ProMiSE：生物学语境中的蛋白质多状态评估基准

蛋白质本质上是动态的，其生物学功能往往源于多个构象状态之间的转换。尽管近期的突破在很大程度上解决了静态结构预测问题，但目前尚不存在一个系统性的基准，用以展示当前模型在多大程度上能够捕捉与功能相关的动态性。我们提出了 ProMiSE，这是首个同时提供数据集与评估方案的基准；该基准以天然生物组装体为基础，并在单一精心整理的数据集中整合了主要的构象变化机制——内禀型、配体诱导型和蛋白诱导型。我们对最先进的结构预测模型进行了全面评估，包括 AlphaFold3 以及近期的生成式方法。我们的研究结果表明，当前模型对内禀多状态的采样能力有限，并且在诱导情形下往往对生物学背景不敏感。内部表征分析表明，训练数据暴露可能会使预测偏向占主导地位的构象状态，而非其他具有生物学相关性的替代状态，这种现象主要发生在结构模块中。相比之下，BioEmu 的结果表明，在不对上游成对表征进行重大改变的情况下，降低解码阶段的偏置能够显著改善多状态采样能力。

蛋白质本质上是动态的，其生物学功能往往源于多个构象状态之间的转变。尽管近期的突破在很大程度上解决了静态结构预测问题，但目前尚不存在系统性的基准，用以展示当前模型在捕捉具有功能相关性的动态方面表现如何。我们提出了 ProMiSE，这是首个同时提供数据集与评估方案的基准；该基准以天然生物学组装体为基础，并在单一人工整理的数据集中整合了主要的构象变化机制——内在驱动、配体诱导和蛋白质诱导。我们对当前最先进的结构预测模型进行了全面评估，包括 AlphaFold3 以及最新的生成式方法。研究结果表明，当前模型对内在多状态的采样能力有限，并且在诱导情景中往往对生物学背景不敏感。内部表征分析表明，训练数据暴露会使预测偏向占主导地位的构象状态，而非其他具有生物学相关性的替代状态，这种偏移主要发生在结构模块。相比之下，BioEmu 的结果表明，在不对上游成对表征作重大改变的情况下，降低解码阶段的偏置能够显著提升多状态采样能力。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.11.731790v1?rss=1

🏷️ 蛋白质构象动态 多状态结构预测 评估基准 AlphaFold3 生成式模型