FoldScape：从序列预测任意折叠阶段的蛋白质结构

蛋白质结构预测模型通常只回答一个问题：这个序列最终折叠成什么形状？但蛋白质在细胞内并非始终处于天然构象，从无规卷曲到熔球态再到近天然结构的整个连续过程，同样是理解功能与疾病机制的关键。近期一篇研究提出的 FoldScape 框架，试图用序列直接生成指定折叠程度下的构象集合，填补了这一空白。

从"终点"到"全过程"：结构预测的盲区

以 AlphaFold 系列为代表的蛋白质结构预测器，在识别天然构象方面已经相当可靠。但这类模型输出的是单一的静态结构或有限的结构采样，并不能描述未折叠系综与折叠态之间那条连续的路径。换句话说，我们知道终点长什么样，却缺少对沿途风景的系统刻画。

FoldScape 的出发点正在于此。它是一个以序列为条件的深度学习框架，核心能力是在给定折叠分数 Q 的条件下，生成对应的 Cα 构象系综。Q 越高，结构越接近天然态；Q 越低，则更接近塌缩或伸展的构象。这让研究者可以按需"调取"蛋白质在任意折叠阶段的形态，而不是只拿到折叠完成后的那一个答案。

折叠分数 Q 是刻画蛋白质构象接近天然态程度的常用序参量，通常定义为当前构象与天然结构之间残基接触的重叠比例。Q=1 表示与天然态完全一致，Q 越低则偏离越远，依次经历近天然熔球态、塌缩无规卷曲直至完全伸展。由于 Q 是单一标量，它把高维构象空间压缩到一维坐标上，便于比较不同折叠阶段，但也无法区分 Q 相同而拓扑不同的构象。FoldScape 正是以 Q 作为条件变量，让生成模型在指定 Q 值下采样构象系综，从而实现沿折叠坐标的可控生成。

分层回归加整流流解码：FoldScape 怎么做到的

FoldScape 的生成策略可以拆成两步。第一步是分层、滑窗式的一维残基间距离回归，用这些距离约束重建出三维链；第二步通过链组装与采样，借助整流流（rectified-flow）解码器输出最终的构象系综。这种"先距离后结构"的思路，把高维构象生成拆解为更可控的子问题。

训练数据覆盖两种互补的轨迹来源：多尺度粗粒化折叠轨迹，以及全原子力学去折叠轨迹。前者提供折叠方向的连续信息，后者则从反方向补充了去折叠路径上的构象，两者结合让模型在折叠坐标的两端都有据可依。

此外，研究者还设计了一套步幅为一的裁剪—叠合（crop-and-superpose）方案，把推理能力扩展到比单次链级前向传播长数倍的链条上。这意味着 FoldScape 并不局限于短肽或小蛋白。

整流流（rectified flow） 是一类基于常微分方程的生成模型，其核心思想是学习一个速度场，把简单分布（如高斯噪声）沿近似直线的轨迹输运到数据分布。相比扩散模型需要多步去噪，整流流通过"重流"迭代可使轨迹更直，从而用更少的采样步数完成生成。在 FoldScape 中，整流流解码器接收由距离回归重建的链信息，输出符合目标 Q 条件的构象系综。这种设计使模型能在保持生成质量的同时降低采样开销，也便于在推理阶段批量产生多样化的构象样本。

多尺度粗粒化折叠轨迹与全原子力学去折叠轨迹构成训练数据的两个互补来源。粗粒化轨迹通常将每个残基简化为单个珠子，用简化势能模型模拟从伸展到折叠的路径，计算代价低、可覆盖大量序列，但丢失原子细节；全原子力学去折叠轨迹则用拉伸分子动力学从天然态出发逐步拉开蛋白，提供原子级精度和力学响应信息，但计算昂贵、样本有限。两者结合，使模型在折叠方向与去折叠方向上都有连续构象监督，避免只在单一方向上过拟合。

覆盖度与精度：与 AlphaFold 3 的互补关系

在 20 个人类蛋白（长度 36 到 857 个残基）上的对比测试中，在样本量匹配的前提下，FoldScape 覆盖的折叠坐标范围比采用种子变化的 AlphaFold 3 系综大约高出一个数量级，且在跨蛋白、跨序参量和跨分箱选择时都表现稳健。

不过，这一比较并非单向碾压。原文明确指出，AlphaFold 3 在紧邻天然态的局部区域锚定得更好，而 FoldScape 恰恰没有到达那一区域。两者因此构成互补关系：AlphaFold 3 擅长精细刻画终点附近的结构，FoldScape 擅长铺开整条折叠路径。

一个值得关注的细节是重建精度的稳定性。FoldScape 的精度沿 Q 变化大致保持恒定，从塌缩卷曲到近天然熔球态都没有明显衰减，而不是像许多方法那样随着远离天然态而逐渐变差。这种"全程可用"的特性，恰恰是描述折叠连续体所需要的。

力学去折叠与长链推理：方法的外延价值

除了折叠路径本身，论文还展示了训练轨迹的额外用途。研究表明，这些轨迹能够在残基分辨率上解析力学去折叠过程；以伸长量为条件的系综在不同拉伸速度下表现出可重复的连续可观测量；部分去折叠的链会形成几何上连贯的片段。

这些结果说明 FoldScape 的价值不只在"预测某一折叠阶段的结构"，还在于它提供了一个无需逐蛋白做分子模拟就能获得构象系综的途径。对需要研究折叠中间态、力学响应或部分去折叠行为的场景，这种免模拟的生成能力可能比单点结构预测更实用。

局限与意义

需要清楚的是，FoldScape 无法覆盖紧邻天然态的极近区域，这部分仍需依赖 AlphaFold 3 这类模型。它的定位不是替代现有结构预测器，而是补上折叠连续体这一段此前缺失的地图。将两者结合使用，或许才是更合理的实践路径。

从更宏观的角度看，这项工作提示了结构预测的一个方向性转变：从输出单一答案，走向输出条件可控的构象分布。当模型能够按折叠程度、按力学条件调取结构时，蛋白质结构预测就不再只是"猜终点"，而开始具备描述过程的能力。