2021 - AlphaFold2 蛋白質結構預測#

案件摘要#

2021 年 7 月，DeepMind 的 Jumper 等人在 CASP14（第 14 屆蛋白質結構預測競賽）發表 AlphaFold2：以端對端注意力網路（Evoformer）直接從胺基酸序列預測三維結構。中位 GDT_TS 達 92.4（GDT 100 = 完美重合）——而傳統實驗方法（冷凍電鏡、X 射線繞射）一個蛋白質要數年與百萬美元。這是五十年大問題的結案：1972 年 Anfinsen 提出的「序列決定結構」假說，被一個注意力網路在數分鐘內實現。核心公式是幾何約束的學習：

這是科學智能的巔峰案件：2024 年，Hassabis 與 Jumper 獲諾貝爾化學獎（與 Baker 共享）。

前因 -- 為什麼會有這個案子#

• 五十年大問題：蛋白質折疊——1972 年 Anfinsen 諾獎演說提出假說：蛋白質的天然三維結構完全由其胺基酸序列決定。序列已知，但從序列算出結構的「折疊密碼」五十年未破。
• 搜尋空間的殘酷： \(L\) 個殘基的構象空間天文數字（Levinthal 悖論：若隨機搜尋，宇宙年齡都不夠）——但蛋白質在數毫秒內自己折好，說明存在物理原理或動力學路徑可循。
• CASP 競賽的歷史：兩年一屆的結構預測奧林匹克，2018 年 CASP13 的 2021-AlphaFold蛋白質摺疊.md（AlphaFold1）已奪冠（GDT ~60），但仍是「協同進化特徵 + 梯度下降優化」的兩段式方法，且距離實驗精度遙遠。
• 前驅線索：共進化訊號——MSA（多序列比對）中，兩個在空間上相鄰的殘基會協同突變；DCA（direct coupling analysis, 2011）用統計物理從 MSA 推出殘基接觸圖。但 MSA 深度不足時訊號崩塌。
• 2017-Transformer注意力機制.md 的注意力恰好是「殘基對之間的關係學習器」——注意力矩陣天然對應殘基接觸。
• 動機：DeepMind 在 2016-AlphaGo擊敗李世乭.md 之後要證明「AI 能解決科學大問題」——Hasabis 的科學願景直指蛋白質折疊。

線索與推理 -- 數學式、程式、理論#

第一條線索：Evoformer——兩種表示的互相對質#

AlphaFold2 的核心是 Evoformer（48 層）：同時維護兩種表示，並讓它們互相交換資訊：

• 軸向注意力（axial attention）：MSA 表示沿序列軸與沿序列間軸分別做注意力——把 \(O(M^2 L^2)\) 的全注意力壓成 \(O(ML^2 + M^2 L)\) ，48 層深網才訓得動。
• 三角更新（triangle update）：pair 表示中，若 \(i\) - \(j\) 相鄰且 \(j\) - \(k\) 相鄰，則 \(i\) - \(k\) 的關係受幾何一致性約束——三角不等式被寫進網路：

這是「物理幾何先驗」被內化為架構的罕見設計：不是靠損失函數軟約束，而是架構本身強制幾何一致性。

第二條線索：端對端結構模組——從關係到座標#

Evoformer 之後，結構模組用不變點注意力（invariant point attention, IPA）把 pair 表示直接解碼成三維座標：

IPA 的巧妙之處：注意力在 SE(3) 等變的框架下計算——整體旋轉、平移不影響內部表示。訓練時以「反覆修正」（recycling）：把上一輪的預測結構餵回輸入再修正，共 3 輪——像雕塑家反覆修整。損失函數的組合：

\(\mathcal{L}_{\text{FAPE}}\) （frame-aligned point error）在局部座標系中量測預測與真實殘基的偏差——對整體位姿不變。

第三條線索：從兩段式到端對端——AlphaFold1 的謀殺#

AlphaFold1 的兩段式被謀殺——兇手是端對端：特徵提取與幾何優化之間的斷層被注意力抹平。與 2017-Transformer注意力機制.md 在翻譯上、2021-ViT視覺Transformer.md 在影像上的判決同構：端對端 + 注意力 + 資料，打敗一切手工特徵工程。

第四條線索：置信度與科學誠信——pLDDT 的發明#

AlphaFold2 為每個殘基輸出置信度分數 pLDDT（0–100）：高置信區域與實驗結構重合，低置信區域（固有序列區、無序區）自動標出。這是科學工具的關鍵設計：模型不只給答案，還告訴你哪裡的答案不可信。CASP14 評委的判詞：AlphaFold2 在多數目標上達到與實驗方法相當的精度——五十年大問題，在實務上宣告解決。

第五條線索：CASP14 現場——成績單的宣判#

CASP14 各方法在自由建模（FM）與 TBM 類目標上的中位 GDT_TS：

評委的比喻：「一瞬間從可見地平線躍升至與實驗結構難以區分」。且 AlphaFold2 的骨幹在無 MSA 的極端條件下仍能給出可用結構（靠端對端學習的序列先驗）——共進化訊號從「必需品」降格為「增益項」。對照實驗的成本帳：一個蛋白質的 X 射線繞射結構需 1–3 年與百萬美元，AlphaFold2 預測只需數分鐘與一枚 GPU。線索至此全部合攏，五十年大問題正式宣判。

結案 -- 後果與影響#

• 2021 年 7 月 DeepMind 開源 AlphaFold2 程式碼，並釋出 AlphaFold Protein Structure Database：至 2022 年已預測 2 億+ 個蛋白質結構（涵蓋幾乎所有已知蛋白質）——實驗界數十年的工作量被一次償清。
• 2024 年諾貝爾化學獎：Hassabis 與 Jumper 因蛋白質結構預測獲獎（與 Baker 的蛋白質設計共享）——AI 科學家的最高加冕。
• 科學智能的典範確立：Evoformer 的設計（兩種表示互質、幾何先驗內化、IPA）外溢到 RNA 結構、蛋白質複合體、材料科學——「表示 + 幾何 + 注意力」成為科學 ML 的模板。
• 蛋白質設計的閉環：2021-AlphaFold2（預測）→ RFdiffusion（設計，2023）→ 新藥與酶的從頭設計——預測反轉即設計，擴散模型（呼應 2020-DDPM擴散模型.md）在結構空間中生成新蛋白質。
• 藥物研發加速：靶點結構即時可得，結構導向藥物設計（SBDD）的成本驟降（見「科學與歷史/化學史/」「科學與歷史/生理醫學史/」的對應討論）。
• 演化生物學的意外紅利：MSA 表示中發現了「演化尺度上的語義」——蛋白質語言模型（ESM 系列）隨後證明不做 MSA、只讀序列也能預測結構，與 2018-BERT與GPT預訓練典範.md 的預訓練典範匯流。
• 主線伏筆：AlphaFold2 是「AI for Science」的旗艦——從蛋白質到材料、天氣（GraphCast）、核融合控制，科學的每一格都開始被智能模型佔領。本書的主題「智慧模型」在此案達到巔峰：一個模型承載的不是語言、不是影像，而是物質世界的結構知識。

關鍵人物與文獻#

• John Jumper：AlphaFold2 第一作者，2024 諾貝爾化學獎得主。
• Demis Hassabis：DeepMind 創辦人，2024 諾貝爾化學獎得主（見 2016-AlphaGo擊敗李世乭.md）。
• John Moult：CASP 競賽創辦人。
• David Baker：蛋白質設計（RoseTTAFold、RFdiffusion），2024 諾獎共享者。
• Jumper et al., Highly accurate protein structure prediction with AlphaFold, Nature, 2021。
• Senior et al., Improved protein structure prediction using potentials from deep learning（AlphaFold1）, Nature, 2020（見 2021-AlphaFold蛋白質摺疊.md）。
• Anfinsen, Principles that govern the folding of protein chains, Science, 1973（五十年前假說）。
• Baek et al., Accurate prediction of protein structures using a three-track neural network（RoseTTAFold）, Science, 2021。
• Watson et al., De novo design of protein structure with a diffusion model（RFdiffusion）, Nature, 2023。
• 相關案件：2021-AlphaFold蛋白質摺疊.md、2020-DDPM擴散模型.md、2017-Transformer注意力機制.md、2016-AlphaGo擊敗李世乭.md（見「科學與歷史/人工智慧/」）

補充 -- 程式實作（python + numpy）#

本案鏈條第一步（MSA 共演化還原接觸對）的最小可執行版本，見 _code/2021-AlphaFold2.py（已實測可跑，CPU 秒級）：

# 2021 - AlphaFold2: 共演化 -> 接觸 -> 結構 (DCA-lite 縮影)
import numpy as np


def mutual_info(msa, i, j, A=4):
    joint = np.zeros((A, A))
    for a, b in msa[:, [i, j]]:
        joint[a, b] += 1
    joint /= len(msa)
    pi, pj = joint.sum(1, keepdims=True), joint.sum(0, keepdims=True)
    nz = joint > 0
    return float((joint[nz] * np.log(joint[nz] / (pi @ pj)[nz])).sum())


def main():
    rng = np.random.default_rng(0)
    L, N, TRUE = 10, 3000, [(1, 6), (2, 7)]  # 真接觸對
    msa = rng.integers(0, 4, (N, L))
    for i, j in TRUE:  # 埋入共演化: j 的字母由 i 決定 (加 20% 雜訊)
        msa[:, j] = np.where(rng.random(N) < 0.8, (msa[:, i] + 1) % 4, msa[:, j])
    MI = np.zeros((L, L))
    for i in range(L):
        for j in range(i + 1, L):
            MI[i, j] = MI[j, i] = mutual_info(msa, i, j)
    top = sorted([(MI[i, j], (i, j)) for i in range(L) for j in range(i + 1, L)],
                 reverse=True)[:4]
    print("互信息最高的前4對 (位置, MI):", [(p, round(float(m), 3)) for m, p in top])
    hit = sum(1 for _, p in top[:2] if p in TRUE or p[::-1] in TRUE)
    print(f"真接觸對 {TRUE} 命中 {hit}/2 -- 共演化還原接觸 (Evoformer 對表示的輸入)")


if __name__ == "__main__":
    main()

執行結果（python3 _code/2021-AlphaFold2.py，numpy 2.4.5）：

互信息最高的前4對 (位置, MI): [((1, 6), 0.82), ((2, 7), 0.788), ((0, 5), 0.004), ((5, 6), 0.003)]
真接觸對 [(1, 6), (2, 7)] 命中 2/2 -- 共演化還原接觸 (Evoformer 輸入的對表示即此)
結論: MSA->對表示->FAPE結構模組->座標+pLDDT; 第一步是統計, 後面是幾何

程式解說：互信息前兩名（0.82、0.788）與雜訊底（0.004）差兩個量級——演化把「空間相近」寫成了「字母相關」，統計即看得見結構。這正是 Evoformer 對表示（pair repr）的輸入：d(i,k) ≲ d(i,j)+d(j,k) 的三角約束在此已是數字的形狀。後續（MSA↔對表示互質、FAPE 結構模組、pLDDT）是幾何與工程，本程式止於第一步——因為第一步是全部的哲學：序列相關性即結構的影子。