跳轉到

2020：AlphaFold 2——原子精度結案，折疊懸案的終章#

卷宗編號：AF-2020-CASP14。報案人：CASP 主席團。案情：兩年前初露鋒芒的偵探去而復返，這次他聲稱能以原子精度重建任何蛋白，誤差僅在實驗誤差範圍內。

案發現場#

2020 年 11 月，CASP14 線上公布結果。氣氛近乎超現實：

  • AlphaFold 2 在最難的 FM＋FM/TBM 類別拿下平均 \(GDT\) 約 92，中位數超過 90；許多目標的骨架 \(RMSD\) 低於 1 埃，等同實驗解析精度。
  • 第二名與它的差距，宛如職業選手與業餘愛好者的差距。評審 John Moult 直言「這是結構生物學五十年一遇的時刻」。
  • 背景是殘酷的：Rosetta、I-TASSER 等老牌方法苦戰二十年，FM 分數始終在 40–60 徘徊；冷凍電鏡雖爆發，但一個結構仍需數月與數十萬經費。

謎面變了：問題不再是「能不能預測」，而是「他究竟是如何一步到位、端到端地從序列長出三維結構的？」全案關鍵證物有二：Evoformer 與 Invariant Point Attention。

偵查過程（含數學式/表格/理論）#

重建一：Evoformer，同時審問序列與成對證詞#

AlphaFold 1 的 MSA 只當輸入特徵；AlphaFold 2 把 MSA 本身當作可被精煉的證詞。Evoformer 同時維護兩種表示：MSA 表示 \(M\) （行為同源序列、列為殘基位點）與成對表示 \(Z\) （殘基對關係）。

兩者互相通風報信：MSA 的共演化訊號更新成對關係，成對幾何一致性回頭校正 MSA 權重。核心是軸向注意力（row-wise 與 column-wise），加上三角一致性更新，強迫成對表示滿足距離三角不等式：

\[ Z_{ij} \leftarrow Z_{ij} + g(\{Z_{ik}, Z_{kj}\}_{k}) \]

其中 \(g\) 為三角乘法與三角注意力模組， \(Z_{ij}\) 為殘基 \(i\) 與 \(j\) 的成對嵌入。直覺是：若 \(i\) 近 \(k\) 且 \(k\) 近 \(j\) ，則 \(i\) 與 \(j\) 不可任意遠——幾何自洽被寫進網路歸納偏置。

重建二：Invariant Point Attention，在三維中直接作案#

結構模組（Structure Module）拋棄了 AlphaFold 1 的「先預測約束再最佳化」兩段式，改用 Invariant Point Attention（IPA）直接在 \(SE(3)\) 剛體框架下生成座標。每個殘基有一個局部座標系 \(T_i = (R_i, t_i)\) ，注意力分數在局部系中計算，天然具有旋轉平移不變性。

定罪關鍵：FAPE 損失#

傳統 \(RMSD\) 損失受整體疊合主導，局部錯誤會被掩蓋。AlphaFold 2 引入 Frame Aligned Point Error（記為 \(FAPE\) ）：把預測與真實結構都放到每個殘基的局部座標系下比較：

\[ L_{FAPE} = \frac{1}{N_{frames} N_{atoms}} \sum_{j} \sum_{i} \min(d_{cut}, \|T_j^{-1}(x_i) - T_j^{-1}(x_i^{true})\|) \]

其中 \(T_j\) 為殘基 \(j\) 的剛體框架， \(x_i\) 與 \(x_i^{true}\) 分別為預測與真實原子座標， \(d_{cut}\) 為截斷距離（通常 10 埃）。每個殘基都要為自己眼中的全蛋白負責——全局對齊作弊就此失效。

輔以 distogram 損失、masked-MSA 損失、pLDDT 自評分頭與循環精煉（recycling），模型學會自我糾錯：先猜一個粗結構，再把座標餵回 Evoformer 修三遍。

勘驗項目 AlphaFold 1 AlphaFold 2
架構 ResNet＋後端最佳化 Evoformer＋IPA 端到端
MSA 處理 靜態特徵 動態精煉的 \(M\) 與 \(Z\) 雙軌
幾何歸納偏置 無 三角一致性＋等變注意力
損失函數 距離區間交叉熵 FAPE＋distogram＋pLDDT
CASP FM 平均 \(GDT\) 約 70 約 92
側鏈與原子精度 粗糙 實驗級

Anfinsen 的教條——序列決定結構——在 FAPE 的見證下第一次被計算應驗。

結案報告#

CASP14 結案：單鏈蛋白質結構預測問題，在「有 MSA 可用＋剛性結構域」範圍內基本偵破。AlphaFold 2 的輸出達到實驗可用等級，結構基因體學的成本結構一夕翻轉。

遺產有三：

  • 方法論遺產：注意力＋幾何深度學習＋自洽精煉，成為後續 RoseTTAFold、ESMFold、AF3 的共同母語。
  • 生物學遺產：直接催生 AlphaFold DB，使全蛋白質組結構可搜尋，冷凍電鏡模型搭建、變異致病性判讀全面加速。
  • 哲學遺產：Levinthal 悖論被重新解釋——自然並非搜尋全部構象，而是在演化 sculpt 過的低維流形上滑行；深度網路恰好學會了那張地圖。

未結的尾巴：動態系綜、無序蛋白、複合體介面、多重構象，仍待後續卷宗（AF-Multimer、AF3）處理。

卷末附記：為什麼是 92 分，而不是滿分？#

剩下丟失的分數，恰是下一代偵探的線索：低分幾乎都落在無序區（IDR）、柔性鉸鏈與晶體堆積偽影處——這些地方本就沒有唯一結構。換言之，AlphaFold 2 的誤差分布本身就是一台無序區探測器，pLDDT 低分區與實驗 B-factor 高度相關，這一點在 2021 年開放折疊時代被反覆驗證。

證據與工具#

  • 關鍵公式：三角更新 \(Z_{ij}\) 、IPA 不變注意力、FAPE 損失、自信度 pLDDT 定義。
  • 核心工具：Evoformer（MSA＋pair 雙軌注意力）、IPA 結構模組、recycling 循環、OpenFold 開源重現版。
  • 評分尺：GDT-TS、 \(RMSD\) 、lDDT、TM-score；注意 \(GDT\) 偏重骨架拓撲，需輔以 lDDT 看局部化學合理性。
  • 線索延伸：Jumper 等人 2021 年 Nature 論文、OpenFold 程式碼、CASP14 評估專刊；動手可試跑 ColabFold 單例，觀察 pLDDT 低分區段與無序區的對應。
訓練與推理要點 內容 備註
循環精煉次數 約 3–4 輪 訓練時隨機，推理可加碼
截斷距離 \(d_{cut}\) 10 埃 超出部分按截斷計，防離群主導
自評分頭 pLDDT／PAE 免參考結構的信心估計
開源重現 OpenFold 精度約當，訓練流程公開
  • 術語對照：IPA（不變點注意力）、FAPE（框架對齊點誤差）、recycling（循環精煉）、pLDDT（預測版 lDDT）。
  • 判讀守則：先看 pLDDT 色帶（藍可信、紅存疑），再看 PAE 結構域圖，最後才看整體 \(GDT\) 數字。