AI蛋白质工具大全系列:蛋白质结构与功能预测—

AI蛋白质工具大全系列:蛋白质结构与功能预测——结构预测②

** 如果觉得本文对你有帮助，欢迎推荐、点赞、转发支持，让更多科研小伙伴看到！如有疑问或建议，欢迎留言。

** 本文信息收集于2026年5月，如有变动请以官网为准。

** 整理不易，禁止盗用、洗稿或商业使用，如需转载，请注明来源。

** 查找资源开源链接，可关注公众号后私信资源名获取。

上一篇：AI蛋白质资源系列：蛋白质结构与功能预测——结构预测①

下篇预告：AI蛋白质资源系列：蛋白质结构与功能预测——功能注释与突变效应①

CF-random

（开源链接可关注公众号后私信关键词【CF-random】获取。）

1.开发/维护方：美国国立卫生研究院（NIH）国家医学图书馆（学术机构）

2.核心功能：通过随机下采样多序列比对至极浅深度（最少3条序列），利用ColabFold预测蛋白质的替代构象，特别是那些发生二级结构重塑的折叠转换蛋白的非常规构象。

3.适用场景：用于从单一蛋白质序列出发预测其可能存在的多种折叠状态（如折叠转换蛋白、刚性体运动、局部构象变化）；也可用于蛋白质构象异质性分析、盲筛蛋白质组中潜在的折叠转换蛋白。

4.免费/开源：是

5.文章解读：NIH基于AlphaFold2的CF-random算法，预测5%大肠杆菌蛋白存在折叠转换

6.原文：Large-scale predictions of alternative protein conformations by AlphaFold2-based sequence association

通过极浅层MSA采样，成功预测了35%的已知折叠转换蛋白的替代构象，远超现有其他AlphaFold2-based方法。

DMS-Fold

（开源链接可关注公众号后私信关键词【DMS-Fold】获取。）

1.开发/维护方：俄亥俄州立大学、加州大学洛杉矶分校（学术机构）

2.核心功能：通过整合单突变深度突变扫描（DMS）提取的残基埋藏信息，在OpenFold框架内显式引导残基放置，增强蛋白质结构预测。

3.适用场景：改善AlphaFold2对动态蛋白、孤儿蛋白、固有无序蛋白等困难系统的预测性能；在MSA较浅时提升预测准确性；也适用于功能注释与突变效应。

4.免费/开源：是

5.文章解读：UCLA团队开发DMS-Fold，88%蛋白靶标预测优于AlphaFold2

6.原文：Deep-learning structure elucidation from single-mutant deep mutational scanning

首个利用DMS实验数据显式引导AlphaFold2重构残基埋藏以提升困难蛋白预测精度的方法。

DEERFold

（开源链接可关注公众号后私信关键词【DEERFold】获取。）

1.开发/维护方：Vanderbilt University（学术机构）

2.核心功能：在OpenFold框架内微调AlphaFold2，将双电子-电子共振光谱得到的自旋标记距离分布作为约束整合进网络架构，预测蛋白质构象ensemble。

3.适用场景：利用稀疏的DEER距离分布数据，引导AlphaFold2从单一序列预测多种构象状态（如内向、外向构象），特别适用于膜转运蛋白等动态蛋白质体系，也适用于无法获得实验结构时，通过模拟距离分布指导构象选择，以及将DEERFold框架推广至NMR、FRET、XL-MS等其他可表示为距离分布的实验约束数据。

4.免费/开源：是

5.文章解读：范德堡大学开发DEERFold，用少量DEER约束驱动蛋白质构象精准预测，成功率超70%

6.原文：Modeling protein conformational ensembles by guiding AlphaFold2 with Double Electron Electron Resonance (DEER) distance distributions

通过将实验距离分布直接融入网络架构，实现了DEER数据对AlphaFold2构象采样的有效引导。

IDPFold

（开源链接可关注公众号后私信关键词【IDPFold】获取。）

1.开发/维护方：上海交通大学、山东大学、福州大学（学术机构）

2.核心功能：基于条件扩散模型，从氨基酸序列直接生成固有无序蛋白的构象ensembles，无需多序列比对或实验数据，生成包含数十至数百个构象样本的结构系综，输出构象的原子坐标，揭示IDP的序列-无序-功能关系。

3.适用场景：快速生成固有无序蛋白的构象集合，评估蛋白紧凑度和局部二级结构特征，也适用于辅助分子动力学模拟的初始构象生成，以及理解IDP序列与功能关系。

4.免费/开源： 代码开源

5.文章解读：上海交大/山东大学开发IDPFold，生成IDP，Rg误差-0.06、RMSD 0.65ppm

6.原文：Accurate Generation of Conformational Ensembles for Intrinsically Disordered Proteins with IDPFold

给固有无序蛋白量身定做的扩散生成模型，不依赖MSA、不需要实验数据，直接给出一整套动态构象。

EMProt

（开源链接可关注公众号后私信关键词【EMProt】获取。）

1.开发/维护方：华中科技大学（学术机构）

2.核心功能：从冷冻电镜密度图中自动构建蛋白质全原子结构，通过三轨注意力网络整合密度图信息与结构预测。

3.适用场景：用于冷冻电镜密度图的自动化模型构建，支持完整蛋白质复合物的结构测定，可整合AlphaFold2预测结构进行精修。

4.免费/开源：免费（学术或非商业用户）

5.文章解读：华中科大：EMProt在冷冻电镜建模中性能全面超越，重建准确率超90%

6.原文：EMProt improves structure determination from cryo-EM maps

全自动cryo-EM结构建模方法，在近原子分辨率下显著优于现有工具。

trRosettaX2-Dynamics

（开源链接可关注公众号后私信关键词【trX2-D】获取。）

1.开发/维护方：山东大学（学术机构）

2.核心功能：在CASP15/16冠军方法trRosettaX2的基础上，通过Transformer神经网络预测残基间几何约束（距离、方向），再以物理启发的迭代采样策略从预测的残基间几何分布中生成多构象蛋白质动态结构，无需事先已知任何天然构象状态。

3.适用场景：预测蛋白质的替代构象与动态结构，尤其适合实验构象信息有限的构象转变体系；也适用于动力学机制研究、动态构象药物设计及马尔可夫状态模型初始化构象生成。

4.免费/开源：是（代码开源）

5.文章解读：山东大学：trX2-D算法预测蛋白质“多面”构象，准确率提升20-30%，动态建模新时代来临

6.原文：Generating Dynamic Structures Through Physics‑Based Sampling of Predicted Inter‑Residue Geometries

输出驱动的迭代采样方法，在不依赖先验知识下生成多样化的动态构象。

STARLING

（开源链接可关注公众号后私信关键词【STARLING】获取。）

1.开发/维护方：华盛顿大学医学院（学术机构）

2.核心功能：从氨基酸序列直接生成固有无序蛋白的粗粒化构象集合，输出残基间距离图并重建3D坐标。

3.适用场景：用于快速预测无序蛋白的构象集合，支持离子强度条件插值，可结合实验数据进行贝叶斯最大熵重加权；也适用于基于集合感知表示在潜空间中寻找生物物理相似蛋白（功能注释与突变效应），以及蛋白质设计与生成-序列设计。

4.免费/开源：是

5.文章解读：华盛顿大学团队12秒生成400个构象：生成式AI模型STARLING精准预测无序蛋白结构，预测精度RMSE低至0.85Å

6.原文：Accurate predictions of disordered protein ensembles with STARLING

首个快速、高精度生成无序蛋白构象集合的生成式模型，支持环境条件插值和实验数据重加权。

bAles

(Bayesian framework for Atomic-resolution ensembles of intrinsically disordered proteins)

（开源链接可关注公众号后私信关键词【bAles】获取。）

1.开发/维护方：Université Paris Cité（学术机构）

2.核心功能：贝叶斯框架，将AlphaFold2预测的残基-残基距离分布作为数据似然，与随机线圈模型的物理化学先验整合，生成内在无序蛋白的原子分辨率构象系综。

3.适用场景：内在无序蛋白及其区域的构象集合预测；生物过程与疾病机制研究；药物发现；整合AI与分子模拟。

4.免费/开源：是（基于PLUMED与LAMMPS开源协议）

5.文章解读：法国巴斯德研究所开发bAles框架，融合AlphaFold2，原子分辨率解析IDP构象集，性能比肩MD模拟且成本大降

6.原文：Atomic resolution ensembles of intrinsically disordered proteins with Alphafold

高效生成与实验数据高度一致的原子分辨率IDP系综，计算成本远低于全原子MD。

TDFold

（开源链接可关注公众号后私信关键词【TDFold】获取。）

1.开发/维护方：北京师范大学、南京理工大学、东南大学（学术机构）

2.核心功能：基于2D几何模板扩散的单序列蛋白质结构预测模型，将氨基酸序列作为条件输入，通过稳定扩散生成残基间距离和取向矩阵，再经轻量图网络预测3D结构。

3.适用场景：孤儿蛋白、快速进化病毒蛋白等缺乏同源信息的蛋白质结构预测；资源受限环境下的快速结构预测；也适用于高通量药物靶点蛋白和蛋白质工程中突变体的三维结构快速验证（蛋白-小分子对接），以及作为抗体结构预测工具tFold-Ab、抗体-抗原复合物预测工具tFold-Ag的技术基础，为抗体筛选和设计提供结构支撑（蛋白-蛋白互作）。

4.免费/开源：是。

5.文章解读：南京理工联合北京师范大学开发TDFold，单序列蛋白预测效率提10-100倍，内存仅占用7GB

6.原文：Two-dimensional geometric template diffusion for boosting single-sequence protein structure prediction

将视觉生成模型迁移到蛋白质2D几何生成，单序列预测速度比AlphaFold2快10-100倍，GPU占用少一半。

BilboMD

（开源链接可关注公众号后私信关键词【BilboMD】获取。）

1.开发/维护方：美国劳伦斯伯克利国家实验室（政府机构）

2.核心功能：一个集成SAXS/SANS实验数据与AlphaFold结构预测、分子动力学模拟的网络建模平台，用于构建柔性生物大分子的构象系综模型。

3.适用场景： 用于生成柔性蛋白质及蛋白-核酸复合物的溶液构象系综，也适用于蛋白-配体复合物与SAXS数据的多态验证以辅助药物筛选（蛋白-小分子对接）。

4.免费/开源： 是，在线服务器免费开放。

5.原文：BilboMD: a web-accessible SAXS and AlphaFold-guided modeling pipeline

在溶液散射数据和AI结构预测之间搭了一座桥，让低分辨率SAXS数据也能用于解析柔性蛋白和复合物的多态构象系综。