AI驱动量子精修，卡内基梅隆大学等提出AQuaRef，首次用量子力学约束精修蛋白质全原子模型

要理解生命过程的分子机制，首先需要看清生物大分子的三维结构。解析原子级结构是结构生物学的核心任务，也是理解蛋白质功能、揭示遗传调控机制以及开展靶向药物研发的重要基础。无论是蛋白质催化反应、核酸传递遗传信息，还是抗体识别抗原，这些关键生物学过程都依赖精确的结构模型加以解释。
 

目前，冷冻电镜和 X 射线晶体学是解析生物大分子结构的主要实验技术，已经积累了大量高分辨率结构数据。近年来，以 AlphaFold 和 RoseTTAFold 为代表的计算预测方法也取得显著进展，为结构建模提供了高效工具。但在发现未知结构类型、解析复杂相互作用等方面，实验解析仍然具有不可替代的地位。在实验结构解析流程中，原子模型精修是接近最终阶段的关键步骤，其目标是构建一个既符合立体化学规律、又尽可能拟合实验数据的分子模型。当前主流精修软件，如 CCP4 和 Phenix，主要依赖标准数据库中的立体化学约束，以维持合理的键长、键角并减少原子间冲突。
 

然而，这类约束体系仍存在明显局限，主要针对共价结构，对氢键、π-堆积等重要的非共价相互作用缺乏系统描述，在低分辨率条件下可能导致模型偏离真实化学状态；当结构中出现新型配体或特殊连接时，还需要手动定义参数才能完成精修。此外，由局部化学环境引起的合理几何偏差，也可能被约束体系误判为异常并被强行修正。理论上，量子力学方法能够更准确地描述分子间相互作用，但生物大分子通常包含数千甚至上万原子，全量子计算成本极高，因此现有研究大多局限于配体结合位点等局部区域。
 

为解决这一问题，卡内基梅隆大学、波兰弗罗茨瓦夫大学、佛罗里达大学等高校的联合研究团队，提出了一种人工智能驱动的量子精修方法 AQuaRef。该方法基于 AIMNet2 机器学习原子势函数，并针对精修任务进行了定制训练，在接近经典力场计算效率的同时，能够较好地逼近量子力学计算结果，为生物大分子的全原子量子精修提供了新的技术路径。
 

相关研究成果以「AQuaRef: machine learning accelerated quantum refinement of protein structures」为题，已发表于 Nature Communications。

研究亮点：

* AQuaRef 基于 AIMNet2 机器学习势函数，首次实现全蛋白质原子模型的量子精修

* 在 61 个低分辨率X射线和冷冻电镜模型的测试中，AQuaRef 在 57 个模型中表现更优

* 在 DJ-1 和 YajL 蛋白的短氢键案例中，AQuaRef 无需人工干预即可确定与实验证据一致的质子位置

论文地址：

https://www.nature.com/articles/s41467-025-64313-1 *
关注公众号，后台回复「AQuaRef」获取完整 PDF

面向多肽机器学习势函数训练的 100 万样本数据集

该研究旨在为多肽体系构建机器学习势函数的参数化模型，因此在数据集设计上需要系统覆盖化学组成、构象空间以及分子间相互作用三个维度。
 

在化学维度上，研究人员以 SMILES 字符串形式构建小肽数据库，涵盖 20 种标准氨基酸、11 种质子化状态、3 种 N 端修饰和 4 种 C 端修饰。在此基础上枚举所有单肽和二肽，并随机选取部分三肽和四肽，同时额外生成含二硫键连接的多肽及其硒代类似物。为充分覆盖构象空间，研究人员利用 OpenEye Omega 软件进行密集的扭转角采样，并未对手性中心施加限制，从而使模型能够适用于 D 型、L 型以及混合立体化学的多肽体系。
 

同时还构建了由 2-4 个肽段组成的复合物，并随机调整其空间取向，以模拟分子间相互作用。整个数据生成过程未参考天然序列或实验结构，以避免潜在的数据泄露。为控制计算规模，所有肽段及其复合物的原子总数（含氢）均限制在 120 以内。
 

在获得初始构象后，研究人员首先使用 GFN-FF 力场开展分子动力学模拟，以采样非平衡结构，并通过笛卡尔坐标约束保持整体构型接近初始输入，同时释放扭转角和分子间自由度。

随后引入 query-by-committee 的主动学习策略：首先随机选取 50 万初始样本训练 4 个模型组成的集成体系；随后进行四轮迭代，每一轮根据模型对能量和原子力预测的不确定性筛选样本，并对这些高不确定性结构进行 DFT 计算后加入训练集。最后一轮进一步引入不确定性引导优化，优先选择预测不确定性较高但能量较低的边界结构。通过这一流程，最终获得约 100 万条样本构成的训练集，平均原子数约为 42。
 

除理论生成的数据外，研究人员还从 RCSB 和 EMDB 数据库中筛选实验结构用于模型验证。筛选标准包括：仅包含蛋白质的单构象模型、非氢原子数在 1000–10000 之间、分辨率 2.5–4 Å、MolProbity 冲突评分小于 50，以及键长和键角偏差不超过标准值的 4 倍。

AQuaRef：向大分子体系的 AI 驱动量子精修方法

AQuaRef 首先对输入的原子模型进行完整性检查。对于结构中缺失的原子，程序会尝试自动补充。但这一过程有时会引入新的空间位阻冲突，尤其是在原模型未包含氢原子的情况下。如果缺失的是主链原子等关键结构，模型将无法继续进行量子精修；若检测到明显的空间冲突或严重几何异常，则会先通过标准立体化学约束进行快速几何正则化，在尽量小幅调整原子位置的前提下消除问题。
 

对于晶体学数据，精修还需要考虑晶胞对称性及周期性相互作用。具体而言，程序会根据空间群对称算子将模型扩展为超胞，并进行截断，只保留与主拷贝原子距离在设定范围内的对称拷贝。这一处理在冷冻电镜结构中通常不需要。
 

完成原子补充和模型扩展后，体系进入 Q|R 软件包的标准精修流程。AQuaRef 的核心架构与基础 AIMNet2 模型基本一致，但针对结构精修任务做了几项关键调整。
 

首先，模型未显式计算长程库仑和色散相互作用，而是直接训练以复现 DFT-D4 总能量。这是因为在 CPCM 隐式溶剂模型下，库仑相互作用难以通过部分原子电荷准确估计，同时长程相互作用已被可极化连续介质显著屏蔽；此外，超过 5 Å 截断半径的长程色散项对精修过程中关键的原子力贡献极小，因此可以忽略而不影响精度。
 

其次，模型引入了 GFN1-XTB 中的显式短程指数排斥项，从而在处理存在空间位阻冲突的结构时表现出更好的稳定性。模型训练以 B97M-D4/def2-QZVP 方法计算得到的能量、原子力以及赫希菲尔德部分原子电荷为目标。从随机权重初始化开始训练，批次大小为 256，总训练步数为 150 万步，其余超参数均沿用原始 AIMNet2 的设置。
 

在计算效率方面，如下图所示，AIMNet2 框架中能量和原子力的计算时间以及 GPU 峰值显存占用均与体系原子数呈线性（O(N)）增长。对于包含约 10 万个原子的蛋白质体系，单点能量和力计算仅需约 0.5 秒；在单块配备 80GB 显存的 NVIDIA H100 GPU 上，最多可处理约 18 万个原子的模型。
 

AQuaRef 中 AIMNet2 机器学习原子间势函数的计算缩放规律

41 个冷冻电镜与 20 个 X 射线模型验证，AQuaRef 局部结构优化达 2 Å

为评估 AQuaRef 的性能，研究人员构建了包含 41 个冷冻电镜模型、20 个低分辨率和 10 个超高分辨率 X 射线模型的测试集。其中 61 个低分辨率模型均配有对应的高分辨率同源参考结构。精修过程中设置了三种约束条件进行对比：AIMNet2 量子约束（即 AQuaRef）、标准几何约束，以及在标准约束基础上额外加入氢键和二级结构等限制条件。
 

结果如下图所示，量子精修后的低分辨率模型在 MolProbity score 和 Ramachandran plot Z-score 等几何指标上均明显优于传统约束方法。同时，模型与实验数据的拟合程度基本保持一致。对于 X 射线结构，过拟合程度略有降低（Rwork 与 Rfree 的差值更小）；对于冷冻电镜结构，CCmask 略有下降而 EMRinger 评分基本不变。结合几何质量的整体提升，这一结果提示模型过拟合可能有所减少。

虽然在标准约束中加入额外几何限制也能改善模型质量，但 AQuaRef 仍能得到更合理的几何结构，并与高分辨率参考模型更加接近。在部分案例中，标准约束与量子精修所得结构的局部差异可达 2 Å。
 

41 个冷冻电子显微镜模型和 20 个X射线模型的优化结果
 

研究还将 AQuaRef 与多种主流精修方法进行了比较。结果如下图所示，针对 X 射线数据选择 AMBER、Rosetta 和 REFMAC5，对冷冻电镜数据则使用 Servalcat。总体来看，AQuaRef 的 Rfree 略优，且过拟合程度最低。与 Servalcat 相比，两者的 EMRinger 评分相当，但 Servalcat 的 CCmask 略高。

在几何质量方面，AQuaRef 与 Rosetta 表现接近，明显优于 REFMAC5 和 Servalcat；Rosetta 与参考模型的整体契合度略高，这可能与其非梯度优化策略带来的更大收敛半径有关。此外，AQuaRef 与 Rosetta 均能生成合理的氢键几何结构，AMBER 次之，而 REFMAC5 和 Servalcat 基本无法准确恢复这些细节。
 

AQuaRef、Servalcat（SE）、REFMAC5（RE）、AMBER（AM）和 Rosetta

对 61 个低分辨率模型的优化结果
 

在短氢键体系的测试中，研究人员以帕金森病相关蛋白 DJ-1 及其同源蛋白 YajL 为例，检验 AQuaRef 对质子化状态的处理能力。传统精修方法受数据库立体化学约束影响，往往会使键长偏离真实值。以对称双质子化结构作为初始模型进行 AQuaRef 精修时，所得质子位置和键几何与无约束精修结果一致；而加入传统约束后，键长则被拉向数据库中的非质子化标准值。当实验数据被截断至 2 Å 分辨率、原子细节明显减少时，AQuaRef 仍能恢复与原始 1.15 Å 数据几乎一致的结构，而传统约束精修则进一步偏离真实构型。AQuaRef 将质子定位于 DJ-1 中 D24 残基的 Oδ2 原子，这一结果同时得到能量计算和差值电子密度图的支持。
 

野生型 DJ-1 中的键距分析
 

在 YajL 蛋白中，两处 E14/D23 短氢键的 AQuaRef 精修结果同样与无约束精修一致，表明质子由 D23 与 E14 共同共享，呈现典型的低势垒氢键特征。这一情况与 DJ-1 中质子主要定位于单个氧原子的情形不同。AIMNet2 给出的能量分布呈现较为平坦的势能面，意味着质子位置可以在实验数据的约束下自由调整。同时，差值电子密度图在氢原子附近均出现显著高于 3σ 的峰值，为这一结构解释提供了进一步证据。
 

氢键沿线的能量分布图

蛋白质量子精修领域的产学研突破

在蛋白质量子精修、机器学习势函数构建以及原子模型优化这一前沿领域，多支研究团队围绕这一方向持续探索，并取得了一系列进展。例如，牛津大学团队开发的神经网络方法 nn-tm fcc，能够以接近全量子力学精度构建高精度残基片段势能面模型，其能量和原子力的均方根误差分别控制在 1.0 kcal/mol 和 1.3 kcal/(mol·Å) 以内。借助该方法，完成 15 种代表性蛋白质的能量与原子力计算仅需 10 至 100 秒，相比传统量子力学计算提速上千倍。
 

论文题目：Improved protein structure prediction using potentials from deep learning
论文链接：https://www.nature.com/articles/s41586-019-1923-7
 

另一支德国合作团队则提出 BF-DCQO 量子算法，通过非变分迭代策略并结合 IonQ 离子阱量子计算系统，将包含 12 个氨基酸的三维折叠问题计算时间从传统 GPU 集群的 72 小时压缩至约 4.3 分钟，速度提升同样达到千倍量级。
 

论文题目：Bias-field digitized counterdiabatic quantum algorithm for higher-order binary optimization
论文链接：https://www.nature.com/articles/s42005-025-02270-3
 

总体来看，量子力学方法、机器学习势函数与实验结构数据的结合，正在为生物大分子结构精修提供一种新的技术路径，有望在低分辨率结构建模、配体结合模式分析以及功能位点研究等场景中发挥更稳定的作用。