原子级精度的蛋白质侧链重建：AlphaFold侧链预测技术解析

2026-02-04 04:35:30作者：霍妲思

你是否曾困惑于蛋白质结构预测中那些"摇摆不定"的侧链原子？为何同样的氨基酸序列，不同预测工具给出的侧链构象却大相径庭？本文将深入解析AlphaFold如何通过创新的刚性组框架和二面角优化技术，实现原子级精度的侧链结构预测，让你彻底理解这一关键技术背后的原理与实现。

读完本文你将掌握：

AlphaFold侧链预测的核心算法框架
原子14编码(Atom14)与37编码(Atom37)的转换机制
刚性组旋转与二面角优化的数学原理
侧链预测质量评估的关键指标
源码级别的实现细节与关键模块解析

蛋白质侧链预测的技术挑战

蛋白质结构预测的核心挑战不仅在于准确预测主链骨架，更在于如何精确重建氨基酸残基的侧链构象。侧链虽然仅占蛋白质质量的30%，却直接决定了蛋白质的功能特性，包括酶催化位点、配体结合口袋和蛋白质相互作用界面的形成。

传统侧链预测方法主要依赖于旋转异构体库(Rotamer Library)，通过统计已知蛋白质结构中侧链二面角的分布概率来预测最优构象。这种方法虽然计算高效，但存在两个致命缺陷：一是无法处理非经典构象的侧链，二是难以考虑侧链间的协同作用。

AlphaFold通过端到端的深度学习方法彻底改变了这一局面。其创新的刚性组框架(Rigid Group Framework) 将侧链原子划分为8个刚性旋转单元，通过预测每个单元的旋转角度实现侧链构象的精确建模。这一方法不仅考虑了侧链内部的空间约束，还能捕捉侧链间的长程相互作用。

AlphaFold在CASP14竞赛中预测的蛋白质结构动态展示，图中彩色部分为侧链原子。图片来源

原子编码系统：从Atom14到Atom37

AlphaFold内部采用两种原子编码系统：紧凑的Atom14编码用于模型计算，而标准的Atom37编码用于输出和可视化。这种双重编码策略在计算效率和兼容性之间取得了完美平衡。

Atom14编码的设计原理

Atom14编码的核心思想是为每种氨基酸分配最多14个侧链原子槽位，这是因为标准氨基酸中侧链原子数量最多的色氨酸(TRP)也仅有14个非氢原子。这种紧凑表示将不同氨基酸的侧链原子统一到固定长度的数组中，极大提高了计算效率。

# Atom14编码示例：不同氨基酸的原子分配
restype_name_to_atom14_names = {
    'ALA': ['N', 'CA', 'C', 'O', 'CB', '', '', '', '', '', '', '', '', ''],
    'ARG': ['N', 'CA', 'C', 'O', 'CB', 'CG', 'CD', 'NE', 'CZ', 'NH1', 'NH2', '', '', ''],
    'TRP': ['N', 'CA', 'C', 'O', 'CB', 'CG', 'CD1', 'CD2', 'NE1', 'CE2', 'CE3', 'CZ2', 'CZ3', 'CH2'],
    # 其他氨基酸的原子分配...
}

不同氨基酸的Atom14编码定义，来源于alphafold/common/residue_constants.py

Atom37编码的标准化表示

Atom37编码则采用了蛋白质数据库(PDB)的标准原子命名系统，包含37种可能的原子类型，确保与现有蛋白质结构分析工具的兼容性。AlphaFold在模型输出阶段会将Atom14表示转换为Atom37表示：

def atom14_to_atom37(atom14_data: jnp.ndarray, batch: Dict[str, jnp.ndarray]) -> jnp.ndarray:
    """将Atom14表示转换为Atom37表示"""
    atom37_data = utils.batched_gather(atom14_data, batch['residx_atom37_to_atom14'], batch_dims=1)
    atom37_data *= batch['atom37_atom_exists']  # 应用原子存在掩码
    return atom37_data

Atom14到Atom37的转换函数，来源于alphafold/model/all_atom.py

这种转换通过原子索引映射表实现，该表定义了每种氨基酸的Atom14原子如何对应到Atom37的标准位置。转换过程中还会应用原子存在掩码，确保只保留每种氨基酸实际存在的原子。

刚性组框架：侧链预测的核心算法

AlphaFold侧链预测的核心创新在于刚性组框架，该框架将侧链原子划分为8个刚性旋转单元，每个单元可以独立旋转但内部原子相对位置保持不变。这种模块化设计大大降低了侧链构象空间的复杂度。

刚性组的划分策略

AlphaFold将蛋白质结构划分为8个刚性组，包括1个主链组和7个侧链组：

0: 主链组(Backbone group)
1: 前欧米伽组(Pre-omega group)
2: Phi组(Phi group)
3: Psi组(Psi group)
4-7: Chi1-Chi4组(Chi1-Chi4 groups)

每个刚性组由3个定义原子确定其空间位置，例如主链组由C、CA和N原子定义。这种划分方式使得每个刚性组可以通过一个旋转矩阵和一个平移向量来描述其在空间中的取向和位置。

# 刚性组定义原子示例
restype_rigidgroup_base_atom_names = np.full([21, 8, 3], '', dtype=object)
restype_rigidgroup_base_atom_names[:, 0, :] = ['C', 'CA', 'N']  # 主链组
restype_rigidgroup_base_atom_names[:, 3, :] = ['CA', 'C', 'O']   # Psi组

刚性组定义原子的设置，来源于alphafold/model/all_atom.py

从二面角到刚性组旋转

侧链构象由4个二面角(Chi1-Chi4)决定，每个二面角对应一个刚性组的旋转角度。AlphaFold通过预测这些二面角的正弦和余弦值来确定每个刚性组的旋转状态：

def torsion_angles_to_frames(aatype, backb_to_global, torsion_angles_sin_cos):
    """将二面角转换为刚性组旋转矩阵"""
    # 创建旋转矩阵 (Rx旋转)
    all_rots = r3.Rots(ones, zeros, zeros,
                      zeros, cos_angles, -sin_angles,
                      zeros, sin_angles, cos_angles)
    
    # 应用旋转到默认框架
    all_frames = r3.rigids_mul_rots(default_frames, all_rots)
    
    # 链式连接刚性组
    chi2_frame_to_backb = r3.rigids_mul_rigids(chi1_frame_to_backb, chi2_frame_to_frame)
    # ...其他刚性组的连接...
    
    return all_frames_to_global

从二面角计算刚性组旋转的函数，来源于alphafold/model/all_atom.py

这种方法的优势在于将高维的原子坐标预测问题简化为低维的角度预测问题，同时通过刚性组的链式连接自然地引入了侧链内部的空间约束。

侧链原子坐标的计算流程

AlphaFold的侧链原子坐标计算遵循以下步骤：

二面角预测：预测每个侧链二面角的正弦和余弦值
刚性组旋转：将二面角转换为刚性组的旋转矩阵
局部坐标生成：根据刚性组的局部原子坐标模板计算原子位置
全局坐标转换：将局部坐标转换到全局坐标系
坐标优化：通过几何约束优化原子坐标

局部坐标与全局坐标的转换

每个刚性组都有一个预定义的局部坐标系，其中包含该组所有原子的相对位置。当刚性组旋转时，这些局部坐标会通过旋转矩阵转换到全局坐标系：

def frames_and_literature_positions_to_atom14_pos(aatype, all_frames_to_global):
    """计算原子的全局坐标"""
    # 获取每个原子所属的刚性组
    residx_to_group_idx = utils.batched_gather(restype_atom14_to_rigid_group, aatype)
    group_mask = jax.nn.one_hot(residx_to_group_idx, num_classes=8)
    
    # 获取原子的局部坐标
    lit_positions = r3.vecs_from_tensor(utils.batched_gather(
        restype_atom14_rigid_group_positions, aatype))
    
    # 转换到全局坐标
    pred_positions = r3.rigids_mul_vecs(map_atoms_to_global, lit_positions)
    
    return pred_positions

从刚性组计算原子全局坐标的函数，来源于alphafold/model/all_atom.py

这种方法的关键优势是参数效率：不需要为每个原子学习坐标预测器，而是通过旋转少量刚性组来生成所有原子的坐标，极大减少了模型参数数量。

几何约束优化

为确保预测的侧链构象符合化学合理性，AlphaFold还应用了多种几何约束：

键长约束：确保原子间的键长符合标准化学值
键角约束：维持合理的化学键角度
范德华排斥：防止原子间距离过小导致的空间冲突

这些约束通过损失函数中的惩罚项实现，确保预测的结构不仅能量最低，而且符合化学常识。

关键数据结构与常量定义

AlphaFold的侧链预测依赖于大量的生物物理常量，这些常量定义在alphafold/common/residue_constants.py中，包括：

氨基酸原子组成：每种氨基酸包含的原子类型
键长与键角：标准化学键的长度和角度值
二面角定义：每个二面角涉及的原子序列
刚性组定义：每个刚性组包含的原子

氨基酸侧链原子组成

residue_atoms = {
    'ALA': ['C', 'CA', 'CB', 'N', 'O'],
    'ARG': ['C', 'CA', 'CB', 'CG', 'CD', 'CZ', 'N', 'NE', 'O', 'NH1', 'NH2'],
    # 其他氨基酸的原子组成...
}

氨基酸的原子组成定义，来源于alphafold/common/residue_constants.py

二面角定义

chi_angles_atoms = {
    'ARG': [['N', 'CA', 'CB', 'CG'], ['CA', 'CB', 'CG', 'CD'], 
            ['CB', 'CG', 'CD', 'NE'], ['CG', 'CD', 'NE', 'CZ']],
    'ASN': [['N', 'CA', 'CB', 'CG'], ['CA', 'CB', 'CG', 'OD1']],
    # 其他氨基酸的二面角定义...
}

侧链二面角的定义原子，来源于alphafold/common/residue_constants.py

这些常量定义构成了AlphaFold侧链预测的"物理引擎"，确保预测结果符合基本的化学规律。

侧链预测质量的评估指标

AlphaFold采用多种指标评估侧链预测质量：

局部距离差异测试(LDDT)

LDDT是评估原子位置预测准确性的主要指标，计算预测结构与真实结构中原子间距离的差异。对于侧链预测，AlphaFold特别关注非氢原子的LDDT分数：

def lddt(pred_positions, true_positions, true_mask, cutoff=15.0, per_residue=False):
    """计算局部距离差异测试分数"""
    # 计算预测与真实结构的距离矩阵
    dists_pred = jnp.sqrt(jnp.sum(jnp.square(pred_positions[..., None, :] - 
                                            pred_positions[..., None, :, :]), 
                                  axis=-1) + 1e-10)
    
    # 计算LDDT分数
    # ...具体实现...
    
    return lddt_score

LDDT计算函数，来源于alphafold/model/lddt.py

二面角预测准确率

侧链二面角的预测准确率也是重要指标，特别是Chi1角的预测准确率，因为它对侧链整体取向影响最大。AlphaFold通过比较预测二面角与真实二面角的差异来评估这一指标。

原子接触图精确率

原子接触图精确率评估预测结构中原子间接触关系的准确性，反映了侧链包装的合理性：

def extreme_ca_ca_distance_violations(pred_atom_positions, pred_atom_mask, residue_index):
    """检测CA原子间的距离异常"""
    this_ca_pos = pred_atom_positions[:-1, 1, :]  # CA原子索引为1
    next_ca_pos = pred_atom_positions[1:, 1, :]
    ca_ca_distance = jnp.sqrt(1e-6 + jnp.sum(squared_difference(this_ca_pos, next_ca_pos), axis=-1))
    
    # 检测距离异常
    violations = (ca_ca_distance - residue_constants.ca_ca) > max_angstrom_tolerance
    return utils.mask_mean(mask=mask, value=violations)

检测CA原子距离异常的函数，来源于alphafold/model/all_atom.py

源码解析：关键模块与函数

主链与侧链的协调预测

AlphaFold的创新之处在于主链和侧链预测的紧密耦合。主链预测为侧链提供空间约束，而侧链预测也反作用于主链优化：

def folding_iteration(prev_struct, prev_msa_first_row, prev_pair, params, is_training):
    """单次折叠迭代，同时优化主链和侧链"""
    # 主链预测模块
    # ...
    
    # 侧链预测模块
    torsion_angles = predict_torsion_angles(msa_activations, pair_activations)
    
    # 从二面角计算侧链原子位置
    all_frames_to_global = torsion_angles_to_frames(
        aatype=prev_struct['aatype'],
        backb_to_global=prev_struct['backb_to_global'],
        torsion_angles_sin_cos=torsion_angles['torsion_angles_sin_cos']
    )
    
    # 计算侧链原子位置
    pred_positions = frames_and_literature_positions_to_atom14_pos(
        aatype=prev_struct['aatype'],
        all_frames_to_global=all_frames_to_global
    )
    
    # ...返回更新后的结构...

折叠迭代函数，来源于alphafold/model/folding.py

这种端到端的联合优化方式避免了传统方法中主链和侧链预测脱节的问题，显著提高了整体预测精度。

多态侧链的处理

某些氨基酸侧链存在两种稳定构象(如ASP的羧基、PHE的苯环)，AlphaFold通过预测两种可能构象并选择更优者来处理这种多态性：

def atom37_to_torsion_angles(aatype, all_atom_pos, all_atom_mask, placeholder_for_undefined=False):
    """计算二面角，并考虑多态侧链的两种构象"""
    # 计算标准二面角
    torsion_angles_sin_cos = compute_torsion_angles(all_atom_pos, all_atom_mask)
    
    # 计算备选二面角(考虑多态性)
    chi_is_ambiguous = utils.batched_gather(jnp.asarray(residue_constants.chi_pi_periodic), aatype)
    alt_torsion_angles_sin_cos = torsion_angles_sin_cos * mirror_torsion_angles[..., None]
    
    return {
        'torsion_angles_sin_cos': torsion_angles_sin_cos,
        'alt_torsion_angles_sin_cos': alt_torsion_angles_sin_cos,
        'torsion_angles_mask': torsion_angles_mask
    }