微软研究院BioEmu登上Science，用生成式AI重塑蛋白质功能研究
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
论文：https ://www. science.org/doi/10. 1126/science. adv9817
代码：github. com/microsoft/bioemu
模型：https ://huggingface. co/microsoft/bioemu
评估基准：github. com/microsoft/bioemu-benchmarks
ColabFold：https ://colab. research.google. com/github/sokrypton/ColabFold/blob/main/BioEmu. ipynb
AIFoundry：https ://ai. azure.com/catalog/models/BioEmu
该研究提出了一种名为BioEmu的生成式深度学习模型，能够以前所未有的效率和精度模拟蛋白质的构象变化，为理解蛋白质功能机制和加速药物发现打开了新路径。
近年来，AlphaFold等模型在蛋白质结构预测方面取得了突破性进展，但这些方法通常只能预测单一静态结构，难以捕捉蛋白质在功能过程中所经历的动态变化。蛋白质并非静止不动的分子，而是处于不断变化的构象系综（conformationalensemble）中，其功能往往依赖于这些结构之间的转换。
BioEmu正是为了解决这一挑战而生。它通过结合AlphaFold数据库中的静态结构、超过200毫秒的分子动力学（MD）模拟数据，以及50万条蛋白稳定性实验数据，训练出一个能够在单张GPU上每小时生成上千个独立蛋白质结构的生成模型。
视频：BioEmu生成的蛋白质动态构象展示
BioEmu承接自微软研究院的前期工作DiG（DistributionalGraphormer），基于扩散模型架构，结合AlphaFold的evoformer编码器和二阶积分采样技术，能够高效地从蛋白质构象分布中采样。其核心创新在于：
能够模拟蛋白质在功能过程中出现的关键结构变化，如隐性口袋、局部解折叠和结构域重排；
在自由能预测方面达到1kcal/mol的误差水平，与毫秒级MD模拟和实验数据高度一致，相比分子动力学模拟实现了若干个数量级的加速；
对突变体的稳定性变化（ΔΔG）预测表现出色，平均绝对误差低于1kcal/mol，Spearman相关系数超过0. 6。
研究团队已在GitHub和HuggingFace上开源了模型参数和代码，还发布了超过100毫秒的MD模拟数据，涵盖数千个蛋白系统和数万个突变体，为后续研究提供了丰富资源。BioEmu也部署在了AzureAIFoundry和ColabFold等平台，使得用户可以便捷地运行模型。
BioEmu的开源发布也标志着微软在推动开放科学方面迈出的重要一步。目前，BioEmu的建模对象主要是单体蛋白质。研究团队正在探索将其扩展到蛋白质复合物、蛋白-配体相互作用等更复杂的生物体系，并结合实验数据进一步提升模型的泛化能力和可解释性。在蛋白质科学、药物设计和合成生物学等领域，BioEmu有望成为连接结构与功能、理论与实验的桥梁。
©THEEND
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin. com
