2021：開放折疊時代——兩億結構出土，全民皆偵探#

卷宗編號：OPENFOLD-2021。案情：破案神器不再壟斷，AlphaFold 2 開源當日，全球實驗室連夜下載；華盛頓、舊金山、首爾三地同時傳出仿造與超越的消息。

案發現場#

2021 年 7 月，DeepMind 與 EMBL-EBI 同步投下兩顆震撼彈：AlphaFold 2 論文＋開源程式碼，以及 AlphaFold DB（AFDB）首批 35 萬結構免費釋出。一年後資料庫膨脹至逾 2 億——幾乎覆蓋已知蛋白質宇宙。

案發現場有三股騷動：

於是 2021 年成為「開放折疊元年」：RoseTTAFold、三軌網路、語言模型折疊、ColabFold 相繼現身，折疊技術從貴族鑑識科下放到派出所。

Baker 實驗室僅用數週便交出 RoseTTAFold：把 AF2 的雙軌擴成三軌——1D 序列（MSA）、2D 距離圖、3D 座標同時精煉、互相校正。概念上是 SE(3)-Transformer 的早期實踐：

\[ (M, Z, X) \rightarrow \mathrm{ThreeTrack}(M, Z, X) \rightarrow (M', Z', X') \]

其中 \(M\) 為 MSA 嵌入， \(Z\) 為成對嵌入， \(X\) 為三維座標。精度略遜 AF2，但參數量小、可訓練，且能處理複合體，證明 AF2 路線可被獨立重現，壟斷疑雲不攻自破。

Meta 的 ESMFold 問了一個離經叛道的問題：若沒有同源序列（孤兒蛋白、抗體、宏基因組新序列），還能折疊嗎？答案是用蛋白質語言模型 ESM-2 把單序列讀成隱式演化訊息：

\[ X = \mathrm{FoldingTrunk}(\mathrm{ESM2}(s)) \]

其中 \(s\) 為單條胺基酸序列， \(\mathrm{ESM2}(s)\) 為掩碼語言模型學到的嵌入。ESMFold 速度比 AF2 快約一個量級，展示了「序列統計即演化」的假說，也為宏基因組 6 億結構預測鋪路。代價是深 MSA 目標上精度仍落後，語言模型尚未完全取代共演化。

韓國首爾的 ColabFold 團隊把 MMseqs2 超快 MSA 搜尋＋AF2 權重＋Google Colab 免費 GPU 縫合起來：原本數小時的管線壓到數分鐘，人人可在瀏覽器折疊。關鍵洞見是 MSA 搜尋才是瓶頸，而非神經網路推理。

2021 年勢力	輸入依賴	速度	精度（CASP 式評估）	開放程度
AlphaFold 2＋AFDB	深 MSA	慢但準	最高， \(GDT\) 約 92	權重＋程式全開源，2 億結構免費
RoseTTAFold	MSA 三軌	中	略低於 AF2，複合體靈活	全開源、可再訓練
ESMFold（2022 延續）	單序列語言模型	最快	孤兒序列反超，深 MSA 略輸	權重開源
ColabFold	MMseqs2＋AF2 權重	快且免費	等同 AF2	筆記本全公開

四者合圍，折疊從大教堂變成市集：AFDB 讓結構搜尋取代序列搜尋（Foldseek 橫空出世），全蛋白質組註解、藥物口袋掃描、古菌暗物質挖掘全面開工。

結構搜尋的數學直覺是把三維鄰接編碼為一維「3Di 字母表」，再用類 BLAST 的比對找形狀同源。搜 2 億結構只需數秒，這在 2020 年前是不可想像的。序列趨異但結構保守的遠源同源物，從此無所遁形。

2021 年的結案不是單一技術，而是一種典範轉移：

遺留的懸念：AFDB 的低 pLDDT 區段被誤用為真結構、無序蛋白遭過度解讀；單一靜態結構掩蓋動態系綜——下一幕的科學基礎模型必須回答「結構會動怎麼辦」。

開放也帶來新的贓物糾紛：AFDB 結構被直接當成實驗結構引用、pLDDT 紅區被畫成漂亮配圖、自動註解把幻覺功能貼上基因。本案偵探在結案陳詞中加了一條警語——開源的是權重，不是真理；下載的是座標，不是證據。判讀 pLDDT 與 PAE，仍是每個使用者的基本功。

關鍵物件：AFDB 存取編號、pLDDT 置信度色帶、PAE（Predicted Aligned Error）結構域劃分圖。
核心工具：MMseqs2、ColabFold 筆記本、Foldseek 結構搜尋、ESM-2 語言模型、RoseTTAFold All-Atom。
評斷公式：有效 MSA 深度 \(N_{eff}\) 與 pLDDT 的經驗關係； \(N_{eff}\) 越深，AF2 類方法信心越高，ESMFold 優勢則在 \(N_{eff}\) 極低區。
動手線索：用 ColabFold 折一個 Pfam 孤兒家族，對比 ESMFold 結果的 pLDDT 分布；再用 Foldseek 以結構搜 PDB，體會「形狀搜尋」與序列搜尋之差。