夜雨聆风** 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。
AlphaFold系列
（开源链接可关注公众号后私信关键词【AlphaFold】获取。）
1.AlphaFold（CASP13版本）
1.开发/维护方：DeepMind（Google旗下，产业机构）
2.核心功能：基于深度残差卷积网络，通过预测氨基酸残基对之间的距离分布，结合梯度下降优化，从序列中构建蛋白质三级结构。
3.适用场景：蛋白质单体结构预测（基准算法）；结构生物学初步探索。
4.免费/开源：代码开源，Apache 2.0 许可证，学术与商业用途均可免费使用。
2.AlphaFold 2（CASP14版本）
1.开发/维护方：DeepMind（Google旗下，产业机构）
2.核心功能：从氨基酸序列高精度预测单体及多聚体蛋白质的三维原子结构，基于多序列比对（MSA）和深度学习架构。
3.适用场景：结构生物学研究、功能注释、药物靶点结构解析、突变效应评估、蛋白质工程。
4.免费/开源：开源（非商业用途），代码和模型权重免费。
结构预测领域的革命性工具，几乎成为每个结构生物学家的标配。
3.AlphaFold-Multimer（多聚体）
1.开发/维护方：DeepMind（Google旗下，产业机构）
2.核心功能：在AlphaFold 2的基础上为多聚体输入训练，引入对称性处理和相对位置编码，提升复合物界面预测精度，保持亚基内部的高准确性。
3.适用场景：预测蛋白-蛋白复合物的三维结构，异源多聚体组装模式分析，蛋白-蛋白相互作用高通量筛选，抗原-抗体复合物结构辅助模拟。
4.免费/开源：开源（非商业用途）。
AF-Multimer为破译细胞内蛋白机器的装配蓝图提供了关键AI工具。
4.AlphaFold 3
1.开发/维护方：DeepMind（Google旗下，产业机构）
2.核心功能：预测包含蛋白质、DNA、RNA、小分子、离子及化学修饰在内的全原子生物分子复合物三维结构，统一处理多种分子类型。
3.适用场景：药物研发（小分子结合位点预测），分子机制研究，复合物结构建模，核酸-蛋白互作。
4.免费/开源：开源（非商业用途），模型权重需申请或自行训练。
从单体到全原子复合物，将结构预测推向新高度。
5.AlphaFold-Metainference
1.开发/维护方：剑桥大学（学术机构）
2.核心功能：利用AlphaFold预测的残基间距离作为结构约束，通过分子动力学模拟生成折叠蛋白和固有无序蛋白的结构系综。
3.适用场景：生成固有无序蛋白和含无序区域蛋白的构象系综，用于研究蛋白动态构象。
4.免费/开源：是（代码开源）。
5.文章解读：突破性进展：AlphaFold-Metainference方法精准预测无序蛋白动态结构集合
6.原文：AlphaFold prediction of structural ensembles of disordered proteins
首个将AlphaFold距离预测与分子动力学结合、用于生成无序蛋白结构系综的方法。
ESMFold
（开源链接可关注公众号后私信关键词【ESMFold】获取。）
1.开发/维护方：Meta AI（FAIR，科技公司）
2.核心功能：仅使用单条蛋白质序列，通过ESM-2语言模型直接预测三维结构，无需多序列比对（MSA），速度比AlphaFold快。
3.适用场景：大规模蛋白质结构预测（宏基因组、蛋白宇宙扫描）、快速结构注释、预筛选。
4.免费/开源：MIT开源。
速度极快（比AlphaFold快几个数量级），精度够用。
RoseTTAFold
（开源链接可关注公众号后私信关键词【RoseTTAFold】获取。）
1.开发/维护方：华盛顿大学David Baker实验室（学术机构）
2.核心功能：基于三轨注意力机制（序列、结构、MSA）的蛋白质结构预测，支持单体及复合物建模。
3.适用场景：学术研究、蛋白设计、复合物结构预测、膜蛋白建模、蛋白质-蛋白质相互作用筛选。
4.免费/开源：开源，免费。
开源生态中的结构预测利器，衍生出众多设计工具（如RFdiffusion）。
OmegaFold
（开源链接可关注公众号后私信关键词【OmegaFold】获取。）
1.开发/维护方：华深智药（HeliXon，现并入NVIDIA，科技公司）
2.核心功能：结合几何约束和ESM-2语言模型，从单条序列直接预测蛋白质结构，在无MSA时表现优于ESMFold。
3.适用场景：孤儿蛋白（无同源序列）、合成蛋白、快速结构预测，还可以辅助用于蛋白-蛋白互作预测。
4.免费/开源：开源，免费。
MSA-free结构预测的强力补充，与ESMFold形成竞争。
OpenFold
（开源链接可关注公众号后私信关键词【OpenFold】获取。）
1.开发/维护方：耶鲁大学等（学术机构）
2.核心功能：使用PyTorch框架忠实复现DeepMind的AlphaFold 2算法，从蛋白质序列或MSA（多序列比对）预测三维结构，在保持相当精度的前提下实现更快的推理速度和更低的显存占用。
3.适用场景：蛋白质单体结构预测，蛋白质多聚体（复合物）结构预测，无需多序列比对（MSA）的孤儿蛋白结构预测，药物发现中的靶点蛋白结构预测和加速药物筛选。
4.免费/开源：开源，免费。
让AlphaFold2白盒化，促进领域持续创新。
ColabFold
（开源链接可关注公众号后私信关键词【ColabFold】获取。）
1.开发/维护方：首尔国立大学、哈佛大学等（学术机构）
2.核心功能：将AlphaFold2和RoseTTAFold打包为Google Colab笔记本，实现蛋白质单体和复合物结构的快速准确预测，提供交互式Jupyter Notebook界面及命令行版本。
3.适用场景：单体结构预测，复合物结构预测，构象采样，高通量预测。
4.免费/开源：开源，免费。
零门槛，免费GPU，支持AlphaFold2、RoseTTAFold、ESMFold等多种模型。
Boltz1
（开源链接可关注公众号后私信关键词【Boltz1】获取。）
1.开发/维护方：麻省理工学院（学术机构）
2.核心功能：预测包含蛋白质、RNA、DNA及小分子的生物分子复合物三维结构，性能与AlphaFold3相当。
3.适用场景：药物设计、结构生物学、复合物建模、低成本商业应用，也适用于生物分子相互作用。
4.免费/开源：开源，Apache 2.0许可证（商业可用）。
AlphaFold3的高质量开源替代，商业友好。
Seq2Symm
（开源链接可关注公众号后私信关键词【Seq2Symm】获取。）
1.开发/维护方：微软AI for Good研究实验室（Microsoft Research，学术-产业合作）
2.核心功能：基于ESM2微调的同源寡聚体对称性预测模型，从单条蛋白序列预测其组装后的点群对称性。
3.适用场景：高通量注释蛋白质组的寡聚体对称性，与AlphaFold-Multimer联用加速同源寡聚体结构预测（蛋白-蛋白互作）。
4.免费/开源：是（GitHub开源）。
5.文章解读：AI预测蛋白复合体对称性突破：Seq2Symm模型达80,000/小时预测速度
6.原文：Rapid and accurate prediction of protein homo-oligomer symmetry using Seq2Symm
首个利用蛋白语言模型预测同源寡聚体对称性的方法，推理速度达80,000蛋白/小时。
RibbonFold
（开源链接可关注公众号后私信关键词【RibbonFold】获取。）
1.开发/维护方：昌平实验室、Rice University（学术机构）
2.核心功能：基于AlphaFold2改进的淀粉样蛋白原纤维结构预测模型，通过引入平行、同源排列的“ribbon”约束和多样性损失函数，预测给定序列的淀粉样蛋白多态性结构。
3.适用场景：预测淀粉样蛋白（如Aβ、Tau、α-Synuclein）的原纤维多态性结构，研究淀粉样蛋白聚集机制，筛选潜在治疗靶点；也适用于分析序列变异与致病性的关系（功能注释与突变效应）。
4.免费/开源：是（GitHub）。
5.文章解读：昌平实验室开发RibbonFold AI模型，淀粉样蛋白多态性预测准确率提升至TM-score0.56.原文：Generating the polymorph landscapes of amyloid fibrils using AI: RibbonFold
首次将AI结构预测应用于淀粉样蛋白多态性景观的高效生成。
EpHod
（开源链接可关注公众号后私信关键词【EpHod】获取。）
1.开发/维护方：哈佛医学院、美国国家可再生能源实验室等多家机构的联合团队（学术-政府合作）
2.核心功能：从蛋白质序列直接预测酶的最近pH值，基于ESM-1v蛋白语言模型嵌入和集成学习。
3.适用场景：酶发现与设计，高通量筛选耐酸或耐碱酶；指导酶工程中pH适应性的定向进化；也适用于功能注释与突变效应。
4.免费/开源：是（代码开源）
5.文章解读：美国能源部联合哈佛医学院开发EpHod模型，预测酶最适pH误差低至1.25，准确率提升55%
6.原文：Machine learning prediction of enzyme optimum pH
首个基于蛋白语言模型的高精度酶最近pH预测工具，有效处理酸性/碱性稀疏区域。
DeepUMQA-X
（开源链接可关注公众号后私信关键词【DeepUMQA-X】获取。）
1.开发/维护方：浙江工业大学（学术机构）
2.核心功能：对蛋白质单链或复合物模型进行综合质量评估，包括整体折叠精度、界面质量和局部残基精度。
3.适用场景：蛋白质结构预测后的模型筛选与排序；CASP/CAMEO盲测中的模型质量评估；复合物结构精修前的质量检查。
4.免费/开源：是（免费网页服务）
5.文章解读：浙江工业大学开发DeepUMQA-X：CASP16盲测全面领先，蛋白质模型评估准确率最高提升43.7%
6.原文：DeepUMQA-X: Comprehensive and insightful estimation of model accuracy for protein single-chain and complex
CASP16和CAMEO-QE盲测中表现顶尖的蛋白质模型质量评估服务器，单模型方法优于所有同类方法。
DEMO-EMol
（开源链接可关注公众号后私信关键词【DEMO-EMol】获取。）
1.开发/维护方：浙江工业大学（学术机构）
2.核心功能：整合深度学习驱动的蛋白质/核酸图谱分割与链拟合，从冷冻电镜密度图中自动构建蛋白质-核酸复合物的原子级结构模型。
3.适用场景：冷冻电镜密度图解析中的蛋白质-核酸复合物结构建模；多结构域蛋白复合物组装。
4.免费/开源：免费在线服务器
5.文章解读：浙江工业大学开发DEMO-EMol：冷冻电镜建模精度提升21%，突破蛋白-核酸复合体结构解析瓶颈
6.原文：DEMO-EMol: modeling protein-nucleic acid complex structures from cryo-EM maps by coupling chain assembly with map segmentation
首个专门针对蛋白-核酸复合物从冷冻电镜图谱中建模的自动化服务器。
D-I-TASSER
（开源链接可关注公众号后私信关键词【D-I-TASSER】获取。）
1.开发/维护方：南开大学、密歇根大学、新加坡国立大学（学术机构）
2.核心功能：整合多源深度学习约束（接触图、距离图、氢键网络）与迭代线程片段组装模拟，进行单结构域和多结构域蛋白的原子级结构预测。
3.适用场景：非同源蛋白和多结构域蛋白的三维结构建模；人类蛋白质组规模的结构预测与功能注释。
4.免费/开源：学术免费
5.文章解读：南开大学开发D-I-TASSER：单域预测准确率81%，多域覆盖超AlphaFold2
6.原文：Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER
混合深度学习与物理模拟的蛋白质结构预测方法，在CASP15中表现优于AlphaFold2/3。
cryoDRGN系列
（开源链接可关注公众号后私信关键词【cryoDRGN】获取。）
1.cryoDRGN
1.开发/维护方：麻省理工学院、普林斯顿大学等（学术机构）
2.核心功能：基于变分自编码器（VAE）深度学习框架，将冷冻电镜的二维颗粒图像映射到低维潜在空间，并直接从该空间中重建出反映样品构象连续变化的三维密度图。
3.适用场景：从冷冻电镜单颗粒数据中重建蛋白质的连续构象变化和动态结构系综，可视化分子在功能状态间的构象轨迹；也适用于发现新构象状态、识别与功能相关的亚稳态构象、辅助理解突变或配体结合对构象动态的影响（功能注释与突变效应）。
4.免费/开源：是（cryoDRGN包，Apache许可）
无需离散分类，直接绘制出蛋白分子的动态构象地图，不仅能看到静态结构，更能观看分子在生命活动中的运动。
2.cryoDRGN-Al
1.开发/维护方：斯坦福大学、普林斯顿大学、SLAC国家加速器实验室等（学术机构）
2.核心功能：从冷冻电镜单颗粒图像或冷冻电子断层扫描子断层图像中，通过隐式神经表示和两阶段姿态估计（分层搜索+梯度下降），实现无先验信息的异质性三维结构重建。
3.适用场景：处理包含结构异质性、大量噪音或垃圾颗粒的挑战性冷冻电镜数据集，同时解析蛋白质复合物的多种构象状态（如构象连续变化、组成异质性）；也可用于原位冷冻电子断层扫描的ab initio重建（属于扩展应用）。
4.免费/开源：是（cryoDRGN包，Apache许可）
5.文章解读：普林斯顿/斯坦福团队开发cryoDRGN-AI：实现20倍加速重建，解锁蛋白质动态新维度
6.原文：CryoDRGN-AI: neural ab initio reconstruction of challenging cryo-EM and cryo-ET datasets
首个能够在大规模、未过滤冷冻电镜数据集上实现ab initio异质性重建的方法，构象状态发现的效率显著提升。
E3-CryoFold
(End-to-end and efficient CryoFold)
（开源链接可关注公众号后私信关键词【E3-CryoFold】获取。）
1.开发/维护方：西湖大学、浙江工业大学、新加坡国立大学（学术机构）
2.核心功能：端到端的深度学习方法，利用3D Transformer和序列Transformer从冷冻电镜密度图和蛋白质序列中提取特征，通过交叉注意力融合后输入SE(3)等变图神经网络，一次性预测蛋白质复合物的主链原子三维结构。
3.适用场景：用于从高分辨率冷冻电镜密度图快速自动构建原子模型，尤其适合复杂复合物和长序列蛋白质，无需多阶段训练或后处理对齐；也适用于处理低分辨率数据、捕捉构象异质性等。
4.免费/开源：是
5.文章解读：西湖大学提出E3-CryoFold，让冷冻电镜结构解析提速1000倍，TM分数提升400%
6.原文：End-to-end cryo-EM complex structure determination with high accuracy and ultra-fast speed
推理速度比现有方法快近千倍，将模板建模得分提升400%，实现冷冻电镜结构解析的高效自动化。
下篇预告：AI蛋白质资源系列：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。
往
期
文
章
Nature（IF=48.5）|美国西北大学团队开发mHDX-MS技术，大规模解析5,778个蛋白质能量景观，AI赋能构象波动精准设计
Nat.Commun.（IF=15.7）|德国莱比锡大学团队计算改造PHL7酶，PET降解活性提升110倍+耐热达88-95℃
Nat.Biotechnol.（IF=41.7）|滑铁卢大学+清华大学研发RNovA，零样本肽段从头测序实现开放PTM发现，性能达SOTA水平
NAR（IF=13.1）|ProteinNetworkSight：批量解析蛋白共表达模式，一键生成个性化抗癌治疗策略
NAR（IF=13.1）|新工具SPSignal：结构辅助预测核转运信号，候选信号减少35-40%且灵敏度100%
NAR（IF=13.1）|酶挖掘工具EnzymeMiner 2.0全新升级：搜索空间暴增2.8倍，AI赋能酶发现再升级
Adv.Sci.（IF=14.1）|上海中医药大学团队开发机制引导机器学习框架MISPOP，从1033条肽库中筛出溶瘤肽，肿瘤抑制率超92%
ES&T（IF=11.3）|中科院生态环境研究中心联合浙江大学开发EDC Profiler：16核受体、37万化学品高通量筛查，AUC达0.995
- end -
点赞
收藏
分享