简介：本文从底层机制出发，解析原子级生物大分子设计如何突破传统残基级建模的限制，说明自由原子扩散、原子功能位点约束、侧链与配体协同建模等关键原理，帮助读者理解高精度酶设计、核酸结合蛋白设计背后的计算流程、模块协作与技术边界。
本文讨论的核心原理是：在生物大分子设计中，如何从传统的“残基级建模”升级到“原子级建模”，并通过自由原子扩散机制，实现对蛋白质、核酸、金属离子、小分子配体等功能性原子集团的精确空间约束与生成。
在蛋白质设计领域，过去的主流方法通常以氨基酸残基为最小建模单元。一个残基包含主链原子和侧链原子，但残基级模型只关注主链走向、二级结构排布以及残基之间的接触关系，无法细致描述侧链中某个羧基氧原子、咪唑氮原子或羟基氢原子在三维空间中的精确位置。
问题在于，很多生物学功能恰恰由少数关键原子决定。例如，一个酶活性位点中负责催化水解的丝氨酸羟基，如果偏移零点几纳米，就可能导致底物无法进入、过渡态无法稳定、催化速率断崖式下降。传统残基级模型可以生成整体折叠正确的蛋白质，却无法保证这些关键原子处于可执行功能的位置。
原子级生物大分子设计试图解决这个问题。它的目标不是简单生成一条“能折叠的蛋白质链”，而是生成一个“在指定三维坐标上精确放置关键原子”的功能性大分子。更进一步的挑战是，这个功能性大分子不仅要自身满足原子约束，还要与金属离子、小分子底物、核酸链等非蛋白质分子形成精确的原子间相互作用。
自由原子扩散是本文要重点解释的底层机制。它把需要设计的化学基团、侧链片段甚至小分子看作一组可以独立移动的原子，而不是绑定在固定残基模板上的刚性单元。扩散过程从随机分布的原子云开始，逐步去噪，最终在满足原子距离、键长、键角、空间位阻、配位几何等约束的条件下，生成与目标功能位点兼容的完整生物大分子。
生物大分子设计长期面临一个尺度上的矛盾：蛋白质整体结构是纳米尺度的，而关键功能往往由埃级精度的原子排布决定。
以酶设计为例，一个催化中心可能包含若干个氨基酸侧链、一个或两个金属离子、以及一个底物分子。要完成催化，侧链必须与金属离子形成正确的配位键，金属离子又必须与底物的反应基团保持合适的距离和角度。任何一个原子位置偏差，都可能导致金属离子脱落、底物错位或过渡态不再稳定。
传统残基级生成模型能很好地控制蛋白质骨架与整体折叠，但是它们很难表达“某个类型的功能原子必须位于某个空间点附近”这种硬约束。原因是残基模板预设了侧链原子的相对位置，生成过程不会主动搜索那些偏离标准侧链构象的空间排布。
另一个突出问题是非蛋白质分子的建模。核酸、金属离子、有机小分子或辅因子不是由标准氨基酸残基构成的，它们没有主链—侧链结构，也不能通过简单替换残基类型来设计。早期蛋白质设计方法通常把这类分子当作固定环境或者忽略它们的存在，导致设计出的蛋白质即使在氨基酸水平正确，在真实实验中也无法形成稳定复合物。
因此，该领域需要在生成模型中引入一种统一的、以原子而不是以残基为基本单位的表征方式，使蛋白质、核酸、配体和金属离子都能在同一套几何规则下被描述和优化。
原子级表征指把一条或多条生物大分子链表示为由原子类型、三维坐标、共价键关系、部分电荷和范德华半径等信息构成的点云。相比残基级表征，它放弃了对标准侧链构象的依赖，允许模型探索更大的侧链自由度。
这里的“扩散”不是物理学中的粒子热运动，而是一种生成模型思想。模型先从一个简单分布中采样得到大量原子位置，然后通过多步去噪，使原子云逐步收敛到现实可行的分子结构。
自由原子指在生成过程中，关键功能原子不被预设残基模板绑定，而是作为独立粒子参与扩散。这样可以让模型发现某些侧链原子与配体之间非模板化的氢键、卤键或配位作用。
所谓“骨架支撑”，是给定一个预定义的功能位点结构，例如两个金属离子与三个氨基酸侧链组成的催化簇，然后生成整个蛋白质骨架，使这个功能位点被稳定地嵌入蛋白质内部。该过程的关键在于，功能位点中的原子约束必须足够刚硬，才能指导骨架生成，但同时又不能过度约束，以免阻碍合理的侧链堆积。
条件扩散是在去噪过程中引入先验约束。传统无条件扩散只生成“像真实分子”的结构，而条件扩散则要求生成结果满足特定的原子距离、配位构型、活性位点形状或结合界面电荷分布。条件可以来自用户指定的功能原子坐标，也可以来自目标受体结构。
一个面向原子级设计的生成系统通常可以抽象为四层。
该层负责将蛋白质序列、原子坐标、化学键类型、金属配位关系、核酸碱基配对信息等转换为模型可处理的表示。对于蛋白质，编码层需要同时保留残基身份和侧链原子信息；对于核酸，需要区分糖环、磷酸骨架和碱基原子的不同几何与电荷属性；对于小分子，则需要解析其原子类型、杂化状态和可旋转键。
该层在原子图或原子点云上进行消息传递或张量场计算，目的是捕获原子间依赖关系。比如，一个锌离子与四个配位原子之间的特征交互，需要编码配位键的几何偏好；一个底物芳香环与蛋白质苯环之间的特征交互，需要捕获π-π堆积的距离和角度范围。
该层执行从噪声到结构的去噪过程。每一步接收当前原子坐标和特征，根据原子类型约束、键长约束、空间位阻约束和功能位点约束，预测下一步去噪后的原子位置。该层的核心在于将生物分子结构中复杂的各向异性作用转化为可微分的几何损失或图神经网络更新量。
该层对生成结果进行筛选和排序。筛选标准包括：催化原子与金属离子的配位距离是否在合理区间，活性位点是否可被底物接近，蛋白质骨架是否能折叠到低能量状态，结合界面的疏水互补性、静电互补性和形状互补性是否满足要求。
下面以“设计一个含双金属离子的磷酸酯水解酶”为例说明完整流程。
设计者根据已知酶催化机制，指定一个双金属中心，例如两个锌离子或一个锌离子与一个铁离子，并设定其间距。除了金属离子本身，还要定义参与配位的氨基酸原子，如组氨酸的咪唑氮、天冬氨酸的羧基氧、一个修饰赖氨酸的氨基甲酰氧原子等。这些约束会作为硬条件输入模型。
在功能位点固定的条件下，模型从头生成蛋白质主链，使主链能够把配位残基带到目标位置。主链生成需要考虑功能位点周围的空间体积，避免生成过于拥挤或过于空洞的局部环境。该步骤相当于在功能位点周围“搭建支架”。
当主链位置确定后，模型进一步生成侧链构象。与传统基于旋转异构体库的方法不同，自由原子扩散允许侧链原子围绕化学键旋转和平移，以寻找与金属离子之间更优的配位几何。此阶段会同时调整主链和侧链，而不是把主链完全冻结。
如果活性位点还包含底物模拟物、有机辅因子或核酸片段，模型会在同一扩散过程中同步优化它们的位置。这样，侧链原子不只满足内部结构要求，还会主动与底物形成氢键、盐桥或金属配位键。
生成多个候选结构后，通过物理化学能量评估、结构合理性检查和配位几何打分进行筛选。通常会保留几十到几百个候选，进入下一轮迭代或实验表达。
将最终设计的序列进行基因合成、蛋白表达、纯化和功能测定。如果得到活性酶，再通过结构解析技术检验实际原子位置是否与设计模型一致。
传统残基级扩散更新的是Cα主链位置，侧链原子用统计或能量优化方式重建。而自由原子扩散中，模型联合更新主链原子和功能侧链原子，使它们在同一潜空间中被去噪。
例如，一个组氨酸侧链的NE2原子需要与锌离子形成配位键。残基级模型只保证Cα位置靠近锌离子，侧链NE2是否指向金属离子则依赖后处理；自由原子扩散则直接约束NE2与锌离子的距离约在2.0埃到2.4埃之间，同时要求配位角度接近常见几何偏好。
这种机制之所以能提高成功率，是因为它把功能约束前移到生成阶段，而不是后处理补救阶段。生成过程中，模型会主动调整主链走向和邻近侧链，以容纳配位原子。
功能位点约束不能全部设为固定坐标。如果所有配位原子都固定在绝对位置，蛋白质主链就没有足够自由度来形成稳定的二级结构；如果约束过松，配位几何又可能被破坏。
有效做法是对不同原子赋予不同刚度权重。金属离子的位置可设为高刚度，配位原子与金属离子的距离和角度可用中等刚度约束，外围主链原子则保持高柔性。扩散模型每一步都根据这些约束计算几何损失，从而在满足功能位点的同时允许较大范围的结构重排。
金属离子的配位偏好、小分子氢键供受体方向、核酸碱基的平面性与堆积作用，都具有较强的几何各向异性。系统需要在原子图上显式编码这些偏好，而不是仅靠通用物理能量项。
在特征交互层，模型通常会区分不同原子类型和化学环境。例如，对羧酸根氧原子、咪唑环氮原子、磷酸氧原子和嘌呤碱基氮原子，分别学习它们与金属离子、氢键供体和芳香环的交互表征。
单独生成蛋白质时，可以依赖丰富的天然蛋白质结构数据。但一旦加入金属离子、小分子或核酸，训练数据就会大幅减少。为了提高泛化能力，必须让蛋白质侧链与配体分子共享同一套原子级几何编码。
协同生成的本质是：不把配体当作外部输入或者固定背景，而是把配体原子纳入扩散状态。这样，配体位置和蛋白质侧链位置在反向去噪中同时优化。最终得到的不仅是“蛋白质结合配体”，而是“蛋白质与配体共同形成的稳定复杂结构”。
三维空间中，原子坐标表示需要满足旋转和平移等变性。也就是说，如果整个体系旋转一个角度，预测结果也应旋转同样角度，而不会改变内部结构。
实际工程中通常使用相对坐标或局部坐标系进行去噪。每个原子的更新会参考其邻近原子构成的局部框架，从而消除全局平移和旋转带来的不确定性。这一机制对保证金属配位距离、氢键角度和芳环堆积距离在几何上稳定非常关键。
假设我们要设计一个能够结合转甲状腺素蛋白的锌蛋白酶。
首先，设计者指定一个锌离子以及三个配位残基：两个组氨酸和一个谷氨酸。配位约束为：锌离子与每个组氨酸NE2原子之间的距离为2.0埃到2.3埃，与谷氨酸OE1/OE2其中一个氧原子的距离为1.9埃到2.2埃，同时配位多面体角度需接近四面体几何。
然后是目标结合界面。转甲状腺素蛋白表面存在若干疏水区和极性区，设计流程会把这些表面原子的空间约束作为结合口袋的参考。生成模型在自由原子扩散过程中，既要维持锌配位几何，又要让生成蛋白的表面形状与目标区域互补。
第三步是选择催化相关底物或底物类似物。如果目标催化反应涉及切割某段多肽或蛋白，设计的活性位点需要能容纳底物主链进入，并摆出正确的催化水分子位置。此时，模型会同时优化锌离子、配位残基、催化水分子以及底物模拟片段的原子坐标。
最后，从大量生成结果中挑选满足以下条件的候选：锌配位几何稳定、底物结合界面互补、催化水分子与锌离子及底物的距离合理、蛋白骨架折叠自由能较低。经过实验测试，只有部分候选会表现出真实活性，这反映了原子级精度与实际生物学环境之间仍存在不可消除的复杂性。
第一，原子级设计能够直接约束催化、结合和电子转移关键位点，比残基级设计更接近真实功能机制。
第二，蛋白质、核酸、金属离子和小分子可以在同一框架下建模，不需要为不同分子类型分别设计后处理流程。
第三，自由原子扩散允许打破标准侧链构象，有利于发现常规旋转异构体库中不存在的几何排布。
第四，生成与验证可以更紧密耦合。设计模型输出原子级候选后，可以直接用配位距离、底物可及性、结合面互补性等指标进行自动筛选。
第一，计算代价显著增加。原子级表示比残基级表示包含更多节点与更复杂关系，去噪步骤和特征交互都需要大量计算资源。
第二，训练数据稀缺。包含高质量金属配位、核酸结合或小分子酶催化结构的实验数据有限，模型在陌生化学环境中的泛化能力仍然不足。
第三，原子级精度不等于实验成功。即使模型输出了看似合理的原子排布，蛋白质在真实水溶液中的动态行为、金属离子结合的热力学和动力学、以及翻译后修饰等因素仍会导致实验失败。
第四，多金属中心和高负电配位环境容易产生不稳定的中间状态。仅凭静态结构无法完全预测金属离子在蛋白质折叠过程中能否被正确装载。
不少人认为，把残基替换成原子表示就完成了原子级建模。实际上，真正的原子级建模需要改变生成目标与条件约束方式，而不是简单提高分辨率。光把残基拆开，却仍然以主链生成、侧链后装的方式工作，并不能解决功能位点精度问题。
过度约束会压缩搜索空间，导致生成的蛋白质主链无法折叠。原子功能位点设计必须合理分配硬约束与软约束，关键配位距离可以较硬，外围骨架可以较软，金属离子位置可以较硬，配体可旋转键可以较软。
模型中的打分函数通常基于简化的几何规则或学习到的偏好。打分高只说明生成结果满足训练分布，不一定代表在真实体系中稳定。尤其是金属配位、溶剂化效应和构象熵等因素，难以被静态几何打分完全覆盖。
从原子级设计到有活性的酶，中间需要经历序列合成、表达、折叠、金属装载、底物结合和催化循环等多个步骤。生成模型只是解决了早期结构可行性问题，后续实验步骤仍可能存在瓶颈。
原子级生物大分子设计的核心突破，不在于生成更大的结构，而在于让关键功能原子在生成过程中就被显式地施加约束。自由原子扩散机制使蛋白质侧链、金属离子、小分子配体和核酸片段能够在统一的三维表示中协同去噪，从而大幅提高催化位点、金属结合位点和核酸结合位点的设计精度。
从残基级到原子级，本质是设计对象从“可折叠的蛋白质链”转向“可执行功能的三维原子装置”。这不仅提升了计算模型对功能机制的还原能力，也推动了蛋白质工程向更严格、更可验证的方向发展。未来，随着原子级结构数据积累、快速度扩散训练策略成熟，以及设计与实验闭环反馈效率提升，这一原理有望在酶工程、核酸结合蛋白设计和高精度生物传感器等领域发挥更大作用。