AlphaFold：从序列算出蛋白质的形状
蛋白质是一串氨基酸，折成什么形状，决定它能做什么。几十年来，一个形状要靠实验来测，常常一测好几年。2020 年，AlphaFold 只看序列，就把大多数蛋白质的形状算到了接近实验的精度。台上是大麦种子里的小蛋白 CI2：青铜丝带是 AlphaFold 数据库里它的预测，钢丝是 X 射线测出的结构。
向下滚动
一串氨基酸
蛋白质由氨基酸一个接一个连成。氨基酸有 20 种，侧链各不相同：有的怕水，有的带电，有的很小。台前的铜条上刻着这一条的全部 84 个字母，一个字母是一种氨基酸。
链会自己折起来：怕水的侧链躲到里面，带电的留在外面。折成的形状决定它做什么。CI2 来自大麦种子，它伸出一个环，塞进枯草杆菌蛋白酶和胰凝乳蛋白酶的活性口袋，把这两种酶堵住。
1973 年，Anfinsen 总结：在合适的环境里，序列本身就决定了形状。那么，只看序列能不能算出形状？这个问题悬了将近五十年。
CI2 · UniProt P01053 · 84 个氨基酸 · 一个字母一种氨基酸
折叠难题
一条链能摆出的姿态多得数不清。1969 年，Levinthal 指出，蛋白质不可能把所有姿态挨个试一遍。按常见的算法：就算每个氨基酸只有 3 种姿态，84 个也有约 10⁴⁰ 种组合；每秒试十万亿种，也要试约 10²⁰ 年。CI2 在水里折好，只要约 20 毫秒。
所以形状一直靠实验测。1958 年，Kendrew 用 X 射线晶体学得到第一个蛋白质的三维结构。到今天，蛋白质数据库 PDB 里有约 26 万个实验结构，而已知的蛋白质序列有 1.5 亿条。
1994 年起，结构预测有了自己的比赛 CASP：每两年一届，出题用的是刚测出、还没公开的结构，参赛者只拿到序列。
3⁸⁴ ≈ 10⁴⁰ 种姿态 · PDB 260,896 个实验结构 · UniProtKB 1.5 亿条序列（2026-10-18）
进化留下的线索
同一类蛋白在许多物种里都有，序列各不相同，形状却差不多。把它们一个位置对一个位置地排齐，叫多序列比对。上方的九行，是 CI2 所在家族里来自不同物种的九条。
两个氨基酸若在空间里贴着，一个变了，另一个常常跟着变，两者才能继续贴合。在几千条序列里找“一起变”的位置对，就能猜出谁挨着谁。
这里的数是本站用 Pfam 里这个家族的 3,163 条序列算的：共变最强的 32 对里，22 对在晶体结构里确实挨着。黄铜细杆连起的就是这 32 对。AlphaFold 也从这样的比对读起。
Pfam PF00280 · 3,163 条序列 · 前 32 对里 22 对是接触（β 碳相距 < 8 埃）
每一对都记一笔
AlphaFold 2 的主体叫 Evoformer。它给每一对氨基酸都留一组数：84 个氨基酸，就是 84 × 84 格，叫配对表示。比对也留着一份。
48 层里，两份表示反复交换信息：比对里的共变写进配对表，配对表又反过来指导怎样读比对。注意力让每一格去看和它相关的格子。还有一步按三角形更新：i 挨着 j，j 挨着 k，i 和 k 的距离就不能随便。
后面的瓷板是从这次预测里量出的每一对的距离，越深越近。离开对角线的深色块，就是链上隔得很远、在空间里贴在一起的部分。
84 × 84 对 · Evoformer 48 层 · 瓷板：预测结构中每对 Cα 的距离，0 到 20 埃
搭出三维
结构模块把配对表变成坐标。它把每个氨基酸当作一个小刚体，开始时全部叠在原点、朝同一个方向；8 层之后，各自移到位置、转好方向，再算出侧链的角度。
整个网络要跑四遍：每一遍都拿上一遍的结果当输入，叫循环。
台上的链做的是另一件事，由本页当场计算：从平放的一串开始，只按预测里每一对的距离，用梯度下降一步步挪，直到距离都对上。2018 年的第一版 AlphaFold 就是这样从预测的距离搭出结构的；第二版把这一步放进了网络里。
本页计算：梯度下降，从平放的链到预测的形状；读数是这一步和预测相差多少
它有多大把握
AlphaFold 给每个氨基酸打一个 0 到 100 的分，叫 pLDDT，是它预计这一处局部结构有多准。数据库用四种颜色：90 以上深蓝，70 到 90 浅蓝，50 到 70 黄，50 以下橙。
CI2 的主体几乎全是深蓝，开头 20 个是黄和橙。晶体里，这一段也看不见：成熟蛋白开头的 18 个氨基酸没有固定的位置。很低的 pLDDT，常常意味着这一段本来就松散。
瓷板换成了预测对齐误差：按第 i 个氨基酸对齐时，第 j 个的位置预计差多少埃。绿色越深，两处的相对位置越可信。
pLDDT ≥ 90 · 70–90 · 50–70 · < 50 · 前 20 个低于 70
和实验对照
钢丝是 1987 年用 X 射线测出的 CI2 结构，PDB 编号 2CI2。把预测叠上去，65 个对得上的位置，平均偏差 0.80 埃，比一根碳–碳键（约 1.5 埃）还短。这个数是本页当场算的。
不过这不算考试：2CI2 早已公开，在 AlphaFold 的训练数据里。真正的考试是 2020 年的 CASP14，题目都没公开过。AlphaFold 主链的中位误差是 0.96 埃，排第二的方法是 2.8 埃；按 CASP 的 GDT_TS 分（满分 100），它在各结构域上的中位数是 92.4。
2021 年起，预测放进公开的 AlphaFold 数据库。到 2024 年，超过 2.14 亿条蛋白质序列有了预测结构。
预测对晶体：Cα RMSD 0.80 埃（残基 20–84）· CASP14：0.96 埃对 2.8 埃
它做不到的
一次预测只给一个静止的形状。蛋白质工作时会动、会换构象，AlphaFold 通常只给出其中一种，也不说明链是怎样折起来的。
蛋白质很少单独工作。AlphaFold 2 算的是蛋白质链。2024 年的 AlphaFold 3 能把蛋白质、DNA 和 RNA、小分子、离子和修饰过的残基放在一起算，用扩散模块直接生成原子坐标。
它的论文也写明了局限：在松散的区域，它有时会凭空画出有序的结构；生成的结构有时不符合手性。预测是假设，用在实验和药物之前，常常还要核对。
AlphaFold 3（2024）：蛋白质 · 核酸 · 小分子 · 离子 · 修饰残基
诺贝尔奖
2024 年诺贝尔化学奖，一半授予 Demis Hassabis 和 John Jumper，表彰蛋白质结构预测；另一半授予 David Baker，表彰计算蛋白质设计，也就是反过来：先定形状，再算出能折成它的序列。
从 1973 年 Anfinsen 说序列决定形状，到从序列算出形状成为日常工具，用了不到五十年。
2024 年诺贝尔化学奖
实验台
滑杆是梯度下降的步数：链从平放的一串，或从一团随机线团开始，按预测的距离一步步挪。读数是这一步和预测、和晶体结构各差多少。还可以打开 pLDDT 颜色、套上晶体结构、连上共变的位置对。
试一试把 pLDDT 颜色打开，再套上晶体结构。橙色和黄色的那一段，钢丝为什么没有跟上？
模型省略了什么
丝带是 AlphaFold 数据库里 CI2 的预测（AF-P01053-F1，第 6 版），只按每个氨基酸的 Cα 原子画出；螺旋和折叠片的范围取自晶体结构 2CI2 的标注。丝带是一种习惯画法，原子并不长这样。链从平放到折好的过程不是 AlphaFold 的计算，而是本页的距离几何：拿预测的全部距离来拟合，先在四维里解开，再压回三维。它只说明：知道了每一对的距离，就知道了形状。共变是本站用 Pfam 的比对和伪似然模型算的，不是 AlphaFold 用的那份比对（它搜的是 UniRef90、BFD、MGnify 等库）。
几个常见的误解
说 AlphaFold“解决了蛋白质折叠问题”不准确：它预测的是折好的形状，不是折叠的过程，也不是蛋白质在细胞里的全部状态。pLDDT 高，说明局部结构可信，不说明两个结构域之间的相对位置也可信，那要看预测对齐误差。AlphaFold 也不是从物理定律算出形状：它从几十年的实验结构里学到了序列和形状的关系。
常见问题 · 4
- 蛋白质折叠难在哪里？
一条链能摆出的姿态多得数不清。1969 年，Levinthal 指出，蛋白质不可能把所有姿态挨个试一遍。
02折叠难题 ↑- 怎样从进化里猜出哪些氨基酸挨着？
两个氨基酸若在空间里贴着，一个变了，另一个常常跟着变，两者才能继续贴合。
03进化留下的线索 ↑- pLDDT 的四种颜色是什么意思？
数据库用四种颜色：90 以上深蓝，70 到 90 浅蓝，50 到 70 黄，50 以下橙。
06它有多大把握 ↑- AlphaFold 在 CASP14 上有多准？
AlphaFold 主链的中位误差是 0.96 埃，排第二的方法是 2.8 埃
07和实验对照 ↑
资料来源
- Jumper 等（2021）：Highly accurate protein structure prediction with AlphaFold，Nature 596:583–589（及补充材料）
- Jumper 等（2021）：Applying and improving AlphaFold at CASP14，Proteins 89:1711–1721（结构域 GDT_TS 中位数 92.4）
- Kryshtafovych 等（2021）：Critical assessment of methods of protein structure prediction (CASP)—Round XIV，Proteins 89:1607–1617
- Abramson 等（2024）：Accurate structure prediction of biomolecular interactions with AlphaFold 3，Nature 630:493–500
- Senior 等（2020）：Improved protein structure prediction using potentials from deep learning，Nature 577:706–710
- Varadi 等（2022）：AlphaFold Protein Structure Database，Nucleic Acids Res. 50:D439（pLDDT 的四档）
- Varadi 等（2024）：AlphaFold Protein Structure Database in 2024，Nucleic Acids Res. 52:D368（超过 2.14 亿）
- AlphaFold DB：AF-P01053-F1（CC BY 4.0）
- McPhalen、James（1987）：CI-2 的晶体结构，Biochemistry 26:261–269；PDB 2CI2
- Jackson、Fersht（1991）：Folding of chymotrypsin inhibitor 2. 2，Biochemistry 30:10436（折叠速率 53 s⁻¹）
- UniProt P01053：Subtilisin-chymotrypsin inhibitor-2A，大麦
- Anfinsen（1973）：Principles that govern the folding of protein chains，Science 181:223
- Levinthal（1969）：How to fold graciously
- Zwanzig、Szabo、Bagchi（1992）：Levinthal’s paradox，PNAS 89:20
- Kendrew 等（1958）：A three-dimensional model of the myoglobin molecule，Nature 181:662
- CASP（预测中心）
- Pfam PF00280（InterPro；Blum 等 2025，Nucleic Acids Res. 53:D444）
- Marks 等（2011）：Protein 3D structure computed from evolutionary sequence variation，PLoS ONE 6:e28766
- Morcos 等（2011）：Direct-coupling analysis of residue coevolution，PNAS 108:E1293
- Ekeberg 等（2013）：Improved contact prediction in proteins: using pseudolikelihoods to infer Potts models，Phys. Rev. E 87:012707
- 2024 年诺贝尔化学奖新闻稿
- RCSB PDB 统计；UniProtKB 2026_03 统计
数据
The predicted structure, its pLDDT and its predicted aligned error are AlphaFold DB entry AF-P01053-F1, version 6 (Jumper et al. 2021; Varadi et al. 2024), used under CC BY 4.0. The experimental structure is RCSB PDB entry 2CI2 (McPhalen & James 1987), CC0 1.0. The family alignment is Pfam PF00280 (Potato inhibitor I family) from InterPro (Blum et al. 2025), CC0 1.0. The co-evolution scores, the superposition and the fold on the bench are the site’s own, computed by docs/plates/alphafold/coevo.py and src/topics/alphafold/science.js.
本页的文字、图片和模型采用 CC BY-NC 4.0 许可：可以免费用于教学和其他非商业用途，可以修改，请注明出自 world.lapla.si。上面列出的第三方素材仍按各自的许可。
引用这幅图版
拉普拉斯的迷你世界，图版 F19《AlphaFold：从序列算出蛋白质的形状》，https://world.lapla.si/zh/alphafold/，CC BY-NC 4.0，2026-10-18 更新。
沿这个问题继续
图版 F13Transformer 的注意力一个两层、八个头的小 Transformer，在你的浏览器里逐字读一句话，猜下一个字母。每条丝线是一次“注意”，亮度就是它的权重。
图版 F18神经网络怎样学习一块按真实误差铣出来的铝制地形，一颗按真实梯度往下走的钢球，一架玻璃和黄铜做的小网络：正向的光把数送到输出，反向的光把每根杆该拧多少送回来。
图版 F15CRISPR-Cas9 基因编辑一条 DNA 梯子和一台按晶体结构做出来的 Cas9：向导 RNA 带着它在三十亿个字母里找到二十个，先认 PAM，再逐个碱基配对，然后两个结构域各切一条链。
图版 44从噪声里长出来的图许多会画画的 AI，都从一团随机的噪点开始：一步一步，把噪声擦掉。一个小网络在你的浏览器里做同样的事，让一团乱点慢慢凝成一个结。
