蛋白质设计RFdiffusion：结构生成

可视化演示

演示去噪扩散从随机噪声生成蛋白质骨架、Cα与刚体方向参数化，以及ProteinMPNN序列设计与AF2自洽筛选流程。

扩散模型基础

想成为折纸大师，第一课不是“折”，而是“拆”。老师傅会拿出一只折好的仙鹤，当着徒弟的面慢慢地、一下一下地把它揉皱：先是尾巴散了，然后翅膀塌了，最后整张纸变成一团看不出纹路的纸球。这个过程被完整录下来，再倒着播放，就是“从纸球复原仙鹤”的教学片。RFdiffusion 学艺的思路与此一模一样——它先学会“揉纸”，再学会“反着揉”。

在蛋白质的世界里，那张“纸”就是由成百上千个氨基酸骨架原子坐标构成的三维结构。正向过程叫前向扩散：从 t=0 的干净结构出发，每走一步就叠加一点高斯噪声，走 T 步之后，结构变成一团随机坐标，与原始结构毫无关系。反向过程叫反向去噪：模型学习每一步“刚才被加了多少噪声”，从而一点一点把结构拉回有序。

前向扩散可以一步到位写成解析式。设 $\bar\alpha_t$ 表示到第 t 步还保留的原始信号比例，则 t 步后的带噪结构 $x_t$ 可以表达为原始结构 $x_0$ 与标准高斯噪声 $\varepsilon$ 的加权和：

训练时，模型 $\varepsilon_\theta$ 的任务是对任意揉皱程度的结构，准确说出“这一步被加了什么噪声”。损失函数把模型预测与真实噪声之间的差距压到最小：

至此，徒弟手里有了一部“倒放教学片”：只要模型能精准说出“这一步老师用了多大力、往哪个方向揉”，大师就能在生成时沿着相反方向，把一团乱麻缓缓恢复成艺术品。这就是扩散模型的全部魔法——先学会破坏，再学会修复。

架构核心设计

折纸大师有个职业习惯：拿到作品先摆正。无论客户把纸鹤旋转 90°，还是从桌子左边挪到右边，大师心里那套“嘴朝前、翅膀朝两侧”的坐标始终不变。他判断折痕是否标准，从来不只看绝对位置，而是看相对方向。

蛋白质的三维结构同样依赖参考系。同一个蛋白质转到不同方向，坐标数值全变，但内在形状一点没变。RFdiffusion 给每个氨基酸残基配了一个局部坐标系，叫做“帧”（frame）：帧由旋转矩阵 $\mathbf{R}$ 和平移向量 $\mathbf{t}$ 组成，残基的侧链方向、相邻残基的相对位置都放在这个局部坐标系里描述。

这种设计让网络具有 SE(3) 等变性：整体旋转或平移输入结构，输出结构也跟着旋转平移，而内部几何关系完全不变。帧之间用等变图注意力网络交互——注意力权重只依赖“残基之间的距离”这种旋转不变的量：

依靠“指南针 + 距离”这套坐标系，RFdiffusion 的网络无论面对哪个方向摆放的纸鹤，都能给出同样靠谱的折痕判断。SE(3) 等变性不是锦上添花，而是让模型不必浪费算力去记忆“绝对位置”这种无关信息，把所有力气都花在真正重要的相对几何上。此外，网络中还会串联序列设计模块，在生成骨架的同时给出配套的氨基酸序列，就像大师折完鹤之后不忘用笔点上眼睛。

结构生成流程

接到“折一只仙鹤”的委托，大师的起手式不是动纸，而是先让脑子里的纸屑飞一会儿。他由一团原本完全随机的结构出发，沿着反向扩散的路径，一步步让折痕生长出来。

生成的结构没有标准答案。给定随机噪声 $x_T \sim \mathcal{N}(0, I)$ 作为起点，模型从 t=T 一步步算到 t=0。每一步都先用噪声预测器 $\varepsilon_\theta$ 估算“上一步揉进纸里的噪声”，然后从当前结构中把它减掉，再补一点点随机性，得到更干净的 $x_{t-1}$：

实际生成时还可以注入约束。比如客户指定“嘴和翅膀尖必须落在这几个位置”，模型就在每步去噪之后，把约束区域的坐标用已知坐标覆盖回去，再对覆盖后的结构重新加噪进入下一步。这种“每步纠正”的手法叫修复式补全（inpainting），相当于大师每次展开纸后都用尺子量一下关键折痕，偏了立刻掰正：

千百次“判断—展平—校正”循环之后，纸球终于显露出仙鹤的轮廓。RFdiffusion 生成一个约 100 残基的蛋白质结构通常只要几十秒到几分钟，但每一步都遵循着从训练中学到的折纸逻辑——它不是乱揉，而是给混沌的纸团一个“变得有序”的方向。

典型应用场景

大师出师后，工作室门口排起了长队，委托主要分三类：第一类，客户手里只有几道关键折痕，比如“鹤的嘴尖”和“翅膀边缘”，要求补全整件作品；第二类，客户拿来了另一件作品，要求设计一个刚好嵌进去的榫卯；第三类，客户要求设计一个单元图案，能无限拼接成一面巨大的装饰墙。

第一类对应 Motif 骨架搭建。酶、抗体等功能蛋白的核心功能往往依赖几个关键残基的精确空间排布，比如催化三联体。传统方法想在这几个点周围“长出”合适的新骨架非常困难，而 RFdiffusion 把 motif 坐标作为约束，在反向扩散的每一步强制对齐，轻松完成“给定钉子，设计桌子”。

第二类对应结合蛋白设计。把靶蛋白表面的热点区域当作“锁孔”，RFdiffusion 生成一个能紧紧贴合的“钥匙”蛋白。第三类对称寡聚体设计则在生成过程中加入对称约束，让同一个单体反复出现、自组装成环形或笼形结构，是疫苗展示平台的理想骨架。对称操作可以用数学语言描述为：

从关键折痕补全，到榫卯嵌合，再到无限拼接，三类委托共享同一套手艺：在噪声中不断校正结构，让它既满足客户约束，又符合蛋白质折叠的物理规律。这也是 RFdiffusion 被称为“结构生成”而非“结构预测”的原因——它在创造从未存在过的折纸作品。

性能与优化

折纸大师也要算营业成本：有的委托耗时三分钟，有的要三天；有的作品一次成型，有的报废十张纸。RFdiffusion 的“成本账”由两个关键数字决定：设计成功率和 GPU 算力。

设计成功率指的是生成的结构中有多少能通过 AlphaFold2 等结构预测工具的“体检”：把生成的氨基酸序列喂给 AlphaFold2，如果它预测出的结构与 RFdiffusion 生成的骨架高度一致，就说明这个设计是“可折叠”的，不是纸上谈兵。在此基础上，motif 区域的骨架偏差也是硬指标——功能位点的原子坐标必须分毫不差：

算力方面，原版扩散需要几百步反向采样，每步都过一遍 SE(3) Transformer，属于 GPU 密集型任务。优化手段包括：减少采样步数（步数蒸馏）、裁剪不需要的残基区域、用小模型预筛选再放大。掌握成本账之后，大师就能合理接单：先用快速低步数模式批量撒网，再用 RMSD 和 AlphaFold2 双重筛选，最后只对少数高分候选做精细去噪。这套“广撒网、精捕捞”的流水线，把结构生成从实验室玩具变成了工程化工具。

实验验证流程

图纸上的仙鹤再传神，客户最终要的是能摆在桌上的实物。RFdiffusion 交出的数字结构只是“图纸”，真正的裁判是实验室：大肠杆菌里能不能表达、能不能溶、能不能测定出结构、三维结构是否真如设计的那般。

标准的验证流水线分四步。第一步是计算筛选：用 AlphaFold2 对生成序列做回环验证，统计 pLDDT 置信分数，只保留高分候选。第二步是基因合成与重组表达：把编码序列送进大肠杆菌，诱导表达目标蛋白。第三步是纯化与表征：用亲和层析和分子筛检测蛋白是否可溶、是否形成正确大小的寡聚体。第四步是结构测定：用 X 射线晶体学或冷冻电镜测出真实结构，与设计模型比对。

每一步都是概率相乘的关系——计算过关不等于表达过关，表达过关不等于结构正确：

经典案例中，Baker 团队为流感病毒血凝素设计迷你结合蛋白时，从上千个生成候选中筛选出几十个进行实验，最终多个候选在皮摩尔浓度下中和病毒。每一件成功的“折纸实物”背后，都有一沓被揉皱丢弃的废稿——这正是科学设计的常态。

AI 应用场景

Python 演示

import mathimport random # 简易扩散蛋白质结构生成演示# 用 2D 折叠链模拟蛋白质骨架，演示前向加噪与反向去噪 ANCHORS = [    (0.20, 0.30), (0.25, 0.50), (0.30, 0.30), (0.35, 0.50),    (0.40, 0.30), (0.45, 0.50), (0.50, 0.30), (0.55, 0.50),    (0.60, 0.30), (0.65, 0.50), (0.70, 0.30), (0.75, 0.50),    (0.80, 0.30),]T = 20          # 总扩散步数BETA = 0.06     # 每步噪声强度  def forward_diffuse(anchors, t):    alpha = 1 - BETA    alpha_bar = alpha ** t    noise = [[random.gauss(0, 1), random.gauss(0, 1)] for _ in anchors]    noisy = []    for (x, y), (nx, ny) in zip(anchors, noise):        noisy.append((math.sqrt(alpha_bar) * x + math.sqrt(1 - alpha_bar) * nx,                      math.sqrt(alpha_bar) * y + math.sqrt(1 - alpha_bar) * ny))    return noisy, alpha_bar  def predict_noise(noisy, anchors):    # 玩具去噪器：假设模型已学会把带噪结构拉回记忆中的折叠模板    pred = []    for i, (x, y) in enumerate(noisy):        ax, ay = anchors[i]        pred.append((x - ax, y - ay))    return pred  def reverse_diffuse(noisy, t):    alpha = 1 - BETA    alpha_bar = alpha ** t    alpha_bar_prev = alpha ** (t - 1) if t > 1 else 1.0    pred_noise = predict_noise(noisy, ANCHORS)    cleaner = []    for (x, y), (nx, ny) in zip(noisy, pred_noise):        x0 = (x - math.sqrt(1 - alpha_bar) * nx) / math.sqrt(alpha_bar)        y0 = (y - math.sqrt(1 - alpha_bar) * ny) / math.sqrt(alpha_bar)        cleaner.append((math.sqrt(alpha_bar_prev) * x0,                        math.sqrt(alpha_bar_prev) * y0))    return cleaner  def rmsd(a, b):    return math.sqrt(sum((ax - bx) ** 2 + (ay - by) ** 2                         for (ax, ay), (bx, by) in zip(a, b)) / len(a))  def main():    random.seed(42)    print("=== 前向扩散：干净折痕逐渐被揉皱 ===")    noisy = ANCHORS    for t in range(1, T + 1):        noisy, alpha_bar = forward_diffuse(ANCHORS, t)        if t % 5 == 0:            noise_ratio = math.sqrt(1 - alpha_bar)            print("t=%2d  噪声比例=%.3f  与初始结构RMSD=%.3f"                  % (t, noise_ratio, rmsd(noisy, ANCHORS)))    print("=== 反向去噪：从纸球逐步恢复折纸结构 ===")    for t in range(T, 0, -1):        noisy = reverse_diffuse(noisy, t)        if t % 5 == 0:            print("t=%2d  恢复结构RMSD=%.3f" % (t, rmsd(noisy, ANCHORS)))    print("最终RMSD=%.3f" % rmsd(noisy, ANCHORS))    print("结构生成完成！")  if __name__ == "__main__":    main()

1. alpha_bar = alpha ** t计算到第 t 步还保留的原始信号比例，对应公式里的 $\bar\alpha_t$。
2. math.sqrt(alpha_bar) * x + math.sqrt(1 - alpha_bar) * nx干净坐标与高斯噪声按比例混合，实现一步到位的前向加噪。
3. pred.append((x - ax, y - ay))玩具去噪器把“与模板的偏差”当作预测噪声，模拟 $\varepsilon_\theta$ 的输出。
4. x0 = (x - math.sqrt(1 - alpha_bar) * nx) / math.sqrt(alpha_bar)反向公式的核心：从带噪结构中剥离预测噪声，还原干净估计。
5. cleaner.append((math.sqrt(alpha_bar_prev) * x0, ...))把干净估计缩放到上一步的保留比例，让结构逐级“展开”。
6. if __name__ == "__main__":可执行入口，直接运行即可看到 RMSD 从大变小、从乱到整的全过程。

常见误区

面试题