测，使用残差网络和距离预测 | 啊，那时候还只是概念验证，我没敢在生产上用 |
| AlphaFold v2.0 | 2020 (CASP14) | 引入 Evoformer + 注意力机制，首次达到实验级精度（GDT > 90） | 我试着跑了一批同源建模失败的蛋白，结果惊了 |
| AlphaFold v2.1 (ColabFold 等变体) | 2021 | 改用 MMseqs2 快速 MSA，单 GPU 即可运行 | 终于不用等好几天了，非常适合小团队 |
| AlphaFold v3 | 2024 (Nature 论文) | 统一架构处理蛋白质、核酸、小分子，支持共价修饰和离子 | 我还没在生产完全迁移，但测试过核酸-蛋白复合体，效果很稳 |
适用场景：别什么蛋白都往上套
老实说，AlphaFold 虽然厉害，但它不是万能的。我见过有人拿它去预测一段天然无序区（IDR），结果输出一个规整的结构，置信度 pLDDT 还低得可怜。这么做其实浪费资源。
用之前先问自己几个问题：
- 有没有同源序列？ MSA 深度不够的话，预测质量会崩。
- 是不是多聚体？ 如果是，得用 AlphaFold-Multimer 或者 v3 的多链模式。
- 目标分辨率需求？ 如果要做药物筛选，建议至少 pLDDT > 80 的区域才有参考价值。
- 是否有配体或共价修饰？ v2.2 以上已经支持部分配体，v3 更好。
另外，适用场景也不限于单体。我记得有次团队需要预测一个抗体-抗原复合体，用 AlphaFold-Multimer 跑出来的界面残基对与实验晶体结构 RMSD < 1.5 Å。嗯，这就是它的高光时刻。
最后划个重点：AlphaFold 最擅长的是 具有明确折叠的球状蛋白，尤其是有同源结构模板的。对于天然无序蛋白、重复序列、环状肽等，它表现一般。所以部署之前，先评估你的蛋白类型，别盲目跑。