当蛋白质开始“随机漫步”：北大团队用概率模型重塑分子动力学轨迹生成

如果说AlphaFold等模型为我们绘制了蛋白质世界的静态地图，那么北京大学等机构提出的ProAR，则试图描绘蛋白质在生命舞台上真实的“随机漫步”。这项被AAAI 2026录用、发表于arXiv的研究，其核心洞察在于：蛋白质的功能源于动态变化，而这一过程本质上是充满不确定性的随机过程。
传统分子动力学（MD）模拟虽能揭示这一奥秘，却受限于高昂的计算成本。深度生成模型的出现带来了曙光，但此前的尝试大多将整段轨迹视为一个高维时空的“整体”进行联合生成。这好比试图一次性描绘出一个人未来十年的所有行走路径，既违背了“一步接一步”的演化本质，也因固定长度而缺乏灵活性，更因追求确定性的预测而抹平了分子热运动中蕴含的丰富多样性。
ProAR的突破，首先在于它将轨迹生成重新定义为概率自回归过程。它不再固执地预测下一个确定性的原子坐标，而是预测一个构象分布——一个结构化的多元高斯分布。模型不仅输出最可能的位置（均值），还量化了不同区域运动的涨落幅度与相关性（协方差）。这一转变至关重要：它让生成过程从“描红”变成了“作画”，既避免了平均化带来的模糊，也为无序区域等动态行为提供了显式的数学表达。
为实现这一目标，ProAR设计了一套“预测器-插值器”双网络协同机制。预测器负责眺望未来，而插值器则像一位严谨的向导，通过两端端点来校准中间步骤的分布。这种分工，使得模型能更精细地学习势能面的地形。
然而，自回归模型最大的敌人是误差累积——一步的微小偏差可能在长序列中被放大，导致分子结构扭曲。为此，ProAR提出了一种巧妙的抗漂移采样策略：它让预测器先给出一个粗略的“远景”，再由插值器生成“近景”进行修正，通过这种迭代式的上下文精炼，有效抑制了轨迹在长时间演化中的偏离。
实验数据印证了这种设计的价值。在ATLAS大规模数据集上，ProAR的长轨迹生成误差较之前最优方法降低了7.5%，而对构象变化幅度的捕捉准确性更是提升了约25.8%。这意味着它生成的轨迹不仅是静态结构的“形似”，更是动态行为的“神似”。即使在它非主要目标的构象采样任务中，ProAR也表现出了强大的竞争力。
ProAR的启示超越了方法本身。它再次印证了AI for Science的一条黄金法则：模型结构应尽可能贴近物理过程的生成机制。当我们将蛋白质动力学视为一个逐步展开、充满概率的随机过程，并用自回归的框架去忠实模拟它时，模型便获得了超越单纯数据拟合的泛化与推断能力。ProAR为连接静态结构与动态功能搭建了一座新的概率桥梁，让我们离在硅基世界中完整复现生命分子的灵动舞姿，又近了一步。