[论文解读] AlphaFold Meets Flow Matching for Generating Protein Ensembles

Bowen Jing, Bonnie Berger+1 more|arXiv (Cornell University)|Feb 7, 2024

Advanced Proteomics Techniques and Applications被引用 74

一句话总结

本论文将 AlphaFold 与 ESMFold 重新用于基于流匹配的生成模型，以采样真实的蛋白质结构集合，训练于 PDB 与 MD 衍生数据，在精度-多样性方面超过 MSA 下采样，并能准确捕捉类似 MD 的分布和集合观测。

ABSTRACT

The biological functions of proteins often depend on dynamic structural ensembles. In this work, we develop a flow-based generative modeling approach for learning and sampling the conformational landscapes of proteins. We repurpose highly accurate single-state predictors such as AlphaFold and ESMFold and fine-tune them under a custom flow matching framework to obtain sequence-conditoned generative models of protein structure called AlphaFlow and ESMFlow. When trained and evaluated on the PDB, our method provides a superior combination of precision and diversity compared to AlphaFold with MSA subsampling. When further trained on ensembles from all-atom MD, our method accurately captures conformational flexibility, positional distributions, and higher-order ensemble observables for unseen proteins. Moreover, our method can diversify a static PDB structure with faster wall-clock convergence to certain equilibrium properties than replicate MD trajectories, demonstrating its potential as a proxy for expensive physics-based simulations. Code is available at https://github.com/bjing2016/alphaflow.

研究动机与目标

• 目标在于推动并实现对蛋白质构象集合的准确采样，以解决单态预测之外的构象异质性问题。
• 在流匹配框架中，将高精度的单态预测器（AlphaFold、ESMFold）用作去噪模型。
• 使训练覆盖超出 PDB 的集合，如 MD 模拟，以捕捉动态构象。
• 提供在蛋白质结构生成中的多样性与精度的原则性训练时方法。
• 证明生成的集合可以作为代替高成本 MD 模拟的高效代理。

提出的方法

• 将 AlphaFold 与 ESMFold 重新用作在序列输入条件下的去噪模型，嵌入到流匹配框架中。
• 通过基于谐波先验的插值在 R^3 坐标中定义条件概率路径，并使用 Fréchet 均值与 FAPE 损失来学习数据点的条件期望。
• 将结构空间投影到 SE(3)-商空间以处理对称性和缺失残基，在商空间中使用与 RMSD 对齐的线性插值。
• 使用修改后的损失（平方 FAPE）来使目标在商空间的 Fréchet-均值对齐。
• 在 PDB 集合上进行微调，以实现 Alpha Flow 与 ESM Flow；随后在 MD 集合（ATLAS）上进一步微调，得到 Alpha Flow-MD 与 ESM Flow-MD。
• 可选的蒸馏以加速采样并使模板有助于提升收敛。

实验结果

研究问题

• RQ1 AlphaFold/ESMFold 是否可以在流匹配下重新用作生成性去噪模型，以在序列条件下采样蛋白质集合？
• RQ2 在 PDB 集合上进行训练是否可推广至 MD 集合数据，并捕捉构象灵活性及更高阶的集合观测？
• RQ3 在蛋白质集合的精度、多样性与分布准确性方面，流匹配与 MSA 下采样及传统 MD 有何比较？
• RQ4 该方法是否可以作为 replicate MD 模拟的高效代理，并以较少的计算资源实现解决结构的多样化？

主要发现

• Alpha Flow 与 ESM Flow 在 PDB 测试蛋白上实现了优于 MSA 下采样的精度-多样性帕累托前沿。
• Alpha Flow 集合与基于 MD 的灵活性指标高度相关，并在原子位置的均值/方差方面优于 MSA 基线。
• Alpha Flow 方法能够准确再现复杂的集合观测，如间歇性/瞬时接触和溶剂暴露模式。
• 在 ATLAS MD 集合上训练时，Alpha Flow 变体在 RMSF、W2 距离和 MI 矩阵等方面更好地近似 MD 分布，优于 MSA 下采样。
• 从静态结构采样的 Alpha Flow 收敛速度快于简单复制 MD 轨迹至平衡属性，展示其作为高成本仿真的代理潜力。