AlphaFold 3蛋白质-核酸复合物预测：技术细节

AlphaFold 3作为新一代蛋白质结构预测工具，不仅支持蛋白质单体和复合物预测，还实现了对蛋白质-核酸（DNA/RNA）相互作用的高精度建模。本文将从输入格式设计、核酸建模机制、多分子实体整合三个维度，解析其技术实现细节。

输入系统设计与核酸支持

AlphaFold 3采用JSON格式定义预测任务，通过结构化字段支持多分子类型输入。核心配置文件fold_input.json需包含分子实体定义、随机种子和版本控制信息，典型结构如下：

{
  "name": "protein-dna-complex",
  "modelSeeds": [1, 2],
  "sequences": [
    {"protein": {"id": "A", "sequence": "MALWMRLLP..."}},
    {"dna": {"id": "B", "sequence": "GACCTCT", "modifications": [{"modificationType": "6MA", "basePosition": 2}]}}
  ],
  "dialect": "alphafold3",
  "version": 2
}

分子实体类型

实体类型	定义字段	核心参数	示例
蛋白质	protein	id、sequence、modifications	{"id": "A", "sequence": "MALWMRLLP..."}
DNA	dna	id、sequence（ATCG）、modifications	{"sequence": "GACCTCT", "modifications": [{"modificationType": "6MA", "basePosition": 2}]}
RNA	rna	id、sequence（AUCG）、unpairedMsa	{"sequence": "AGCU", "unpairedMsaPath": "rna_msa.a3m"}
配体	ligand	ccdCodes或smiles	{"ccdCodes": ["MG"]}

详细输入规范参见输入文档，支持通过bondedAtomPairs字段定义分子间共价键，如[["A", 145, "SG"], ["L", 1, "C04"]]表示蛋白质链A的145位半胱氨酸与配体L的C04原子形成共价键。

核酸建模核心技术

序列与修饰系统

DNA/RNA序列通过sequence字段定义，支持标准核苷酸代码（DNA: A/T/C/G，RNA: A/U/C/G）。修饰核苷酸通过modifications数组指定，使用PDB化学组件字典（CCD）编码，如：

{
  "dna": {
    "id": "B",
    "sequence": "GACCTCT",
    "modifications": [
      {"modificationType": "6OG", "basePosition": 1},  // 6-氧鸟嘌呤
      {"modificationType": "5MC", "basePosition": 3}   // 5-甲基胞嘧啶
    ]
  }
}

修饰类型定义位于chemical_components.py，通过ChemCompEntry类管理化学组件元数据，包括SMILES表达式和原子拓扑结构。

多序列比对（MSA）处理

RNA链支持自定义MSA输入，通过unpairedMsa字段提供A3M格式比对数据：

{
  "rna": {
    "id": "C",
    "sequence": "AGCU",
    "unpairedMsa": ">query\nAGCU\n>homolog1\nAG-U\n>homolog2\nA-CU"
  }
}

系统会自动处理插入缺失（小写字母表示插入，-表示缺失），生成特征矩阵用于下游建模。MSA处理逻辑实现在msa_features.py，通过get_profile_features函数计算序列轮廓和缺失率特征：

def get_profile_features(msa: np.ndarray, deletion_matrix: np.ndarray) -> FeatureDict:
  num_restypes = residue_names.POLYMER_TYPES_NUM_WITH_UNKNOWN_AND_GAP
  profile = msa_profile.compute_msa_profile(msa=msa, num_residue_types=num_restypes)
  return {
      'profile': profile.astype(np.float32),
      'deletion_mean': np.mean(deletion_matrix, axis=0),
  }

蛋白质-核酸复合物整合机制

实体关系定义

多分子系统通过bondedAtomPairs字段定义共价连接，支持跨实体化学键建模。例如DNA与蛋白质的交联可定义为：

"bondedAtomPairs": [
  [["A", 5, "N"], ["B", 1, "N9"]]  // 蛋白质A链5位天冬酰胺N原子与DNA B链1位腺嘌呤N9原子
]

原子寻址系统采用(实体ID, 残基索引, 原子名)三元组，其中原子名需符合PDB CCD标准（如DNA磷酸基团的"P"、"O1P"、"O2P"）。

结构模板与多链协同

蛋白质链可通过templates字段引入结构模板，支持跨链空间约束传递：

"templates": [
  {
    "mmcifPath": "template.cif",
    "queryIndices": [0,1,2,4],
    "templateIndices": [0,1,3,5]
  }
]

模板匹配逻辑在template_modules.py中实现，通过残基索引映射（queryIndices→templateIndices）建立目标序列与模板结构的对应关系。

技术架构与模块交互

AlphaFold 3采用模块化设计，核心流程分为数据预处理、特征提取和模型推理三阶段：

1. 数据预处理：通过fetch_databases.sh获取核酸专用数据库（如RFam、NT数据库），构建物种特异性序列库
2. 特征提取：featurisation.py整合多模态输入，生成包含序列、结构和进化信息的特征张量
3. 模型推理：基于evoformer.py实现的注意力机制，进行跨分子实体的协同建模

架构设计详情参见技术报告，模型参数需通过官方申请渠道获取。

使用建议与性能优化

1. 数据库配置：运行前需通过fetch_databases.sh下载完整数据集，推荐配置≥2TB存储空间
2. 计算资源：核酸建模需更多GPU内存，单复合物预测建议使用≥24GB显存设备
3. 参数调优：复杂体系可增加modelSeeds数量（建议3-5个）提高预测可靠性
4. 结果评估：通过output.md定义的pLDDT和ipTM分数评估模型质量

完整安装指南参见installation.md，典型预测命令：

docker run -it \
  --volume $HOME/af_input:/root/af_input \
  --volume $HOME/af_output:/root/af_output \
  --volume /path/to/models:/root/models \
  --volume /path/to/databases:/root/public_databases \
  --gpus all \
  alphafold3 \
  python run_alphafold.py \
  --json_path=/root/af_input/fold_input.json \
  --model_dir=/root/models \
  --output_dir=/root/af_output

通过理解这些技术细节，研究者可更精准地配置复杂生物分子系统预测任务，推动蛋白质-核酸相互作用的结构生物学研究。