蛋白质不仅是饮食中的营养成分，更是一类由基因编码、结构复杂的生物分子，在活细胞中承担修复与构建组织、驱动代谢反应、维持酸碱度与体液平衡以及支持免疫系统等关键功能。由于许多蛋白质需要在不同构象之间切换以完成任务，如何刻画其结构变化规律，成为药物研发与生物分子设计的重要基础。

蛋白质构象变化或受“低频节奏”支配

研究人员长期怀疑，蛋白质的形状变化并非完全随机，而可能遵循更深层、较慢的运动模式。这类低频、幅度更大的运动决定了蛋白质如何弯曲、扭转并在不同形态间转换。若能识别并理解这些“慢节奏”，就有望更有效地预测蛋白质可能发生的构象转变。

不过，传统用于预测分子运动的工具多针对快速、微小的振动情形，而蛋白质的慢速、大尺度运动往往更不规则、也更难以直接捕捉。

新方法可从极短模拟中提取关键慢运动

亚利桑那州立大学分子科学学院副教授Matthias Heyden团队提出一种新方法，能够从仅持续十亿分之一秒的短时计算机模拟中提取与蛋白质构象转变相关的低频振动信息。研究团队表示，该方法在多次运行中表现出一致性与可靠性。相关研究成果已发表于《科学进展》（Science Advances）。

Heyden在介绍该方法时表示，团队“复活了一个长期存在的观点”，即蛋白质的构象转变与低频振动相关；其方法通过分析分子碰撞引起的自然波动来识别这些振动，并指出在分子尺度上，观察室温下持续存在的微小波动即可提供有效线索。他还称，理解低频振动有望加速分子动力学模拟中对构象转变的采样过程。

在五类蛋白质体系中验证并绘制能量景观

在识别出这些低频运动后，研究团队将其作为引导路径，应用于五种差异显著的蛋白质模拟中，通过“轻推”蛋白质沿其自然路径运动，促使其探索偏好的构象集合。研究人员称，这一做法使其能够更准确地描绘蛋白质的能量景观，包括蛋白质倾向停留的构象区域、对变化的阻力以及不同形态之间转换所需的能量。

团队还提到，结合近期如AlphaFold等仅基于序列预测蛋白质结构的技术进展，更快速的模拟方法有望扩展现有数据维度，使研究从“序列—结构”关系进一步迈向“序列—结构—动力学”关系。

计算速度提升或推动药物与蛋白质设计

研究团队表示，借助亚利桑那州立大学“Sol”超级计算机的图形处理器能力，他们已能在不到一天内观察到蛋白质发生有意义的构象变化，而过去类似计算可能需要数周甚至数月。

研究人员指出，更快且更具洞察力的模拟能力，可能提升药物设计效率，并有助于更有效的癌症治疗研究以及应对抗生素耐药性问题。同时，许多重要药物靶点涉及蛋白质内部的远距离通讯与“变构”效应，即蛋白质某处受扰动会引发远处结构或功能变化；这类过程研究难度较高。团队认为，更高效的模拟有望帮助观察这些内部变化过程，为开发副作用更少、可更精细调控蛋白质行为的药物提供支持。

研究团队还表示，高通量生成的构象集合将带来更丰富的数据集，为训练下一代机器学习模型、理解蛋白质序列、结构与动力学之间的关系提供基础。