《Current Opinion in Structural Biology》：Theoretical approaches to tracing conformational polymorphism of proteins
编辑推荐：
蛋白质并非早期结构生物学研究所暗示的刚性、静态实体。相反，它们是高度动态的分子，其最佳表征方式不是单一参考结构，而是构象的玻尔兹曼系综（Boltzmann ensemble）。本文综述了重现此类结构系综的理论方法，特别侧重于识别主要构象状态及其连接转变路径的方
蛋白质并非早期结构生物学研究所暗示的刚性、静态实体。相反，它们是高度动态的分子，其最佳表征方式不是单一参考结构，而是构象的玻尔兹曼系综（Boltzmann ensemble）。本文综述了重现此类结构系综的理论方法，特别侧重于识别主要构象状态及其连接转变路径的方法。
论文解读
研究背景与问题
蛋白质并非静态实体，而是高度动态的分子，其功能往往依赖于在不同构象状态之间的转换。尽管安芬森定律（Anfinsen's dogma）曾提出蛋白质三维结构完全由氨基酸序列决定，但数十年的研究表明，许多蛋白质需要以结构系综而非单一静态结构来表征。部分蛋白质围绕明确状态波动，另一些则采样替代构象、探索稳定二级结构的多重取向，或本质无序。因此，如何在计算层面重现蛋白质的构象多态性、识别主要构象状态及其转变路径，成为结构生物学与计算生物学领域的核心挑战。
现有方法面临多重瓶颈：全原子分子动力学（molecular dynamics, MD）受飞秒级积分步长限制，轨迹通常仅能覆盖微秒时间尺度，难以跨越构象状态间的高能垒；传统集体变量（collective variables, CVs）的选择具有主观性，可能产生不符合物理机制的转变路径；当替代构象未知时，如何预测替代结构并构建转变路径亦缺乏系统方案。这些局限促使研究人员发展多种理论方法，以期在计算效率与物理可靠性之间取得平衡。
研究内容与总体结论
研究人员系统综述了追踪蛋白质构象多态性的理论方法，涵盖从近平衡波动到大规模构象转变的多个层次。在近平衡动力学方面，全原子MD仍是参考技术，可结合核磁共振（nuclear magnetic resonance, NMR）数据追踪蛋白质内信息传递，并用于识别隐蔽空腔（cryptic cavities）以拓展可成药蛋白质空间。弹性网络模型（elastic network model, ENM）与离散MD（discrete MD, dMD）等粗粒化（coarse-grained, CG）方法提供了更高效的计算替代方案。对于跨越能垒的构象转变，基于CV的偏置模拟仍是传统解决方案，而AI辅助的CV优化方法正在快速发展。此外，基于多序列比对（multiple sequence alignment, MSA）亚采样的结构AI方法为预测未知替代构象开辟了新途径。
关键方法
研究人员在综述中梳理了以下主要技术方法：全原子MD及其与NMR数据的结合，用于近平衡波动与信息传递分析；混合溶剂MD、加速MD（accelerated MD）及MD与AI结合的方法，用于隐蔽空腔识别；弹性网络模型与离散MD等粗粒化方法，用于高效生成构象系综；基于CV的偏置模拟，包括均方根偏差（root mean square deviation, RMSD）、几何坐标、接触图、主成分分析（principal component analysis, PCA）特征向量及路径变量等传统CV；元动力学（metadynamics）、伞形采样（umbrella sampling）、自适应偏置力（adaptive biasing force）等自由能方法；加权系综（weighted ensemble）、马尔可夫状态模型（Markov state models, MSMs）、字符串方法（string method）、副本交换（replica exchange）等温和信息偏置方案；基于MSA亚采样的AI结构预测方法，包括浅层MSA、列掩蔽与MSA聚类策略；以及去噪扩散模型（denoising diffusion models）与变分自编码器（variational autoencoders）等生成式深度学习方法。
研究结果
蛋白质是动态实体
研究人员指出，自1957年安芬森定律提出和1958年Kendrew获得首张蛋白质X射线衍射图以来，科学界用了数十年才认识到单一静态结构概念需被结构系综概念取代。部分蛋白质围绕明确状态波动，另一些则采样替代构象或本质无序，任何有用的蛋白质表征都应考虑其内在柔性。
近平衡蛋白质动力学
全原子MD仍是探索近平衡柔性的参考技术，但飞秒级积分步长限制轨迹至微秒时间尺度。MD单独或与NMR数据结合，已系统应用于追踪蛋白质内信息传递，其中集体网络分析、最短路径方法和Ciccotti的微扰非平衡方法值得特别关注。隐蔽空腔识别方面，混合溶剂MD、加速MD及MD与AI结合的方法尤为有效。在FAIR数据存储于公共数据库的背景下，全原子MD作为AI训练粗粒化模型的资料来源获得新的重要性，MARTINI模型仍是参考，但近年来出现了新的系统特异性力场。弹性网络模型基于最小挫折原理，假设扰动残基相对位置产生简谐能量惩罚，可通过简正模式分析或布朗动力学生成构象系综。离散MD避免显式积分牛顿运动方程，计算效率显著更高，且允许多种类型的势能函数。
通过偏置模拟追踪构象转变
蛋白质相关构象状态常被高能垒分隔，无法通过无偏MD表征转变过程。传统解决方案引入CV作为约束偏置系综以增强状态间转变采样，后处理可恢复无偏分布并推导自由能等热力学量。不同偏置机制产生不同转变路径，仅部分反映真实物理机制，因此最优CV的设计成为关键。
传统CV方面，最简单的RMSD目标结构惩罚方法快速且强制收敛，但排除局部重折叠、扭转或旋转等复杂运动。基于简化几何坐标的CV存在选择原子的主观性问题。接触图CV有助于表征弱协同相互作用如何引导大规模构象运动。基于平衡动力学低频特征向量的CV利用生物学相关转变与蛋白质本质动力学的对齐，但线性方法无法捕捉旋转或分段运动。路径变量可插值3D或特征空间中间态序列，几乎可指定任意路径，但中间态若未经实验确定仍需其他方法预测。
CV优化方面，近期方法学进展使CV的变分优化成为可能：获得初始转变路径后，迭代优化CV以确保转变遵循真实最低自由能路径。结合AI的方法可在无监督和监督方式下确定最优CV。无监督方法通常最大化数据重构与解释方差，或通过时间滞后自编码器、tICA类目标捕捉最慢自由度，亦有方法组合特征以匹配深度学习编码的概率分布、最大化未来离散状态与编码CV间的互信息，或隐式逼近committor函数。监督方法主要聚焦于最大化预定义状态间的可分离性。
偏置方法方面，伞形采样和元动力学（尤其是well-tempered与multiple-walker变体）已成为重构多维自由能剖面的首选方法。相关方法如on-the-fly概率增强采样、自适应偏置力和自适应加权直方图因高效实现或良好收敛性而有时被优先选用。温和信息偏置方案通过利用短轨迹的局部趋势构建构象动力学的自下而上统计描述，可精确重构转变动力学，代表性方法包括加权系综、基于马尔可夫状态模型或其深度学习对应物的自适应方案。字符串方法通过追踪短轨迹群的平均漂移迭代优化最低自由能路径上的中间态集合。副本交换方法（REST2及其广义版本gREST）通过选择性缩放项的哈密顿量阶梯实现无目标低能构象探索。转变界面采样、前向通量采样或milestoning利用先进理论框架从较短片段拼接大尺度转变，自然适用于committor分析，但依赖大量平衡轨迹，对大体系高能垒情形使用复杂。
Gō样CG模型中的转变
这些方法在设计上限制轨迹于参考能量最小值附近，采样其他状态可能性很低。若引入对应目标结构的第二势阱，蛋白质变得受挫并可能在两个盆地间跳跃。当两势阱差异显著时，可能需要额外偏置方案帮助系统逃离初始最小值、加速转变并减少回穿事件。CG转变缺乏原子细节，无法完整描述转变的物理机制，但这些粗略且计算廉价的路径可提供初始CV，进而加速CV偏置原子模拟的收敛。
定义替代蛋白质结构
当替代结构未知或转变表征需要中间态信息时，如何推进尚不明确。基于非平凡共进化信号的替代构象预测取得重大进展，但用户需选择共进化驱动转变中蛋白质哪些部分受限。结构AI方法结合MSA亚采样带来范式转变：若多次输入部分比对序列，每次运行可能产生不同结构。关键决策在于如何亚采样MSA以减少接触受挫并允许AI代码推导替代结构。三种主要策略包括浅层MSA、掩蔽比对中特定列和聚类MSA。这些方法在小规模受控案例中表现良好，但存在显著问题：掩蔽策略会移除共进化信息从而降低预测质量，随机浅层MSA不太可能产生高可靠性替代结构，MSA聚类虽看似最合理但存在信息损失与AI算法获取可靠结构困难等批评。另一方向依赖生成式深度学习方法，包括去噪扩散模型和变分自编码器。新方法将MD模拟纳入训练集，用去噪扩散模型重现构象系综而无需运行特定模拟。此类方法能否追踪训练集外的大尺度转变、能否给出相对群体权重或热力学性质，仍是开放问题。
总结与展望
研究人员在展望部分指出，生成定量正确的玻尔兹曼系综（尤其在非标准条件下）需要平衡数据驱动方法的计算效率与物理驱动方法的可靠性。转变路径验证应日益依赖方法学三角互证，结合时间分辨光谱、突变分析和溶剂可及表面的直接/间接数据。许多结构系综将更适合以连续空间而非若干离散状态表征，同时需改进柔性和无结构区域的描述，尤其在解释冷冻电镜图像时。高效采样低能构象与可靠前向模型及贝叶斯或最大熵方法结合以纳入实验数据，有望实现数据、理论与实验科学之间的协同。
