ProtGPS 登《Science》：AlphaFold 算結構，它來預測蛋白質在細胞裡去哪

如果把細胞看作一間還沒裝修的開放式大平層，AlphaFold 就像一份鉅細靡遺的宜家安裝手冊，能準確告訴你椅子或床該怎麼拼起來。

但拼好之後，這把椅子究竟該擺在客廳的閱讀角，還是直接扔進儲物間？之前的 AI 根本回答不了。

來自 MIT 和 Whitehead 研究所的團隊，在 2 月 6 日出版的《Science》上交出了新答案。他們開發了一個名為 ProtGPS 的深度學習模型，專門預測蛋白質摺疊成型後，到底會去細胞內部的哪個位置報到。

細胞裡的無膜世界，AI 怎麼找路

過去幾十年，生物學家只搞清了一部分導航規則。

比如去細胞核或者線粒體的蛋白質，身上往往帶著明顯的訊號標籤，就像貼了門牌號，直接穿過細胞膜進門就行。

但細胞內部大部分地方並沒有物理隔牆，而是充斥著所謂的「生物分子凝聚體」。這些像液體一樣動態流動的無膜小叢集，負責調控基因活性和應對壓力，同時也和大量癌症或發育疾病密切相關。

蛋白質怎麼知道自己該鑽進哪團液滴裡？靠的是藏在胺基酸序列深處的隱秘線索。

研究團隊直接套用了 Meta 當初用來預測蛋白質特性的 ESM 架構。ESM 本質上是一個蛋白質語言模型，它不像大語言模型處理文本那樣算單詞，而是把 20 種胺基酸當作字母來理解長串規律。

更聰明的是，它避開了複雜的 3D 原子座標計算，直接在序列層面提煉規律，跑起來又快又輕便。

團隊用近 5000 個人類蛋白質訓練了 ProtGPS，這些蛋白質分別歸屬於 12 類不同的凝聚體隔室。在獨立測試集上，模型準確找出了它們在細胞內的歸宿。

不過，連開發者自己也承認，ProtGPS 的判斷邏輯目前依然是個黑盒。

他們反覆梳理過電荷分佈或疏水性等物理化學指標，但始終找不到一條簡單直白的規律。參與研究的科學家直言，如果背後的規則真有那麼淺顯，人類生物學家早就算出來了，根本輪不到 AI。

為什麼重要

對從事藥物研發的生物技術團隊來說，ProtGPS 的價值非常直接。

它不僅能預測天然蛋白質往哪走，還能反向指導人工設計，造出能精準投遞到特定液滴裡的定製蛋白。更現實的是，它能評估某些致病基因突變是不是因為「走錯了地方」而引發病變。

業內對此反應很快。致力於凝聚體藥物研發的 Dewpoint Therapeutics 已經打算把 ProtGPS 接入研發管線，稱其為鎖定靶點的破局者；劍橋大學學者創辦的 Transition Bio 也認為，這為糾正由蛋白質錯位導致的各類頑疾打開了大門。

在我們看來，這項研究走得最巧的地方，在於它沒有一味卷算力去死磕三維空間模擬，而是換了個思路，直接用語言模型在看似天書的線性胺基酸裡挖出隱性空間座標。

它打破了生物學裡「只要結構搞清，功能就全搞清」的單一執念，把空間定位放到了同等重要的位置。

但隱患也很實在：黑盒不可解釋性在計算機領域司空見慣，在人命關天的製藥領域卻極容易踩雷。你只知道它預測得準，卻不知道細胞究竟根據什麼物理機制把蛋白質吸了過去。

如果後續不能在溼實驗裡把機理解釋清楚，藥企在真正推進臨床分子設計時，恐怕還是得走不少試錯彎路。