计算结构生物学中深度学习的进展与瓶颈：CASP第十六轮竞赛

《Proteins: Structure, Function, and Bioinformatics》：Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI

CASP16评估显示，AlphaFold3在蛋白质单体和复合物预测中表现提升但接近实验精度极限，RNA结构预测仍依赖传统方法，配体-蛋白质复合物亲和力预测显著优于传统方法，而多构象状态预测仍面临挑战。未来需加强数据积累、混合建模和算法创新。

　　在当前的科学界，计算结构生物学领域正经历一场深刻的技术变革，其中最显著的进展之一便是深度学习技术的广泛应用。CASP16（Critical Assessment of Structural Prediction）作为这一领域的重要评估活动，旨在系统地检验当前计算方法在预测生物大分子结构方面的性能。CASP实验每两年举行一次，参与者需要在没有实验数据的情况下预测生物大分子结构，并通过独立评估者进行结果评估。CASP16于2024年举行，吸引了来自22个国家的110个研究团队，共提交了超过128,000个预测模型。这些结果不仅反映了当前技术的水平，也为未来的发展方向提供了重要的参考。

在CASP16中，针对蛋白质单体结构的预测仍然是评估的核心内容之一。过去几年，随着AlphaFold系列方法的引入，尤其是AlphaFold2，这一领域的预测精度有了显著提升。AlphaFold2的出现标志着深度学习在蛋白质结构预测方面取得了突破性进展，其预测结果在许多情况下与实验结构的匹配度已经接近极限。在CASP16中，虽然AlphaFold3的推出带来了一定的改进，但整体来看，蛋白质单体结构的预测精度已经趋于稳定，没有出现明显的提升。这一现象表明，深度学习方法在这一领域已经接近理论极限，即使有新的模型出现，也无法显著改变当前的预测精度。不过，值得注意的是，实验数据的不确定性可能对预测结果产生一定影响，因此即便模型精度达到较高水平，也无法完全消除与实验结果之间的差距。

在蛋白质复合物的预测方面，CASP16的结果显示出更大的进步空间。相比蛋白质单体，蛋白质复合物的预测仍然面临较大挑战，尤其是在确定不同亚基之间的相互作用界面时。在CASP15中，深度学习方法已经在这一领域取得了显著进展，而在CASP16中，这种进步虽有延续，但幅度相对较小。这可能与实验数据的多样性以及预测模型对复合物结构复杂性的适应能力有关。尽管如此，AlphaFold系列方法，特别是AlphaFold3，在这一领域的表现仍然优于许多传统方法。此外，一些研究团队通过结合传统物理启发的方法与深度学习技术，进一步提高了蛋白质复合物预测的准确性。例如，某些团队通过扩展的采样协议、多序列比对（MSA）的优化以及模型的精细调整，取得了较为出色的成果。这些方法表明，尽管深度学习在蛋白质复合物预测中已经取得进展，但仍有提升空间，尤其是在缺乏模板信息的情况下。

在RNA结构预测方面，深度学习方法的表现相对落后，尚未达到传统方法的水平。这可能与RNA结构的复杂性有关，包括其非标准碱基配对和结构动态性等特征。尽管CASP15中已经尝试引入RNA结构预测作为新的评估类别，但CASP16的结果显示，即使在拥有大量实验数据的情况下，深度学习方法仍然难以准确预测RNA的三维结构。对于RNA的结构预测，尤其是在没有相关模板的情况下，许多方法的预测结果与实验数据之间的差距较大。这表明，RNA结构预测仍然是一个未被完全解决的问题，需要进一步探索新的算法和技术。此外，RNA的实验数据在PDB（蛋白质数据库）中相对较少，这也限制了深度学习模型的训练效果，导致其在预测RNA结构方面难以达到与蛋白质相同的精度水平。

在蛋白质与有机配体复合物的预测方面，深度学习方法表现出显著的优势。相比传统方法，这些模型在预测配体结合位点和结合姿态方面更加高效。特别是在CASP16中，一些团队利用深度学习方法成功预测了多个配体与蛋白质的结合状态，其预测结果的精度远高于传统方法。这一进展对于药物设计具有重要意义，因为准确的结合模型可以帮助研究人员更有效地筛选潜在的药物分子。然而，尽管有较大提升，深度学习方法在预测结合亲和力方面仍然存在明显不足。这可能与实验数据的获取难度以及模型对亲和力计算的准确性有关。因此，在这一领域，尽管深度学习方法表现优异，但其结果仍然无法完全替代实验数据。

在对模型精度的估计方面，CASP16的结果表明，深度学习方法已经能够提供较为可靠的精度评估。许多团队利用不同的算法和指标，如LDDT（局部距离图的图论测度）和QSCORE（蛋白质-蛋白质界面精度评分），来评估预测模型的准确性。其中，AlphaFold2生成的模型自带的精度估计方法表现最为出色，其误差率最低。然而，其他团队开发的独立精度评估方法也取得了不错的成绩，特别是在处理蛋白质复合物时，某些方法能够更准确地识别出最接近实验结构的模型。这些结果表明，精度估计方法的开发正在不断进步，但仍有改进空间，尤其是在处理复杂的结构变化时。

在大分子构象集合的预测方面，CASP16的评估结果表明，当前的计算方法仍然面临较大挑战。许多蛋白质和RNA分子具有多种构象状态，尤其是在没有结合伙伴的情况下，其结构可能表现出较大的动态性。这种动态性使得预测准确的构象集合变得异常困难，因为实验数据往往只能捕捉到部分构象状态。在CASP16中，一些团队尝试通过多种方法预测这些动态结构，但整体结果仍然不尽如人意。部分实验表明，即使在存在模板的情况下，某些方法也难以准确预测所有可能的构象状态。此外，对于包含DNA的系统，预测其构象集合同样面临技术难题，因为目前对DNA结构的计算方法仍然不够成熟。

尽管CASP16的结果显示了深度学习方法在多个领域的显著进步，但同时也揭示了一些关键问题。首先，深度学习方法在某些特定类别，如RNA结构预测和大分子构象集合预测方面仍显不足，这表明这些领域的计算模型仍需进一步发展。其次，虽然AlphaFold系列方法在蛋白质单体和复合物预测中表现优异，但在缺乏模板信息的情况下，其预测结果仍然受到限制。此外，模型精度估计方法虽然有所改进，但仍然无法完全替代实验数据，特别是在处理复杂结构时，误差率较高。

为了进一步提升计算结构生物学的预测能力，未来的研究方向可能包括三个方面。第一，增加深度学习方法的训练数据，尤其是在RNA和大分子构象集合领域。目前，这些领域的实验数据相对较少，限制了模型的泛化能力。因此，未来可以通过构建更多的实验数据集，如通过OpenBind和Target2035等项目，来提升模型的训练效果。第二，结合传统物理启发的方法与深度学习技术，以弥补深度学习方法在某些方面的不足。例如，在蛋白质复合物和RNA结构预测中，一些团队通过引入物理模拟和传统算法，显著提高了预测的准确性。这种混合方法可能成为未来发展的关键方向。第三，改进算法本身，探索新的深度学习架构和结构表示方法。目前，已经出现了多种深度学习技术，如卷积神经网络、Transformer模型、大型语言模型和扩散模型等，未来可能会有更多创新方法出现，从而进一步提升预测精度。

总的来说，CASP16的结果显示，深度学习技术在计算结构生物学中已经取得了重要进展，尤其是在蛋白质单体和复合物的预测方面。然而，对于RNA结构、大分子构象集合以及某些特定类型的复合物，仍然存在较大的技术瓶颈。这些挑战表明，尽管深度学习方法已经改变了这一领域的研究范式，但其发展仍处于不断探索和完善的过程中。未来，随着更多实验数据的积累、算法的创新以及传统方法与深度学习的结合，计算结构生物学有望实现更全面的突破。然而，要达到与实验数据完全一致的精度，仍然需要时间和技术的进一步发展。