当蛋白质开始“随机漫步”：北大团队用概率模型重塑分子动力学轨迹生成

如果说AlphaFold等模型为我们绘制了蛋白质世界的静态地图那么北京大学等机构提出的ProAR则试图描绘蛋白质在生命舞台上真实的“随机漫步”。这项被AAAI 2026录用、发表于arXiv的研究其核心洞察在于蛋白质的功能源于动态变化而这一过程本质上是充满不确定性的随机过程。传统分子动力学MD模拟虽能揭示这一奥秘却受限于高昂的计算成本。深度生成模型的出现带来了曙光但此前的尝试大多将整段轨迹视为一个高维时空的“整体”进行联合生成。这好比试图一次性描绘出一个人未来十年的所有行走路径既违背了“一步接一步”的演化本质也因固定长度而缺乏灵活性更因追求确定性的预测而抹平了分子热运动中蕴含的丰富多样性。ProAR的突破首先在于它将轨迹生成重新定义为概率自回归过程。它不再固执地预测下一个确定性的原子坐标而是预测一个构象分布——一个结构化的多元高斯分布。模型不仅输出最可能的位置均值还量化了不同区域运动的涨落幅度与相关性协方差。这一转变至关重要它让生成过程从“描红”变成了“作画”既避免了平均化带来的模糊也为无序区域等动态行为提供了显式的数学表达。为实现这一目标ProAR设计了一套“预测器-插值器”双网络协同机制。预测器负责眺望未来而插值器则像一位严谨的向导通过两端端点来校准中间步骤的分布。这种分工使得模型能更精细地学习势能面的地形。然而自回归模型最大的敌人是误差累积——一步的微小偏差可能在长序列中被放大导致分子结构扭曲。为此ProAR提出了一种巧妙的抗漂移采样策略它让预测器先给出一个粗略的“远景”再由插值器生成“近景”进行修正通过这种迭代式的上下文精炼有效抑制了轨迹在长时间演化中的偏离。实验数据印证了这种设计的价值。在ATLAS大规模数据集上ProAR的长轨迹生成误差较之前最优方法降低了7.5%而对构象变化幅度的捕捉准确性更是提升了约25.8%。这意味着它生成的轨迹不仅是静态结构的“形似”更是动态行为的“神似”。即使在它非主要目标的构象采样任务中ProAR也表现出了强大的竞争力。ProAR的启示超越了方法本身。它再次印证了AI for Science的一条黄金法则模型结构应尽可能贴近物理过程的生成机制。当我们将蛋白质动力学视为一个逐步展开、充满概率的随机过程并用自回归的框架去忠实模拟它时模型便获得了超越单纯数据拟合的泛化与推断能力。ProAR为连接静态结构与动态功能搭建了一座新的概率桥梁让我们离在硅基世界中完整复现生命分子的灵动舞姿又近了一步。