蛋白 NMR 谱里缺的残基信号,被训成了毫秒动态预测器 Dyna-1

2026-08-11

作者发现蛋白 NMR 谱里缺失的残基信号其实是毫秒动态的指纹,据此用 ESM-3 训出 Dyna-1,能预测酶催化和配体结合相关的运动。

这篇在解决什么

蛋白质不是刚性的雕像,它要在多种构象之间来回切换才能干活。酶催化、配体结合、信号传导,背后都是微秒到毫秒(µs–ms)尺度的构象运动。但这些运动极难测。核磁共振(NMR)是少数能量化 µs–ms 动态的实验手段,可它出数慢、数据散、没有统一基准,全库拢共也就一百来套像样的弛豫数据。AlphaFold 把静态结构预测拉到几乎免费的程度,「蛋白质在动」这件事却基本还停在手工测量。

线索反而在数据缺失里。BMRB 数据库里近一万条蛋白的化学位移记录,普遍有一批残基没被赋值,也就是 NMR 谱上测不到信号。这通常被当成数据噪声或技术缺失随手忽略掉。作者提出一个大胆假设:这些残基不是测不到,而是它们正在经历 µs–ms 运动,信号被交换展宽(exchange broadening)抹平了。缺失本身就是动态的痕迹。

方法

核心做法两步:

• 用 NMR 弛豫数据标出每个残基是否处于 µs–ms 交换,再把 BMRB 化学位移记录里「该残基有没有被赋值」当成一个可大规模获取的代理标签。
• 训一系列深度学习模型,只看蛋白序列就预测每个残基会不会缺失赋值,再拿这个预测去对碰实验测得的弛豫交换。

最好的那个模型叫 Dyna-1,特征来自蛋白语言模型 ESM-3 的某一层中间表征。ESM-3 是 EvolutionaryScale 那套把序列、结构、功能一起编码的多模态蛋白模型,用它的内部表征等于免费带上了进化与结构先验,不必从零学起。作者把一百多套实测 NMR 弛豫数据和 BMRB 的化学位移库整合成统一数据集,这是模型能落地的地基。

结果

摘要给的是定性结论。精确指标(相关系数、AUC、对照基线)在付费墙后的正文里,本次没取到。

关键的验证落在逻辑链上,不是单个「预测准确率」数字:模型本来只学「哪个残基在谱上缺了」,但它学到的东西恰好对得上实验测到的真实运动,而且专挑催化、结合这些蛋白质真正在干活的位点准。这种从代理标签一路打通到实验量的表现,说明缺信号确实捕捉到了动态本身,不是统计假象。

为什么重要

对做蛋白结构与药物设计的人,Dyna-1 把一件原本要专人在 NMR 谱仪前熬很久的事,降到了「给一段序列」的量级。酶的催化残基、靶点的结合口袋,这些恰恰是药物最关心的位置,也是动态最关键的位置,过去恰恰最难预测。它也示范了一个可复制的套路:数据缺失本身可以当标签,语言模型的内部表征可以直接迁移到稀缺的实验量上,这条思路对其它「数据贵、缺失多」的生物测量大概率也成立。

AlphaFold 解决了静态结构之后,「结构怎么动」是结构生物学当前最大的开放问题之一。Dyna-1 没有把它解掉,但给出了一条能规模化、能对接已有蛋白模型的路径。

局限与存疑

• 这是基于摘要的解读。正文的定量结果(对照基线、各项指标)和模型、数据的具体细节在付费墙后,本次没取到,文中的数字只来自摘要与公开页面。
• 「缺失赋值等于交换展宽」是个大胆假设。谱重叠、实验条件、柔性过高的无序区也会导致赋值缺失,摘要里没说作者如何把这些混淆因素和真实动态区分开,这条要看正文。
• Dyna-1 预测的是「某残基是否处于 µs–ms 交换」这类残基级概率,不是构象轨迹或运动幅度。想拿它替代分子动力学做定量动力学,还有距离。
• 代码和数据摘要里说会公开,但截至论文上线当日还没检索到可访问的仓库。

术语

• NMR 弛豫(NMR relaxation):核磁共振里原子核回到平衡态的过程,其速率对 µs–ms 的构象运动敏感,是测蛋白慢动态的主力实验。
• 化学位移(chemical shift):NMR 谱里每个原子核的谱线位置,蛋白里逐残基记录,等于残基的「指纹」。
• 交换展宽(exchange broadening):残基在两种构象间快速切换时,谱线被加宽甚至抹平、信号测不到的现象,正是本文的核心线索。
• ESM-3:EvolutionaryScale 的蛋白基础模型,把序列、结构、功能作为多模态信号一起编码,常用来做下游蛋白任务的表征骨干。
• BMRB:Biological Magnetic Resonance Data Bank,全球生物核磁数据公共库,本文化学位移数据的来源。

原文与代码

• 原文

社区讨论

• Nature发表蛋白质动态预测模型Dyna-1，附完整数据集 sokrypton

全部论文解读