ProtGPS 登《Science》：AlphaFold 算结构，它来预测蛋白质在细胞里去哪

如果把细胞看作一间还没装修的开放式大平层，AlphaFold 就像一份巨细靡遗的宜家安装手册，能准确告诉你椅子或床该怎么拼起来。

但拼好之后，这把椅子究竟该摆在客厅的阅读角，还是直接扔进储物间？之前的 AI 根本回答不了。

来自 MIT 和 Whitehead 研究所的团队，在 2 月 6 日出版的《Science》上交出了新答案。他们开发了一个名为 ProtGPS 的深度学习模型，专门预测蛋白质折叠成型后，到底会去细胞内部的哪个位置报到。

细胞里的无膜世界，AI 怎么找路

过去几十年，生物学家只搞清了一部分导航规则。

比如去细胞核或者线粒体的蛋白质，身上往往带着明显的信号标签，就像贴了门牌号，直接穿过细胞膜进门就行。

但细胞内部大部分地方并没有物理隔墙，而是充斥着所谓的「生物分子凝聚体」。这些像液体一样动态流动的无膜小集群，负责调控基因活性和应对压力，同时也和大量癌症或发育疾病密切相关。

蛋白质怎么知道自己该钻进哪团液滴里？靠的是藏在氨基酸序列深处的隐秘线索。

研究团队直接套用了 Meta 当初用来预测蛋白质特性的 ESM 架构。ESM 本质上是一个蛋白质语言模型，它不像大语言模型处理文本那样算单词，而是把 20 种氨基酸当作字母来理解长串规律。

更聪明的是，它避开了复杂的 3D 原子坐标计算，直接在序列层面提炼规律，跑起来又快又轻便。

团队用近 5000 个人类蛋白质训练了 ProtGPS，这些蛋白质分别归属于 12 类不同的凝聚体隔室。在独立测试集上，模型准确找出了它们在细胞内的归宿。

不过，连开发者自己也承认，ProtGPS 的判断逻辑目前依然是个黑盒。

他们反复梳理过电荷分布或疏水性等物理化学指标，但始终找不到一条简单直白的规律。参与研究的科学家直言，如果背后的规则真有那么浅显，人类生物学家早就算出来了，根本轮不到 AI。

为什么重要

对从事药物研发的生物技术团队来说，ProtGPS 的价值非常直接。

它不仅能预测天然蛋白质往哪走，还能反向指导人工设计，造出能精准投递到特定液滴里的定制蛋白。更现实的是，它能评估某些致病基因突变是不是因为「走错了地方」而引发病变。

业内对此反应很快。致力于凝聚体药物研发的 Dewpoint Therapeutics 已经打算把 ProtGPS 接入研发管线，称其为锁定靶点的破局者；剑桥大学学者创办的 Transition Bio 也认为，这为纠正由蛋白质错位导致的各类顽疾打开了大门。

在我们看来，这项研究走得最巧的地方，在于它没有一味卷算力去死磕三维空间模拟，而是换了个思路，直接用语言模型在看似天书的线性氨基酸里挖出隐性空间坐标。

它打破了生物学里「只要结构搞清，功能就全搞清」的单一执念，把空间定位放到了同等重要的位置。

但隐患也很实在：黑盒不可解释性在计算机领域司空见惯，在人命关天的制药领域却极容易踩雷。你只知道它预测得准，却不知道细胞究竟根据什么物理机制把蛋白质吸了过去。

如果后续不能在湿实验里把机理解释清楚，药企在真正推进临床分子设计时，恐怕还是得走不少试错弯路。