综述：实现蛋白质序列到功能范式的待办清单

这篇前瞻性综述犀利指出当前蛋白质功能预测领域依赖同源比对（homology-based）和模板库（library-based）方法的局限性，提出通过整合分子动力学（MD）模拟与机器学习（ML）构建生物物理特征签名（biophysical signatures）的新范式，以突破"千年级别"的全尺度动力学数据瓶颈，最终实现从序列直接解码蛋白质功能的终极目标。

　　

当今分子生物学的阿喀琉斯之踵

UniProt数据库中1.5亿条蛋白质序列仅约1%经过实验验证功能注释，当序列长度超过350个残基或涉及多功能蛋白时，传统同源比对方法的局限性尤为凸显。更棘手的是，现有约6500个蛋白质超家族中，功能高度分化的成员往往具有相似序列，而功能保守的蛋白却可能呈现序列分歧——这种"序列-功能"非线性关系直指传统方法的理论天花板。

全尺度分子动力学真的是功能研究的终极答案吗？

虽然分子动力学（MD）模拟能捕捉蛋白质构象变化的原子细节，但即使借助超级计算，常规模拟仍停滞在1μs时间尺度。要覆盖生理相关的毫秒级动态过程，按当前算力需要持续计算上千年。更本质的困境在于：蛋白质功能往往取决于罕见构象态（occupancy <0.1%），这些"暗状态"在有限时长的MD轨迹中如同大海捞针。

表征学习调研揭示的突围路径

通过对机器学习模型的系统分析发现，降维技术能有效压缩生物物理特征的维度灾难。例如在药物发现领域，将构象动力学投影到低维流形（manifold）后，仅需3-5个主导运动模式即可解释80%以上的功能相关波动。引人注目的是，图神经网络（GNN）对蛋白质动态网络的表征学习展现出特殊优势，其边权重可自然对应残基间的耦合振动。

数据引导的贝叶斯模型蕴含生物物理特征

整合实验数据的贝叶斯模型能提取"功能指纹"——如ATP结合蛋白的铰链区必定呈现特定刚柔相济的动力学模式。这类特征签名已成功应用于预测G蛋白偶联受体（GPCR）的偏向性信号转导，仅需纳秒级短时模拟即可识别关键构象开关。更有突破性的是，通过将弹性网络模型（ENM）与深度学习结合，研究者实现了仅凭单个晶体结构预测别构通讯路径。

突破时间尺度限制：模拟不可及领域的建模策略

针对长时程现象（如蛋白质折叠），流匹配（flow-matching）方法通过构建马尔可夫状态模型（MSM）将短时MD轨迹拼接成毫秒级动态图谱。在核孔复合体研究中，该方法成功重现了FG重复序列的"聚合物刷"相变过程。而最新发展的神经微分方程（Neural ODE）可学习构象态间的过渡势垒，其预测的溶酶体酶激活能垒与单分子实验误差仅0.3kcal/mol。

细胞尺度建模的新边疆

构建全细胞模型需要融合超20种实验技术数据，如冷冻电镜（cryo-EM）定位核糖体、X射线断层扫描重建细胞骨架。令人振奋的是，通过将粗粒化（CG）膜模型与连续介质溶质描述耦合，研究者首次模拟出细菌分裂时FtsZ环的力学传导过程。这种多尺度方法同样适用于人类细胞——整合转录组数据的虚拟线粒体已能重现ATP产量随氧分压变化的双相曲线。

该领域正经历从"序列-结构-功能"到"序列-动态-功能"的范式转变。随着AlphaFold3开始预测构象集合而非单一结构，以及量子计算带来的皮秒级超快模拟可能，破解蛋白质功能密码的千年困局或将迎来破晓时刻。