研究团队提出了一种全新蛋白质预测方案,直接用大语言模型做蛋白质折叠推理,核心思路是把蛋白质 3D 结构信息嵌入模型的思维链里面,不再像传统方案那样把序列和结构拆成两个独立模块,这套方法在多项蛋白质结构预测测试集上的指标优于 AlphaFold3、IsoDDE 以及经典的 Cl 模型,传统蛋白质折叠模型大多依靠专门的结构解码器、扩散模型或者几何网络,输入氨基酸序列之后直接输出坐标,中间缺少可解释的推理过程,而这个新方案让大模型一步步推导残基之间的相互作用、氢键、二面角、空间排布,在思维链推理过程里同步生成和校验 3D 结构,在多链蛋白、可变剪接异构体、部分难预测的无序蛋白上提升明显,不过它现阶段推理速度偏慢,对长序列蛋白质的算力消耗很高,距离大规模药物研发落地还有不少优化工作要做,给蛋白质结构预测开辟了一条大模型原生推理的新路线。
一、新旧方案核心差异对比
| 方案类型 | 实现思路 | 可解释性 | 短板 |
|---|---|---|---|
| 传统 AlphaFold3、IsoDDE、Cl | 专用几何深度学习模型,序列→结构坐标,中间是黑盒计算 | 弱,看不到推理步骤 | 依赖海量结构模板,异构体、特殊蛋白预测容易出错 |
| 本次大模型思维链方案 | 大语言模型逐步推理残基作用、构象,3D 结构嵌入思维链 | 强,每一步推理过程可查看 | 推理耗时更长,算力开销大 |
二、这套方法的核心技术要点
- 3D 结构表征适配:把蛋白质坐标、二面角、距离矩阵转换成大模型能够理解的文本化表征,让 3D 信息可以放进思维链上下文
- 分步推理范式:模型先分析氨基酸理化性质、残基配对,再推断二级结构,接着估算残基间距,最后输出完整 3D 构象,中间自带校验环节
- 自校正机制:推理过程中自动检查空间冲突、不合理键角,发现问题就回溯修正,减少无效结构输出
- 统一基座:不额外挂载独立几何网络,依托通用大语言模型基座完成全部折叠推理,减少多模块拼接带来的误差
三、优势集中在这些场景
✅ 蛋白异构体预测:对 IsoDDE 擅长的可变剪接异构体蛋白,预测精度进一步提升
✅ 难靶蛋白:缺少同源模板的孤儿蛋白、部分内在无序蛋白,预测效果提升显著
✅ 过程可追溯:科研人员可以查看模型是怎么判断残基相互作用,方便做机理研究
✅ 统一框架:同一个大模型可以同时处理序列解读、结构预测、简单功能注释
四、目前存在明显的局限
- 推理成本高:长链蛋白推理需要大量 token,单条蛋白推理耗时远高于 AlphaFold3
- 训练数据门槛:需要大量 “序列 + 推理步骤 + 3D 结构” 的标注数据,高质量数据集稀缺
- 稳定性波动:部分超大蛋白复合体,推理容易中途出现空间矛盾,需要多次重试
- 工程化不足:还属于学术研究阶段,暂未做成开放的在线工具
五、对下游领域的价值
这种思路打通了自然语言推理和结构生物学的边界,后续有机会把蛋白折叠、功能预测、分子设计放在同一个大模型流程里连贯完成,而不是多个工具来回切换,对靶点挖掘、酶改造、多肽药物设计有长期研究价值。
【常见问题】
问题 1:语言模型推理折叠蛋白质,把 3D 结构塞进思维链,为什么能超越 AlphaFold3、IsoDDE 与 Cl?
回答 1:语言模型推理折叠蛋白质、把 3D 结构塞进思维链,依靠分步推理 + 自校正的模式,不再直接输出结构坐标,推理过程中持续校验残基空间关系,在异构体、无模板蛋白这类传统模型短板场景取得更好结果,所以在对应测试指标上超越 AlphaFold3、IsoDDE 与 Cl。
问题 2:语言模型推理折叠蛋白质的思维链,里面存的 3D 结构是什么形式?
回答 2:语言模型推理折叠蛋白质的思维链里,不会直接放原始三维坐标文件,而是把距离矩阵、二面角、残基空间约束等信息转成文本表征,让大模型可以读取、推理、迭代调整蛋白质 3D 构象。
问题 3:语言模型推理折叠蛋白质,性能超越 AlphaFold3、IsoDDE 与 Cl,现在可以直接用来做新药研发吗?
回答 3:暂时还不能直接大规模落地新药研发,语言模型推理折叠蛋白质属于前沿学术方案,虽然指标超越 AlphaFold3、IsoDDE 与 Cl,但推理速度慢、算力成本高,还需要持续优化稳定性和效率。
问题 4:语言模型推理折叠蛋白质和 AlphaFold3 最大区别是什么?
回答 4:AlphaFold3 是专用几何深度学习模型,属于端到端黑盒预测;语言模型推理折叠蛋白质是依托大模型思维链分步推导,3D 结构嵌入推理流程,每一步构象判断都有可追溯的推理过程。
【参考资料】
[2026-11-19](语言模型推理折叠蛋白质?把 3D 结构塞进思维链,超越 AlphaFold3、IsoDDE 与 Cl)机器之心
[2026-11-18](思维链大模型用于蛋白质折叠,可解释蛋白结构预测新进展)生物世界
[2026-11-17](AlphaFold3、IsoDDE 模型原理与适用场景综述)科研圈
[2026-11-15](Large Language Model with Chain-of-Thought for Protein Folding)arXiv 预印本
免责声明
本文仅为前沿科研资讯整理,语言模型推理折叠蛋白质、3D 结构嵌入思维链方案的实验结果、测试指标仅在对应学术数据集条件下成立,超越 AlphaFold3、IsoDDE 与 Cl 为论文实验结论;该技术仍处于学术研究阶段,不代表可以替代现有成熟蛋白预测工具,不构成药物研发、生物实验的实施依据,最终成果以正式期刊论文、项目团队官方说明为准。
