9月5日消息，Phys.org报道，日本分子科学研究所（IMS，自然科学研究机构）Ohnuki Jun与Okazaki Kei-ichi团队联合综合研究大学院大学（SOKENDAI）在JACS Au发表论文（DOI: 10.1021/jacsau.6c00596），提出名为AF3-ReD的新方法，突破了AlphaFold3在蛋白质构象变化预测上的固有局限。

蛋白质构象变化对其功能至关重要，但即使是最新的AlphaFold 3（AF3）——采用扩散生成模型进行结构预测——默认设置下仍倾向收敛到单一构象状态。研究团队的方案是重复AF3结构预测，并引入一个排斥偏置能量项：每当新预测的原子坐标接近此前预测结构时即升高能量，从而“推开”模型去探索其他构象。

验证案例选择了腺苷三磷酸（ATP）合酶的F1β亚基：默认AF3即便在ATP结合态也只预测出开放构象，而AF3-ReD采样到了开放、闭合以及两者之间的中间构象。这意味着引入排斥力后，此前AlphaFold默认设置难以预测的构象变化变得可被系统采样。

方法学意义在于：从AF3-ReD预测的多构象出发启动分子动力学模拟，可高效研究蛋白在构象间的转变路径。对于工业界关注的计算结构生物学工具链（构象系综、变构位点发现、基于结构的药物设计）而言，这是对AlphaFold生态的一次实用增强——AI结构预测正从“静态单一结构”走向“动态构象系综”。AlphaFold本身已获2024年诺贝尔化学奖，其生态方法的持续迭代显示计算结构生物学仍在快速演化。 （来源：Phys.org）