从 AlphaFold 到可编程蛋白质设计：生成式 AI 正在改写生命的分子编程

蛋白质是生命的分子机器——它们催化化学反应、传递信号、抵御病原体、构建细胞结构。理解并设计蛋白质，就是理解并重新编程生命本身。2026 年，我们正站在这个可能性的门槛上。

从预测到创造：一场范式跃迁

这场革命的起点是 DeepMind 的 AlphaFold。2020 年，AlphaFold 2 在 CASP14（蛋白质结构预测关键评估）上实现了原子级别的蛋白质结构预测精度，解决了生物学 50 年来的重大挑战。AlphaFold 3（2024）进一步扩展到了蛋白质-DNA、蛋白质-RNA 和蛋白质-配体复合物的结构预测。

但 AlphaFold 本质上是“预测器”而非“设计器”。它告诉你一个给定序列会折叠成什么结构，但不会告诉你如何创造一个具有特定功能的全新蛋白质。

RFdiffusion（2023，David Baker 实验室）改变了这一切。 它将 diffusion model 引入蛋白质骨架构象生成——不是从序列出发，而是直接从目标结构出发，生成能够折叠成该结构的全新蛋白质骨架。这相当于从“翻译”跨越到了“写作”。

配合 ProteinMPNN（2022）——它解决了“反向折叠”问题，给定骨架预测最优氨基酸序列——RFdiffusion + ProteinMPNN 构成了当今蛋白质设计的核心管线。

2026 年的关键突破

BindCraft 平台是 2026 年的一大亮点。它实现了自动化结合蛋白设计的完整管线：目标表征 → 结合位点预测 → 骨架生成（RFdiffusion）→ 序列设计（ProteinMPNN）→ 结构验证（AlphaFold）→ 亲和力优化。从输入目标到输出候选蛋白仅需数天——而传统方法需要数月甚至数年。

Adaptyv Bio 的 AI Agent 驱动实验室更进一步。在 2026 年初的尼帕病毒（Nipah Virus）结合蛋白设计挑战中，Adaptyv 展示了 AI Agent 不仅可以设计蛋白质，还能自动编排实验验证流程，实现“设计-构建-测试”闭环。

Manifold Bio 的 Direct-to-Vivo 平台则将蛋白质测试推向了新维度：在活体动物中同时测试数千个设计蛋白，成功发现了能够穿越血脑屏障的功能性脑穿梭蛋白。

蛋白质语言模型：从序列到功能

蛋白质语言模型（PLM）是 2026 年最活跃的研究方向。与基于结构的设计方法不同，PLM 直接从蛋白质序列中学习——就像 GPT 从文本中学习一样。

Meta AI 的 ESM3（Evolutionary Scale Modeling 3）首次在统一框架中整合了序列、结构和功能注释的联合建模，既能预测结构也能生成具有特定功能特征的蛋白质序列。OpenProtein.AI 的 PoET（Protein Evolutionary Transformer）被 DARPA 选为下一代蛋白质基础模型的承建方。

OpenProtein.AI 的 CSO Gary Lu 指出了一个重要方向：“下一步是从静态结合事件走向动态功能设计——设计能在结合后改变功能，或同时参与多个生物机制的蛋白质。”

功能优先：可编程蛋白质设计新范式

Georgia Tech 提出的可编程多模态 GenAI 框架标志着范式转变：从“结构导向”到“功能导向”。

传统方法：先生成结构，再希望它碰巧有功能。
新范式：从功能规格出发（如“在 pH 7.4 条件下以 Kd < 5nM 结合 EGFR 胞外域 III”），逆向推导结构和序列。

UCSF 的“Reprogramming Nature”计划（2026 年 3 月启动，NSF 资助）是这一范式的最大规模实践，目标包括设计可回收塑料的新酶、可再生燃料的生物催化剂和更智能的细胞运输系统。

安全治理：不可回避的责任

AI 蛋白质设计是典型的“双用途技术”——同一套工具可以设计抗癌药物，也可以设计有害蛋白。2026 年 4 月，Frontiers in Microbiology 发表了该领域首次全面的安全评估综述。

DARPA 在选择 OpenProtein.AI 的同时提出了明确要求：功能筛查（自动化有害功能预测）+ 分级访问控制（高级功能需授权）+ 审计追踪（每个设计决策可追溯）。FoldMark 等水印技术也在发展中，使 AI 设计的蛋白质可被检测和溯源。

产业商业化

全球 AI 蛋白质设计市场 2025 年已达 15 亿美元，预计 2033 年增至 69.8 亿美元（CAGR 21.2%）。Generate:Biomedicines、Cradle、Profluent 等公司正在从工具走向平台、从纯计算走向“AI + 湿实验室”垂直整合。

值得注意的是，2026 年 5 月 Anthropic（Claude 的开发商）被报道正在招聘生物学家、建设湿实验室，大举押注药物发现——AI 实验室巨头正在将蛋白质设计视为下一个战略高地。

正如 AI Master 的文章所言：蛋白质设计的终极愿景是实现对生命分子机器的完全编程能力——就像我们编程计算机一样编程生物学。2026 年，我们正站在这条令人振奋的道路的起点。

---

关联推荐： 想了解 AI 在化学其他领域的应用？请阅读今日热点：OPCW 首尔研讨会——AI 如何重塑全球化学工业。基础知识可参考：AI 逆合成分析——化学家的“时光机”