AlphaFold 4 攻克跨膜蛋白：AI 解开药物设计最大难题

2026 年 5 月 20 日，谷歌 DeepMind 在《自然》杂志上发表重磅论文，正式发布 AlphaFold 4。这一新一代 AI 模型在最具挑战性的跨膜蛋白结构预测任务上取得革命性突破，预测精度较 AlphaFold 3 提升 35%，覆盖了人类蛋白质组中约 20% 此前无法准确预测的蛋白质家族。

为什么跨膜蛋白如此重要？

跨膜蛋白（Transmembrane Proteins）是嵌入细胞膜中的蛋白质，负责细胞与外界的物质交换、信号传递和能量转换。据估计，约 60% 的现有药物靶点都是跨膜蛋白——包括 G 蛋白偶联受体（GPCR）、离子通道、转运蛋白等。然而，由于跨膜区域高度疏水，传统实验技术（X 射线晶体学、冷冻电镜）难以获得高质量结构，导致这一最大药物靶点家族的结构信息极其匮乏。

AlphaFold 4 的技术突破

AlphaFold 4 的核心创新在于引入了膜环境感知模块。此前的 AlphaFold 模型将蛋白质视为在均一水环境中的结构，而 AlphaFold 4 通过整合膜横向异质性（膜内外小叶的组成差异、膜曲率效应）的物理先验，显著提升了跨膜区域的预测精度。

另一个关键改进是多尺度注意力机制。AlphaFold 4 同时处理氨基酸序列（1D）、残基接触图（2D）和膜嵌入环境（3D），通过跨尺度的注意力融合，捕获跨膜螺旋的相对取向和膜内外不对称性。

对药物发现的现实意义

AlphaFold 4 已开源超过 2 亿个新预测的跨膜蛋白结构，覆盖人类、模式生物和主要病原体（包括疟疾寄生虫、结核分枝杆菌）的蛋白质组。这对药物发现的意义是直接的：

• GPCR 药物设计：GPCR 是最大的药物靶点家族（约 800 个成员），此前约 100 个成员有实验结构。AlphaFold 4 为剩余 700 个成员提供了可用于药物设计的置信度较高的结构模型。
• 离子通道疾病：囊性纤维化（CFTR 氯离子通道）、长 QT 综合征（hERG 钾通道）等疾病的致病突变大多影响跨膜区域，精确结构有助于设计矫正突变效应的小分子。
• 抗菌新药：细菌膜蛋白与人类膜蛋白差异显著，是新抗生素的理想靶点。AlphaFold 4 预测的病原菌膜蛋白结构为抗菌药物设计提供了全新起点。

局限与展望

尽管 AlphaFold 4 取得重大突破，挑战依然存在。预测结构主要提供静态快照，而膜蛋白的功能往往依赖于构象变化（如离子通道的开闭）。将动态构象预测整合进 AlphaFold 框架，被认为是下一阶段的关键方向。

此外，AlphaFold 4 的开源承诺意味着全球任何实验室都可以免费使用这些结构数据。可以预见，未来 2-3 年内，基于这些结构的药物设计项目将在学术界和工业界大规模展开。

关联推荐： 在必学必会查看「AI 驱动的药物设计」知识点完整版 →

来源： AlphaFold 4 发布报道