Mendelevium

homepage

Contact

Copyright © 2025 Xufan Gao | Academic Research Blog
Contents

Home > Molecular Dynamics > Sampling & Analysis > BioEmu能把蛋白动力学采样推多远？激酶成功，转运体与隐蔽口袋暴露边界

BioEmu能把蛋白动力学采样推多远？激酶成功，转运体与隐蔽口袋暴露边界
Molecular Dynamics 2026-03-18 - -
protein-dynamics enhanced-sampling bioemu markov-state-model molecular-simulation generative-ai conformational-ensemble

BioEmu能把蛋白动力学采样推多远？激酶成功，转运体与隐蔽口袋暴露边界

本文信息

  • 标题：Accelerated sampling of protein dynamics using BioEmu augmented molecular simulation
  • 作者：Soumendranath Bhakat，Eva-Maria Strauch
  • 发表时间：2026年2月21日（bioRxiv 预印本）
  • 单位：AlloTec Bio Inc.；Washington University in St. Louis School of Medicine, Division of Infectious Diseases（美国密苏里州圣路易斯）
  • 引用格式（不加粗）：Bhakat, S., & Strauch, E.-M. (2026). Accelerated sampling of protein dynamics using BioEmu augmented molecular simulation. bioRxiv. https://doi.org/10.64898/2026.01.07.698041
  • 源代码与相关工具：
    • BioEmu：https://github.com/microsoft/bioemu
    • H-packer：https://github.com/gvisani/hpacker
    • CryoPhold：https://github.com/strauchlab/cryoPhold
    • MDML：https://github.com/svats73/mdml/tree/main

摘要

这篇预印本提出了一条把生成式AI构象生成、无偏分子动力学模拟和马尔可夫状态模型串起来的工作流。作者先用 BioEmu 生成蛋白质骨架构象，再补全侧链、做慢特征分析与聚类，最后从代表性结构出发跑多条短程 MD，并用 MSM 恢复符合玻尔兹曼权重的构象分布。在 CDK2 与 BRAF 这类丝氨酸、苏氨酸激酶上，这条路线确实能捕获 DFGin 到 DFGout 的稀有转变，还能解析 V600E 突变诱导的群体迁移。更进一步，作者把 BioEmu 与 Cryo-EM 重加权结合，用于构建 GlyT1 的全原子构象系综。不过，论文同样强调了一点：BioEmu 并不是普适的动力学万能钥匙。在 GlyT1 与 PlmII 这类强依赖侧链构象异质性的体系里，BioEmu 派生的初始系综并没有覆盖足够广的功能相关状态，后续 MD 也就难以“凭空补回来”。

核心结论

  • BioEmu 加短程 MD在激酶体系里确实有效，能用累计 5 μs 的模拟捕获 DFGin 到 DFGout 转变，而对照的 rMSA-AF2 路线即使做到 8 μs 仍主要困在 DFGin。rMSA-AF2 仍然更受初始结构“覆盖率”的限制，而 BioEmu 给出的起始构象分布更开阔
  • 这套方法不只找到“终态”，还能够解析中间态、亚态和相对群体，例如 CDK2 激活环折叠、伸展状态与 BRAF 的 DFG-Phe 旋转异构体分布。需要注意的是，原文对 PheN 和 PheF1 的 $\chi_1$ 标注前后并不完全一致，因此这里不再硬性对应具体角度，而是保留“不同 DFG-Phe 亚态及其相对权重”这一层结论
  • 对 V600E BRAF，方法成功恢复了突变诱导的群体转移，包括 DFG-Phe 旋转异构体分布的重新分配，以及 αC 螺旋向更活性样构象偏移。文中的定量结果显示，V600E 会让 DFGin 宏观态内各亚态的群体比例发生明显变化，αC 螺旋的“in”状态（LGL）群体也随之增加
  • 把 BioEmu 与 Cryo-EM 贝叶斯重加权结合后，可以得到 GlyT1 的全原子先验系综，但采样仍然不完整，尤其是 inward 态与 Y62 翻转。关键缺陷在于：BioEmu v1.0 只显式生成骨架，侧链通过 H-packer 后补，因此很难完整覆盖 Y62 的 $\chi_1/\chi_2$ 二面角分布，而这个残基的翻转又是从 occluded 向 inward 态转变的必要条件。这里真正暴露出来的是方法边界：当动力学高度依赖侧链异质性时，只有骨架多样性往往不够，BioEmu v1.0 的优势会明显下降。

背景

蛋白质功能往往不是由单一静态结构决定的，而是由多个亚稳态之间的相对群体与相互转化共同决定。对药物研发来说，这一点尤其关键，因为变构口袋开放、激活环重排、跨膜转运开关、蛋白—蛋白相互作用界面暴露，很多都属于低概率但功能关键的稀有事件。这些构象转变直接调控蛋白的功能状态、配体结合亲和性和信号传导效率，因此理解蛋白的动力学景观对于精准药物设计至关重要。

传统无偏 MD 最大的问题是时间尺度。很多功能相关转变隔着很高的自由能垒，常规模拟在可接受的算力预算内根本跨不过去。增强采样方法虽然被开发出来应对这一限制，但主要分为两类：沿着预定义集体变量施加偏置的方法（如伞形采样、metadynamics）和全局修改势能面的方法（如温度加速、副本交换）。这些方法虽然强大，但存在关键缺陷：它们高度依赖对反应坐标的先验知识，而且得到的群体分布不是内在物理的，需要仔细的重新加权才能恢复无偏热力学。

近年来，基于 AlphaFold2 的方法（如 AF2-RAVE、AF2-MSM 和 CryoPhold）通过减少多序列比对来诱导构象多样性。rMSA-AF2 的核心思想是生成异质性的初始结构来启动下游的无偏 MD 模拟，从而加速构象探索。然而，这些方法的物理精修系综仍然强烈依赖于初始系综的“覆盖率”——如果初始覆盖没有捕捉到有意义的多样性，后续短 MD 模拟很难显著改善采样。

这几年生成式 AI 进入分子模拟领域后，一个自然的问题是：能不能让 AI 先把构象空间“撒开”，再由物理模拟去恢复真实分布？BioEmu 走的是另一条路：它不是扰动静态结构预测器的输入，而是在分子动力学模拟数据上微调的生成式扩散模型，训练目标是重现统计上独立的平衡结构分布。这使得 BioEmu 相比 rMSA-AF2 能够实现更广的构象空间覆盖。不过，BioEmu 生成的系综本身并不直接给出可信的状态群体，因此仍然需要结合物理模拟和 MSM 来恢复热力学意义。

这篇文章的思路正是如此。不过作者没有把 BioEmu 包装成万能替代品，而是很认真地比较了它在不同体系中的表现，最后给出的结论是：它在某些问题上很强，但也有非常具体、非常物理的失效场景。

研究方法

fig1

图1：BioEmu 种子分子模拟的整体工作流。整条路线可以概括为：先用生成式 AI 扩大初始构象覆盖，再用物理模拟和统计力学恢复热力学意义。下面按三个层次来看。

第一层：构象生成与降维

工作流从蛋白质序列开始，BioEmu v1.0 首先生成约 500 个仅含骨架的单体构象。这些构象不是简单的随机采样，而是基于分子动力学训练数据的扩散模型输出，因此天然包含了平衡态的构象多样性。随后，H-packer 负责补全侧链，把骨架系综转换成全原子表示。

为了从500个构象中挑选出最具代表性的结构用于后续模拟，作者对 Cα–Cα 距离做慢特征分析（Slow Feature Analysis，SFA）。

SFA 是一种无监督降维算法，目标是找到变化最慢的特征方向，这些方向通常对应于系统最缓慢、最功能相关的集体运动。数学上，SFA 通过优化目标函数 $\min \Delta(\Omega(z)) = \mathbb{E}[(\dot{z})^2]$ 来提取慢特征，其中 $z$ 是提取的特征，$\dot{z}$ 是其时间导数。作者在前两个慢特征上进行 K-means 聚类（$K=50$），得到 50 个聚类中心。SFA 与聚类使用的是 MDML 软件包。

对 GlyT1，作者再把这 50 个聚类中心作为 CryoPhold 的先验，用于针对三张 Cryo-EM 图的贝叶斯重加权。CryoPhold 是一个结合 AlphaFold2 与 Cryo-EM 数据的框架，通过贝叶斯重加权将生成式 AI 输出的构象系综与实验密度图对齐，从而得到既符合物理原理又与实验一致的构象分布。

第二层：物理模拟与参数设置

这 50 个代表性结构分别启动 100 ns 无偏 MD，总计 5 μs。分子模拟的具体参数设置如下：

  • 使用 Amber2022 中的 tleap 进行体系准备，蛋白力场是 AMBER ff14SB，水模型是 TIP3P
  • 使用截角八面体水盒，蛋白到盒边界最小缓冲为 10 Å
  • 先做受限最小化，再做全体系无约束最小化
  • Amber 拓扑通过 ACPYPE 转到 GROMACS 格式，后续模拟在 GROMACS 2022 中进行
  • 体系从 0 K 升温到 300 K，先进行 500 ps NVT 升温，再进行 200 ps NPT 平衡
  • 生产模拟为无偏 100 ns，轨迹每 10 ps 保存一次
  • 温控采用 velocity-rescale thermostat，压强控制采用 Parrinello–Rahman barostat
  • 非键相互作用截断为 1.0 nm，长程静电采用 PME，含氢键长通过 LINCS 约束

第三层：统计力学分析

所有轨迹最后交给 MSM 统一整合，输出自由能面、宏观态群体和亚态分布。MSM 使用 PyEMMA 构建，激酶体系使用图2中的两个距离来区分 DFG 态，GlyT1 则使用能区分 inward、outward、occluded 的距离变量来建模。

BioEmu 提供了结构覆盖的广度，而 MSM 则通过统计力学分析赋予这些结构物理意义，计算每个状态的热力学权重和动力学连通性。

如果只看 BioEmu 本身，它给出的是构象多样性，而不是严格的平衡分布。作者因此没有直接把 BioEmu 输出当答案，而是把它当作更聪明的初始构象提案器。

后续的全原子 MD 提供局部物理松弛和能量精修，MSM 则通过构建转移概率矩阵，将多条短程轨迹整合成符合玻尔兹曼统计的群体分布与自由能面。具体而言，MSM 通过特征值分解得到长时间尺度的平衡分布，从而预测每个宏观态和亚态的相对群体。

这一点也解释了为什么作者坚持用对照组。文章不是简单展示”BioEmu 能采到什么”，而是要比较：同样是短程无偏 MD，不同初始构象覆盖到底能把结果拉开多大差距。

这种比较能够区分”方法本身的优势”和”初始条件的运气”。图1中的黑点投影直观展示了这一差异：BioEmu 的500个初始构象在两个慢特征坐标上的分布明显比 rMSA-AF2 的80个构象更分散，这为后续采样覆盖更广的构象空间奠定了基础。

这里最要紧的一点是，BioEmu 的优势首先体现在起始构象分布更开阔。后续无偏 MD 当然提供了局部松弛，但如果初始系综本身没有覆盖到相关区域，短程轨迹通常很难自己翻过高自由能垒。

从技术路线看，这篇工作的重点在于把生成式构象采样、全原子 MD 和 MSM 顺畅接起来，把结构多样性进一步落到可解释的热力学分布上。

研究结果

激酶测试：BioEmu 的最佳表现出现在 DFG 翻转问题上

fig2

图2：MSM 加权自由能面解析 BRAF 与 CDK2 的 DFGin 到 DFGout 转变

  • A、C 是 BioEmu 种子模拟得到的自由能面，分别对应 apo BRAF 与 apo CDK2
  • B、D 是 rMSA-AF2 增强 MD 的对照结果
  • 黑点是初始构象系综投影，作者用它来直观看出初始覆盖范围
  • E 给出了 DFGin 与 DFGout 的代表性结构，salmon 色对应 DFGin，cyan 色对应 DFGout，重点看的是 DFG-Phe、Lys、Glu 的相对位置变化

这组结果非常直观。BioEmu 种子模拟不只是跑出了更散的点云，而是真正在自由能面上覆盖到了从 DFGin 到 DFGout 的过渡区域。相比之下，rMSA-AF2 的初始系综和后续模拟几乎都局限在 DFGin 附近。

更直接的比较来自采样结果本身：BioEmu 路线总模拟时间是 5 μs，对照路线是 8 μs，但后者仍没能真正跨出 DFGin 盆地。这说明在这类问题上，初始构象覆盖确实比单纯延长短程模拟更重要。

CDK2：不仅采到 DFGout，还采到了更细的活化相关异质性

fig3

图3：BioEmu 增强模拟解析 apo CDK2 的 DFG-Phe、αC 螺旋与激活环亚态

  • A 是 DFGin 宏观态内不同 DFG-Phe 旋转异构体，以及 αC 螺旋 LGL／LGU 和激活环 ACin／ACout 的相对群体
  • B 把激活环距离投影到 DFG 相关的两个距离坐标上，显示 DFGout 更偏向折叠激活环
  • C 叠合了代表性 DFGin 与 DFGout 结构，突出显示DFG-Phe 翻转与激活环折叠

图2说明 BioEmu 能把体系带到新的盆地，图3进一步表明：它还能解析盆地内部的细致异质性。

图3B：激活环的延伸-折叠转移：图3B 将激活环距离（D145-CA–R157-CA）投影到区分 DFGin 和 DFGout 的两个距离坐标上。关键发现是：DFGout 态中折叠激活环（ACin）的群体明显高于 DFGin 态。这意味着从 DFGin 到 DFGout 的转变伴随着激活环从延伸态（ACout）向折叠态（ACin）的转移。激活环是激酶功能调控的核心区域，其折叠状态直接影响底物结合和催化活性。这种耦合变化揭示了激酶活性-非活性转变的层级化特征：DFG 基序的翻转与激活环的构象变化是协同发生的，共同构成了从活性样到非活性样构象转变的结构基础。

在 apo CDK2 里，作者不仅看到了 DFGin 与 DFGout 两个终态，还看到了 DFGin 内部的不同 DFG-Phe 亚态，以及 αC 螺旋与激活环的耦合变化。尤其是从 DFGin 到 DFGout 时，激活环从 ACout 向 ACin 转移，这正是从更活性样构象走向更非活性样构象的重要标志。

因此，BioEmu 的价值不只是“帮忙见到稀有终态”，还在于它能让后续 MSM 在更合理的初始覆盖上，恢复出与功能转换相关的层级化构象景观。

V600E BRAF：群体转移而不是单一结构切换，才是更难也更有用的测试

fig4

图4：V600E 突变如何把 BRAF 系综推向更活性样构象

  • 左侧柱状图比较野生型与 V600E 在 DFGin 宏观态内的 PheN、PheF1、PheF2 群体
  • 中间柱状图比较 αC 螺旋在 LGL 与 LGU 两种构象下的群体变化
  • 右侧结构示意图标出 Phe595、Lys483、Glu501，并用蓝色与米色展示更偏 DFGin／DFGout 或 LGL／LGU 的构象差异

在 DFGin 宏观态内部，V600E 会重新分配 DFG-Phe 侧链旋转异构体的群体，同时也让 αC 螺旋更偏向“in”状态，也就是 LGL。这里保留“群体重新分配”这一层结论，不再把单个亚态之间的对应关系写得过死。

这很重要，因为突变激活常常不是把蛋白从一个完全静止的构象“掰”到另一个，而是让整个系综在多个亚态之间重新分配权重。这篇文章的一个亮点就在于，它确实把这种“群体转移”用 MSM 权重给量化了出来，而不只是画一张构象示意图就结束。

把 Cryo-EM 和 BioEmu 接起来：GlyT1 是更接近真实应用场景的测试

fig5

图5：BioEmu 先验系综经 CryoPhold贝叶斯重加权后，得到 GlyT1 的全原子构象集合

  • 左侧是原始 BioEmu 系综和 SFA 聚类后的 50 个代表性结构
  • 右上是三张 Cryo-EM 参考图，对应 inward、occluded 与 outward 三种状态，分辨率分别约为 3.35 Å、2.58 Å 和 3.22 Å
  • 右下是重加权后的全原子 CryoPhold 系综，橙色、青绿色、紫色分别对应 inward、occluded、outward

在 GlyT1 这部分，生成式先验、Cryo-EM 约束和后续 MD 被接到了一起。这里不是直接拿 BioEmu 输出做解释，而是先通过 Cryo-EM 参考图做贝叶斯重加权，得到更接近实验的全原子后验系综。

从方法设计上看，这一步把 BioEmu 的广覆盖起点、Cryo-EM 的状态约束 和 CryoPhold 的重加权 自然接了起来。

但问题也从这里开始：GlyT1 并没有被完全采开

fig6

图6：在 GlyT1 上，BioEmu 系综的覆盖不足开始暴露出来

  • A 标出 GlyT1 的关键热点残基，尤其是 Y62、W322、R71、D474，它们共同定义了状态转变相关的局部几何
  • B 是 BioEmu 种子模拟在 TM1–TM6 与 TM1–TM10 距离空间中的采样结果
  • C 是 rMSA-AF2 种子模拟的对照，明显覆盖到更多 inward、occluded、outward 区域
  • D、E 则比较了 Y62 的 $\chi_1/\chi_2$ 二面角采样，显示 BioEmu 路线对 Y62 翻转 的覆盖明显不足

图6 对应的结论很明确：BioEmu 并不是在所有体系里都比 rMSA-AF2 更强。

GlyT1 的三种构象态定义：GlyT1 是一种膜转运蛋白，通过交替访问机制将甘氨酸从细胞外间隙转运到细胞内。这个过程涉及三种主要的构象态：

  • Occluded（封闭态）：底物结合位点被封闭，既不向细胞外开放，也不向细胞质开放，通常结合甘氨酸
  • Inward（向内态）：底物结合位点向细胞质侧开放，允许甘氨酸释放到细胞内，通常结合抑制剂 ALX-5407
  • Outward（向外态）：底物结合位点向细胞外间隙开放，允许甘氨酸结合，通常结合抑制剂 SSR-504734 和 PF-03463275

这三种态之间的转变依赖于跨膜螺旋（TM1、TM6、TM10）的大尺度重排，以及关键残基 Y62 的侧链翻转。Y62 就像一个“盖子”，它的翻转是从 occluded 向 inward 态转变的必要条件。

在 GlyT1 中，作者发现 CryoEmu 增强模拟虽然能较好采到 outward 与 occluded，但对 inward 态以及 Y62 翻转的恢复并不充分。这个结果和前面激酶体系的成功形成鲜明对比，也说明 GlyT1 的关键动力学更依赖局部残基闸门与侧链重排，而不只是主链骨架的大尺度移动。

也就是说，对某些跨膜转运体来说，单纯把骨架铺得更开并不够。真正控制状态切换的，可能是像 Y62 这样的局部“盖子”残基，而这恰恰是 BioEmu v1.0 不擅长的地方。

PlmII：隐蔽口袋开启再次证明，侧链问题绕不过去

fig7

图7：在 PlmII 的隐蔽口袋开启问题上，rMSA-AF2 反而明显优于 BioEmu

  • A 是 BioEmu 增强模拟得到的 Trp41 $\chi_1/\chi_2$ 自由能面，基本只覆盖主态
  • B 是 rMSA-AF2 的对照结果，可以看到更多离散盆地，其中圈出的区域对应隐蔽口袋开启相关状态
  • C 给出 Trp41 翻转的结构示意，说明这个侧链运动与口袋暴露直接相关

如果说 GlyT1 已经让人开始怀疑“骨架覆盖是否足够”，那 PlmII 几乎就是把这个问题钉死了。作者明确指出，PlmII 的隐蔽口袋开启依赖 Trp41 侧链翻转，而 BioEmu 生成的初始系综在这件事上的构象多样性太有限，所以后续 MD 也很难补救。一个核心区别是，激酶 DFG 转变更多体现为主链与局部二级结构层面的构象重排，而 GlyT1 的 Y62、PlmII 的 Trp41 都属于关键侧链闸门残基。BioEmu v1.0 只显式生成骨架，侧链是后补的，所以一旦功能动力学高度依赖侧链异质性，起始覆盖就会受限。

这一点也是全文里最重要的负面结论之一：对由关键侧链翻转主导的构象开关，BioEmu v1.0 的瓶颈不在后续采样，而在起跑线就没有把相关侧链异质性准备好。

这篇文章真正回答的问题：什么时候该用 BioEmu，什么时候要谨慎

综合激酶、GlyT1 和 PlmII 三类体系，这篇文章给出的不是一个简单的“好用／不好用”结论，而是一个更细的经验判断。在 BRAF 和 CDK2 这类激酶上，BioEmu 的构象覆盖明显更广；但在 GlyT1 与 PlmII 上，rMSA-AF2 反而给出了更好的功能相关采样。作者真正想说明的是：初始系综的质量必须和问题类型匹配。

更适合 BioEmu 的情形通常有这些特征：

  • 关键转变主要表现为骨架层面的宏观构象重排
  • 稀有态虽然难采，但可以由较广的主链分布触达
  • 后续短程 MD 加 MSM 足以把这些状态重新赋予物理权重

相对不利的情形则包括：

  • 关键动力学由局部侧链翻转控制
  • 功能相关状态依赖少数残基构象的精细组合
  • 起始系综如果没有覆盖这些局部侧链模式，后续无偏 MD 很难在短时间内补齐

这也是作者为什么会在摘要和讨论里都强调，BioEmu 更像是一个很强的构象覆盖工具，而不是自动恢复全部真实动力学的黑箱。

关键结论与批判性总结

这篇文章最重要的价值

这篇文章没有只展示 BioEmu 在激酶上的成功，而是把 GlyT1 和 PlmII 这两个边界案例也放了进来。这样一来，方法什么时候有效、什么时候要谨慎，就说得更清楚了。

主要优点

  • 成功案例很有说服力：BRAF 与 CDK2 的 DFG 转变确实被采到了，而且对照组差距明显
  • 不只看终态：文章分析了中间态、亚态、群体分布和突变诱导的群体转移，信息密度很高
  • 工作流具有可操作性：BioEmu、H-packer、MDML、GROMACS、PyEMMA、CryoPhold 串起来后，路线相对明确
  • 对失败模式有清楚归因：作者把问题聚焦到侧链异质性不足，这个解释既具体又有物理直觉

局限性

  • BioEmu v1.0 不显式建模侧链，这会直接限制对 Y62、Trp41 这类关键残基翻转的覆盖
  • 当前流程主要面向单体蛋白，对蛋白—蛋白或蛋白—配体体系的适用性仍有限
  • 虽然结果与已知机制一致，但很多系统仍缺少更直接的实验定量验证
  • 成败在很大程度上取决于初始系综是否覆盖到真正相关的局部自由度，这意味着方法仍然需要系统特异性判断

对后续工作的启发

  • 这项工作对药物发现最直接的启发：如果目标体系的关键动力学主要由骨架级别的大构象转变主导，BioEmu 这类模型可以显著提高稀有态触达率；但如果问题核心是局部侧链翻转、闸门残基摆动或隐蔽口袋开启，就不能指望只靠骨架多样性解决问题，必须考虑更强的侧链建模或额外实验约束
  • 如果未来的生成模型能更好处理全原子级别的侧链异质性，这条路线的适用范围会明显扩大
  • 把 Cryo-EM、DEER、FRET 等实验信息与生成模型输出做更紧的耦合，可能是提高可靠性的关键方向
  • 对于隐蔽口袋和局部闸门问题，后续方法很可能需要从“只学骨架”走向同时学习骨架与关键侧链坐标

总体来看，BioEmu 确实能显著改善一类问题，但它的边界也把下一步最需要补的地方暴露了出来。