玻尔百科一条简单的线性氨基酸链是如何自发折叠成精确而复杂的三维结构——其生物学功能的关键——的呢？这个关于自组装的基本问题是现代生物物理学中最重大的挑战之一。尽管实验室实验可以揭示最终的折叠状态，但在原子水平上观察复杂且迅如闪电的折叠过程仍然极其困难。正是在这一知识空白领域，蛋白质折叠模拟提供了强大的视角，如同一个“计算显微镜”，让我们能够实时观察分子之舞的展开。
本文对这一充满活力的领域进行了全面概述。在第一章 “原理与机制” 中，我们奠定了理论基础，从支配折叠的热力学假说讲起，再到分子动力学模拟、力场以及如数百万步长的时间尺度问题等关键挑战的实践细节。随后，第二章 “应用与跨学科联系” 将探讨这些模拟的深远影响，展示它们如何补充实验数据、辅助设计用于医药的新型蛋白质，并与合成生物学、纯数学等不同领域建立起令人惊奇的联系。我们将首先探讨使整个计算事业成为可能的核心物理原理。
设想你有一串长而缠绕的珠子，每颗颜色都不同。你把它放进一个盒子里摇晃。奇迹般地，每次你这样做，这串珠子都会自我折叠成完全相同、精致而美丽的雕塑。它是如何知道该怎么做的呢？这正是蛋白质折叠问题的核心所在。“珠串”就是氨基酸组成的多肽链，而“雕塑”则是蛋白质独特的三维形状，对其生物学功能至关重要。
仅凭珠子的序列，我们怎么可能预测出这个最终的、精致的形状呢？这似乎是一项不可能完成的任务。然而，计算蛋白质折叠的整个基础正建立在一个强大的思想之上，它将这个生物学之谜转化为了一个物理学问题。
这段旅程始于20世纪50年代Christian Anfinsen的一项突破性实验。他使用化学物质将一种小蛋白——核糖核酸酶A（Ribonuclease A）——“解开”，将其精确的结构变成一团杂乱无章的乱麻。该蛋白质完全失去了其功能。然后，他小心地移除了这些化学物质。令人惊奇的是，该蛋白质自发地重新折叠回其原始的、具有活性的形状。这就像我们那串缠绕的珠子完全靠自己找到了回到完美雕塑形态的路。
这引导Anfinsen得出了一个深刻的结论：热力学假说。该假说指出，蛋白质的天然、功能性结构是其吉布斯自由能最低的结构。简单来说，在蛋白质可能折叠的亿万种方式中，自然选择了最稳定的一种。氨基酸序列本身就包含了决定这个最终、独特结构所需的所有信息。
这是我们整个事业的基石。它告诉我们，我们追逐的并非幻影。天然结构是一个明确定义的物理目标。Anfinsen的发现将问题从“蛋白质如何决定怎样折叠？”转变为一个基于物理的优化问题：“给定这个氨基酸序列，何种形状能使其能量最小化？”因此，我们的任务是构建一个计算世界，在那里我们可以释放未折叠的蛋白质，并观察它寻找这个能量最低点。
为了模拟这个过程，我们不可能考虑每个电子的每一次量子抖动。这在计算上是不可想象的。取而代之，我们创建了一个简化的、经典的现实近似，称为力场。力场本质上是一本关于原子如何相互作用的规则手册。它将原子视为小球，原子间的键视为弹簧。它定义了拉伸一个键、弯曲三个原子间的角度或扭转四个原子链的能量代价。它也控制着非键相互作用：范德华力（van der Waals forces）（一种轻微的黏性和当原子靠得太近时的强排斥力）以及原子上部分电荷之间的静电力。总势能 就是所有这些贡献的总和：
但蛋白质并非存在于真空中；它生活在细胞拥挤、繁忙的环境中，而细胞环境主要是水。模拟这个环境不仅仅是一个附加细节——它是绝对关键的。将蛋白质放入一个充满数千个显式水分子的盒子中可以实现两件事。首先，它提供了真实的溶剂化，使蛋白质的极性表面能与水形成氢键，就像在细胞中一样。其次，通过使用周期性边界条件——即一个分子从盒子的一侧离开会立即从另一侧重新进入——我们消除了人为的表面，并模拟了一个无限、连续的体相溶剂。这可以防止因将蛋白质模拟在一个具有自身表面张力的微小、孤立水滴中而产生的奇怪的人为效应。
这片数字化的水海洋揭示了生物物理学中最美妙的“涌现”属性之一：疏水效应。在我们的力场方程中，你找不到一个叫做“”的项。那么，模拟是如何再现众所周知的事实——油性的（非极性的）氨基酸侧链会埋藏在蛋白质核心中呢？答案不在于蛋白质，而在于水。水分子喜欢形成一个动态、和谐的氢键网络。非极性侧链无法参与这场舞蹈，因此它破坏了这个网络。它周围的水分子被迫形成一种更有序的笼状结构，这在熵上是不利的——就像把一群熙熙攘攘的人群强行排成整齐、僵硬的行列。为了最小化这种破坏，系统发现将所有非极性基团推到一起更好。这减少了它们的总暴露表面积，使受约束的水分子得以解放，重新加入那欢乐、无序的派对，这对系统的总熵来说是一个巨大的胜利。因此，疏水效应并非非极性基团之间的吸引力，而是溶剂渴望最大化自身无序度的结果。
当我们的蛋白质置于水盒子中，并有力场来支配每一次推拉之后，我们如何让它动起来呢？这就是分子动力学（MD）的领域。
首先，我们需要设定温度。在现实世界中，温度是分子平均动能的量度。为了在比如说生物学上的310 K（约37°C）下开始我们的模拟，我们赋予每个原子一个初始速度。这些速度不是任意的；为了反映一个处于热平衡的系统，每个原子的速度的笛卡尔分量（）都是从一个均值为零、方差取决于温度的高斯（或正态）分布中随机抽取的。这确保了系统整体上以正确的平均动能开始，这是其物理温度的完美数字反映。
一旦每个原子都有了它的起始位置和速度，模拟便开始了。这是一个极其简单的循环，重复数十亿次：
这种对牛顿定律的逐步积分生成了一个轨迹——一部关于蛋白质扭动、摆动，并（有望）折叠的电影。
如果只是简单地一遍又一遍地应用牛顿定律，为什么我们不能模拟任何蛋白质的折叠呢？这里我们遇到了分子动力学的核心、艰巨的挑战：时间尺度问题。
我们模拟循环中的“微小时间间隔”，即时间步长，是由系统中最快的运动决定的。这些是化学键的高频振动，特别是那些涉及轻氢原子的振动。为了准确捕捉这种嗡嗡作响的运动，我们的时间步长必须非常小，大约在1到2飞秒（秒）的量级。
现在考虑蛋白质。即使是一个小蛋白质，其实际折叠过程也可能需要微秒（秒）到毫秒（秒），甚至更长时间。一个简单的计算揭示了这个问题的惊人尺度。为了模拟仅一微秒的折叠，我们需要执行：
这意味着要对系统中的每个原子进行十亿次力的计算！这就像试图用蜂鸟翅膀拍打的频率来拍摄一朵花在一周内绽放的过程。你需要的帧数将是天文数字。这个必要的模拟时间步长与生物折叠时间尺度之间的巨大鸿沟，使得对大规模折叠事件的“蛮力”模拟成为一项艰巨、且常常是不可能的任务。
假设我们进行了一次纳秒级或微秒级的模拟。我们如何理解它产生的数GB数据？我们如何知道蛋白质是否已经稳定或成功折叠？我们需要一些指标来解释轨迹。
最基本的指标之一是均方根偏差（RMSD）。它测量当前模拟帧中原子与其在参考结构（如已知的实验结构）中对应原子之间的平均距离。RMSD随时间变化的图表讲述了一个故事。通常，它显示出初始的快速增长，因为蛋白质从其起始位置松弛，随后进入一个平台期。这个平台期并不意味着蛋白质被冻结了！它表明系统已达到热平衡：结构不再系统性地漂移，而是在一个稳定的平均构象周围动态涨落。
但达到一个稳定状态并非故事的全部。这是正确的折叠状态吗？它甚至是一个真正的能量极小点吗？对于一个结构要在势能面上成为一个稳定的局部极小点，每个原子上的净力必须为零。在真正的优化中，我们寻找的是任何原子上的最大力都趋近于零的点。没有这个检查，我们无法确定我们已经找到了能量谷底，而不仅仅是卡在了一个平坦的高原或一个短暂的鞍点上。
当蛋白质确实折叠时，这个事件通常是戏剧性的、协同的。它不是一个接触点逐一形成的缓慢、渐进的过程。相反，蛋白质会在很长一段时间内探索许多未折叠的形状，然后，在很短的时间内，其大部分天然结构会迅速“咔哒”一声就位。我们可以通过追踪天然接触分数（）在模拟中看到这一点。一个成功的折叠轨迹会显示在一段时间内徘徊在零附近，然后突然急剧跃升至，标志着主要的折叠事件。这是模拟中的“顿悟”时刻。
鉴于时间尺度问题，研究人员已经开发出巧妙的方法来“欺骗”时间，使寻找折叠状态的搜索更加高效。
一个直接的方法是粗粒化（CG）。我们不模拟每一个原子，而是简化表示。例如，整个氨基酸侧链可以用一个“珠子”来表示。这有两个巨大的好处。首先，它极大地减少了相互作用粒子的数量，使得每一步计算都快得多。其次，通过平滑能量景观的崎岖细节并去除快速振动的化学键，它允许我们使用大得多的时间步长。更廉价的步数和更少的总步数相结合，意味着我们可以达到全原子模型无法企及的、具有生物学相关性的毫秒级长时程。这就像使用一张标有城市和高速公路的地图导航，而不是一张标有每一条街道和每一栋房子的地图。
一种更精妙、更强大的技术，尤其是在我们预先不知道折叠路径的情况下，是副本交换分子动力学（REMD）。想象一下，你想在一个广阔、迷雾笼罩的山脉中找到最低的山谷。你可以在地面上四处游荡，但你可能会在一个小坑里困很久。如果你有一个团队呢？在REMD中，我们并行运行同一个蛋白质的多个模拟（“副本”），但每个副本都处于不同的温度。高温副本就像是背着喷气背包的探险家：它们能量充沛，可以飞越任何能量势垒，看到整个地貌。低温副本则是谨慎的徒步者，详细探索着山谷。每隔一段时间，这些副本被允许交换它们当前的坐标。这给了低温徒步者（我们关心的那个）一个机会，“传送”到一个由高温喷气背包探险家发现的新位置，从而立即逃离局部陷阱，探索地貌中一个完全不同的部分。这种方法极大地加速了寻找全局能量最小点的过程，而无需任何关于折叠路径的先验知识，使其成为真正的ab initio发现的理想工具。
通过这些原理和机制——从Anfinsen假说的基础“为什么”到增强采样的巧妙“如何做”——计算生物物理学家们正在一步步拼凑出生命最基本的自组装行为的复杂影片。
在了解了支配蛋白质折叠模拟之舞的基本原理和机制之后，你可能会问一个很合理的问题：“这一切究竟有什么用？”这是一个极好的问题。毕竟，科学不仅仅是供人远观的一系列事实集合；它是一种工具，一个镜头，一种与世界互动的方式。就蛋白质折叠模拟而言，它是一种功能惊人且应用广泛的工具。它是我们的计算沙盒，我们可以在其中玩弄生命的分子；它是一个“计算显微镜”，让我们能看到普通显微镜无法看到的东西。
现在让我们来探索这片应用天地。我们将看到这些模拟并非孤立的学术活动，而是一个充满活力的中心，连接着物理学、化学、生物学、医学，甚至纯数学。
从本质上讲，模拟让我们能够一帧一帧、一原子一原子地观察折叠过程的展开——一部关于分子寻找其形态的电影。但大自然的剧本极其复杂。理解它的第一步通常是简化，以抓住情节的精髓。科学家通过创建“粗粒化”模型来做到这一点。我们可能不模拟每个原子，而是将每个氨基酸模拟成一个珠子。然后我们可以写下这些珠子如何相互作用的简单规则。例如，我们知道在水中，疏水（怕水）的东西喜欢聚集在一起。我们可以用一种吸引力，比如微观的黏性，来模拟疏水（H）珠子之间的相互作用，而极性（P）珠子可能只是相互排斥以腾出空间。通过为连接珠子链的化学键添加规则，就像微小的弹簧一样，我们就建立了一个“力场”——一个关于蛋白质各部分受力的完整配方。
另一个优美的简化是HP晶格模型，其中氨基酸是网格上的珠子，就像棋盘一样。唯一的规则是最大化H珠之间的接触数量。通过这个“折叠游戏”，我们可以探索一条链如何扭动和转动，以将其H珠子隐藏在一个紧凑的核心中。我们甚至可以让我们自己的直觉与计算机算法（如蒙特卡洛搜索）进行较量，后者尝试随机移动并优先保留那些能降低能量的移动。这些简单的模型虽然不完全真实，却是我们直觉的游乐场。它们以最纯粹的形式揭示了蛋白质折叠的主导力量——疏水效应。
一旦我们对模型有了信心，就可以用它们来提出关于机制的精确问题。在生物化学中，拉马钱德兰图是一张著名的图谱，它基于原子不能同时占据同一位置这一简单事实，显示了一个氨基酸“允许”的骨架角度（称为和）。模拟可以向我们展示一个残基在折叠时如何穿过这张图谱的路径。例如，我们可以观察一个残基从β-折叠的伸展构象转变为α-螺旋的紧密线圈，在拉马钱德兰图的允许区域内描绘出一条合理的、低能量的轨迹，并巧妙地避开空间位阻碰撞的禁区。这就是在单个舞者层面上揭示的折叠编舞。
我们还可以用模拟在计算机中进行化学实验。当你将一个折叠好的蛋白质放入8 M的尿素溶液中——一种经典的变性剂——会发生什么？实验室里的生物化学家会告诉你蛋白质会解折叠。而模拟可以告诉你为什么。通过显式地模拟蛋白质、水和尿素分子，我们可以观察到尿素分子如何潜入，与蛋白质骨架形成氢键，并破坏维持天然结构稳定的精细内部氢键网络。我们可以直接测量其后果：分子内氢键（）的数量骤降，结构与其起始折叠状态发生巨大偏离（均方根偏差，即，增加），其核心的原子开始剧烈波动（均方根涨落，即，增加）。模拟让我们能够近距离观察尿素分子对蛋白质进行的分子级破坏。
模拟不仅仅用于确认我们已知的事实；它们已成为实验工作不可或缺的伙伴，尤其是在实验数据不完整或模糊时。以冷冻电子显微镜（Cryo-EM）为例，这是一种革命性的技术，可以生成分子电子密度的三维图谱。有时，特别是对于大而柔性的分子，这个图谱的分辨率较低——是一团模糊的“云”，而不是清晰的图像。它显示了整体形状，但没有显示每个原子的位置。
这时，模拟就来施以援手了。我们可以生成数千个候选蛋白质结构，并根据每个结构与模糊实验图谱的拟合程度对其进行“打分”。好的分数意味着模型的原子落在了图谱中电子密度高的区域。这个分数可能类似于各原子位置处密度值的对数之和，。通过使用这个分数来指导模拟，我们可以“聚焦”模糊的图像，快速找到一个既符合物理定律又与实验数据一致的高分辨率结构。这是一种美妙的协同作用，模拟提供了实验无法看到的细节。
模拟还帮助我们理解自然界的谜题。很长一段时间里，人们认为蛋白质不可能打结。在一根长而松软的绳子上打结已经够难了；一条多肽链怎么能可靠地做到这一点呢？然而，实验已经揭示了具有深邃、复杂绳结的蛋白质。这对折叠提出了巨大的挑战：链不仅要找到其低能形状，还必须遵循特定的环路路径以正确地穿过自身。一个错误的移动可能导致一个无可救药地纠缠在一起的、无用的状态。模拟使我们能够对这种拓扑挑战进行建模。我们可以计算蛋白质为穿过自身必须克服的巨大活化能垒 ，以及打结和解结的动力学速率。这解释了为什么打结蛋白质折叠得如此之慢，以及为什么自然界不得不进化出复杂的机制，可能涉及分子伴侣，来引导这个过程并避免动力学陷阱。
也许最令人兴奋的前沿领域是利用模拟不仅仅去理解自然，而是去重新设计自然。这是蛋白质工程和合成生物学的领域，我们的目标是创造具有新功能的蛋白质——用于生物修复的酶、更稳定的治疗性抗体或生物传感器。
假设我们想让一种蛋白质更稳定，例如，通过提高其熔解温度 。我们可能会提议一个突变，比如将表面的一个天冬氨酸（D）变为天冬酰胺（N）。这会有帮助还是有害？一个实验可能需要数周时间。而一次模拟可以在几天内给出答案。利用被称为“炼金术”自由能计算的强大技术，我们可以计算出由突变引起的折叠自由能变化 。这涉及一个巧妙的热力学循环，我们在计算上对氨基酸进行“突变”，分别在其折叠状态和未折叠状态下进行。这两种突变的自由能代价之差，就给出了突变对蛋白质整体稳定性的影响。为了保证准确性，模拟必须足够复杂，需要模拟显式的水溶剂、正确的盐浓度，甚至pH值的微妙影响。这些预测性计算正在指导下一代蛋白质的理性设计。
然而，从计算机屏幕上的设计到活体生物中正常工作的蛋白质，这段旅程充满了风险。这就是模拟与合成生物学严酷现实的连接点。一个学生可能在计算机中（in silico）设计出完美的酶，它在模拟的纯水盒子中完美折叠，结果却发现当他们尝试在E. coli中生产它时，什么也没发生。为什么？模拟在其理想化的世界里，忽略了细胞的复杂性。也许基因序列使用了在E. coli中罕见的密码子，导致核糖体停滞。也许在体内（in vivo）的折叠过程陷入了一个局部能量极小值——一个错误折叠的状态——而模拟从未观察到。或者，工程改造的蛋白质被细胞的质量控制机制识别为“外来物”，并立即被标记以供蛋白酶销毁。这些失败不是模拟原理的失败，而是一个关键的教训，揭示了简化模型与活细胞惊人复杂性之间的差距。弥合这一差距是下一代计算生物学家面临的巨大挑战之一。
最后，蛋白质折叠的研究与数学和数据科学的抽象世界有着深刻而美妙的联系。折叠过程的极度复杂性迫使我们发明新的语言来描述它。
有时，追踪每一个原子会产生过多的信息。我们可以放大视角，将折叠描述为几个关键状态之间的一系列转变：未折叠（U）、中间态（I）和已折叠（F）态。这个过程就变成了一个马尔可夫链，其中明天处于某个状态的概率仅取决于你今天所处的状态。通过基于这些状态之间转换概率建立一个方程组，我们可以利用线性代数的工具来求解“稳态分布”——处于U、I和F状态的蛋白质的平衡分数。这将杂乱的物理过程抽象成一个清晰的数学模型，可以直接与动力学实验进行比较。
更近一些，科学家们转向了一个令人兴奋的数学分支，称为拓扑数据分析（TDA），以理解折叠模拟产生的海量数据集。单个轨迹是高维空间中随时间移动的点云。我们如何比较两个这样的轨迹？TDA提供了一种通过追踪不同尺度下拓扑特征（如环和空洞）的诞生和消亡来表征数据“形状”的方法。这些信息被编码在一个“持续性图”中。两个这样的图之间的距离——瓶颈距离——给我们一个单一的数字，量化了整个折叠路径的相似程度。如果瓶颈距离接近于零，则意味着两个不同的折叠事件遵循了非常相似的剧本，相同的主要构象变化以相同的顺序和相似的稳定性发生。这是折叠的物理过程与拓扑的抽象世界之间的深刻联系，是一种描述自然界最复杂现象之一的新语言。
从构建捕捉物理学精髓的简单玩具，到工程化新分子，再到在生物数据中发现新的数学结构，蛋白质折叠模拟远不止是一种学术上的好奇心。它是一门统一的学科，证明了一个理念：通过理解相互作用的基本规则，我们便可以开始领会，甚至可能重新设计，生命本身那复杂精密的机器。