1. AlphaFold概述：从“不可能”到“实验室标配”
大家好，我是本次课程的主讲工程师。在正式开始参数调优之前，我觉得有必要先把这个“大家伙”的底细摸清楚。AlphaFold是什么？它为什么能拿诺贝尔奖？它又是怎么工作的？这些东西搞懂了，后面你调起参数来才会有方向感，否则就是在瞎蒙。
1.1 发展史：一场从0到1的蛋白质折叠革命
蛋白质结构预测，曾经是生物学里出了名的“圣杯问题”。在我读研那会儿，实验室想解析一个蛋白质结构，要么送去做X射线晶体衍射，要么做冷冻电镜。周期多久？少说三五个月，慢的一两年。成本呢？几十万起步。更别说有些蛋白质根本结晶不了，你拿它一点办法都没有。
直到2018年，DeepMind带着AlphaFold参加了第13届CASP（Critical Assessment of Structure Prediction）。那一年它打败了所有传统方法，虽然精度还不够高，但大家都意识到：AI这条路走通了。
真正炸裂的是2020年的CASP14。AlphaFold2横空出世，中位GDT分数（衡量预测结构与真实结构相似度的指标）达到92.4。这是个什么概念？意味着绝大多数预测结果跟实验结构差别不到一个原子宽度。我当时看到结果的第一反应是：“这不科学。”
| 版本 | 时间 | 关键突破 | GDT分数（中位） |
|---|---|---|---|
| AlphaFold1 | 2018 | 首次将深度学习用于蛋白质结构预测 | ~60 |
| AlphaFold2 | 2020 | 端到端架构，Evoformer + Structure Module | 92.4 |
| AlphaFold-Multimer | 2021 | 支持蛋白质复合体结构预测 | ~75（界面） |
| AlphaFold3 | 2024 | 统一框架，支持核酸、小分子配体 | 有提升 |
2021年AlphaFold2代码开源，随后蛋白质结构数据库AlphaFold DB迅速膨胀到2亿多个条目。2024年，AlphaFold3发布，不再局限于蛋白质，还能预测DNA、RNA和小分子的相互作用。同年，诺贝尔化学奖颁给了DeepMind的Demis Hassabis和John Jumper——说实话，实至名归。
1.2 应用场景：AlphaFold到底能干啥？
你可能会问：这东西在现实中有多“好用”？我挑几个我真正在项目里遇到过的场景说说。
- 药物靶点发现：传统药物研发找靶点结构，一等就是半年。现在有了AlphaFold，先拿预测结构做虚拟筛选，命中率虽然不如高分辨率实验结构，但速度快了太多。我们团队曾经用AlphaFold预测了一个G蛋白偶联受体的结构，然后对接出了几个先导化合物——最终有两个在体外实验中验证出了纳摩尔级别的活性。
- 酶工程改造：你想改造一个酶的底物特异性，先得知道它的活性位点在哪儿、口袋的静电分布什么样。AlphaFold给了你一个足够好的起点。我习惯在拿到预测结构后，再用分子动力学跑一下平衡——这样做出来的突变体成功率高很多。
- 疫苗设计：新冠病毒刺突蛋白刚出来那阵，很多团队直接用AlphaFold预测的结构来设计免疫原。2019年那会儿还没有AlphaFold2，但还是有很多人尝试用早期版本来加速抗原设计。
- 功能未知蛋白注释：你的基因组测完，发现一个未知蛋白。通过AlphaFold预测它的结构，再与已知结构数据库比对——嗯，很多时候DNA结合蛋白、酶、信号蛋白一下子就对上了。
1.3 基本原理与架构：一张图讲透AlphaFold怎么“猜”结构
说到原理，很多人一上来就讲Transformer、注意力机制，把你搞晕。说白了，AlphaFold的核心逻辑其实很简单：给出一段氨基酸序列，它能预测出每个原子在三维空间中的位置。
具体来说，分成三步：
- MSA（多序列比对）构建：把你这条序列拿去数据库里搜，找出所有跟它长得像的同源序列。这些序列组合起来，能告诉你哪些位置在进化中是保守的、哪些位置可以变。
- 成对特征提取：对于序列里任意两个残基，AlphaFold都会问“它们之间的距离是多少？”（叫残基对距离预测）。这部分通过Evoformer模块里的行注意力 + 列注意力来交替处理。
- 结构折叠输出：把所有预测出的距离约束放进一个可微的优化器里，从随机三维坐标开始，逐步“捏”成一个合理的结构。这就是Structure Module做的事。
我手绘了一张架构图，你看了会更清楚：
这张图的关键点，我给你拆开了讲：
- 箭头方向：数据从氨基酸序列进来，经过MSA构建和成对特征提取两条支路，汇入Evoformer做循环处理。这是AlphaFold最核心的创新——它不是一次性地把结构算出来，而是让两条信息流反复交叉、互相修正。
- Evoformer：说白了它就是个信息融合引擎。我见过很多人调参只调最后那几步，但说实话，Evoformer里的循环次数（
model.num_recyle）和注意力头数往往更关键。后面参数调优章节我会专门讲。 - Structure Module：这是把二维信息“升维”成三维结构的环节。它用了一个叫IPA（Invariant Point Attention）的机制，确保旋转平移后预测结果不变。你不用死磕数学原理，只需要知道：这个模块里有个
model.structure_module.num_heads，默认8，我调过4-16之间，感觉8是经验最优。
max_msa_clusters参数做好过滤。这个我第4章会详细说。
最后，嗯，再抛出两个我这两年总结的实用原则：
- 保残基对（pair representation）往往比MSA更有信息量。我参与过一个药物设计项目，目标蛋白同源序列稀少，MSA几乎为空，但利用成对特征里的结构先验信息，仍然得到了可用的预测结构。
- 不要迷信单次预测。AlphaFold每次运行会输出5个模型（model_1-5）。我建议你把这5个结构全跑出来，选pLDDT最高的那个。但这还不够——最好把
model.num_recycle从默认3增加到6或8，做一次“深度回收”，很多时候GDT能再涨2-3个点。
好了，概述部分就到这里。你记住：AlphaFold不是什么魔法，它就是一个端到端的深度学习管线，处理从序列到坐标的全程可微映射。理解了它怎么干活，我们接下来才能讨论怎么让它干得更好、更快、更稳定。