蛋白质广泛存在于人体细胞中，常被形容为执行泵血、免疫防御、组织构建等任务的“分子机器”。研究人员指出，蛋白质的功能不仅取决于三维形状，也与其在微观尺度上的振动、位移与形态切换等运动方式密切相关。

麻省理工学院（MIT）工程师近日开发出一款名为 VibeGen 的人工智能模型，尝试将蛋白质“如何运动”纳入可直接指定的设计目标，从而弥补当前蛋白质设计主要聚焦静态结构的局限。相关方法论文已发表于《Matter》。

MIT土木与环境工程系及机械工程系Jerry McAfee工程学教授Markus Buehler表示，生命系统的关键不仅在结构，也在运动；从蛋白质折叠到材料受力变形，都受基本物理规律约束。Buehler与前博士后Bo Ni在研究中提出“物理感知AI”的需求，即系统需要能够推理分子运动，而非仅分析结构的静态“快照”。

近年来，人工智能推动了蛋白质科学在结构层面的进展。以AlphaFold为代表的工具解决了蛋白质三维结构预测的长期难题，生成式模型也能从零设计新的蛋白质形状，用于特定功能设想。然而研究团队指出，现有方法多聚焦折叠后的静态构型，难以直接规定蛋白质在环境变化中如何弯曲、振动或切换形态。

VibeGen的思路是将问题“反过来问”：不再从序列推断形状，而是从目标运动模式出发，寻找能够实现该动力学行为的氨基酸序列。研究团队采用扩散模型框架，让系统从随机序列起步，逐步优化至预测可按目标方式振动与弯曲的序列。

该系统由两个协作代理组成：一个“设计者”提出满足目标运动模式的候选序列，另一个“预测者”对候选进行评估，判断其是否会按预期运动。两者通过反复迭代收敛到稳定方案。Ni将其描述为一种协作机制：设计者提出方案、预测者提出批评，设计在迭代中不断改进。

研究团队称，VibeGen生成的大多数序列为全新设计，并非对自然蛋白的直接借鉴或对既有序列的进化式改造。为验证设计效果，团队进行了基于物理的分子模拟，结果显示这些蛋白质能够按模型设定的模式弯曲和振动。

论文还报告了一个现象：多种不同的蛋白质序列与折叠方式可能实现相同的振动目标，研究者将其称为“功能简并性”。Buehler表示，这提示自然界可能仅探索了可行设计空间的一部分，而针对特定动态行为，或存在大量尚未被利用的替代方案。

研究团队指出，若能更精确地控制蛋白质动力学，潜在应用可覆盖医学与材料科学等方向。在药物研发中，许多治疗性蛋白通过与病毒、癌细胞或异常受体等目标分子结合发挥作用，结合效果除形状外也与分子柔性与适配能力相关。在材料科学领域，丝绸、胶原蛋白等生物材料的强度与韧性被认为与分子构件的协调运动有关。

团队表示，下一步将进一步完善模型并在实验室开展实验验证，同时希望与其他AI工具整合，构建兼具动态特征与多功能性的蛋白质设计系统，以支持能够感知环境、响应信号并实时适应的分子机器研发。

本文信息源自MIT News对相关研究的报道。