人类蛋白质组中，30–40% 的蛋白在生理条件下没有稳定三级结构。它们被称为固有无序蛋白（IDPs），参与信号转导、分子识别、细胞周期调控，与癌症、糖尿病、阿尔茨海默病密切相关。AlphaFold 对它们束手无策，传统分子动力学模拟又极其昂贵。
IDPFold 是专为 IDPs 设计的构象系综生成算法。它采用微调扩散模型，通过两阶段训练：先在 PDB 实验结构数据库预训练，再在 IDRome 大规模分子动力学轨迹数据集微调。模型直接从氨基酸序列生成主链级构象系综，无需 MSA，无需实验数据。
基准测试覆盖 27 个 IDP 系统。IDPFold 的回转半径（Rg）相对误差仅 −0.06，Cα 二级化学位移与实验值 RMSD 低至 0.65 ppm。这一精度显著优于所有现有生成式深度学习方法，媲美甚至超越传统全原子 MD 模拟。
对药物设计而言，IDPFold 的价值在于动态。静态结构预测只能看到蛋白的"快照"，而 IDPFold 提供的是"电影"。无序蛋白与配体的相互作用、构象变化驱动的功能开关，现在可以被系统性地研究。这为针对 IDP 相关疾病的药物筛选提供了全新工具。
模型代码已完全开源，支持单条或批量 FASTA 序列推理。
该成果发表于 Advanced Science（2025）。
微信客服
