YM说多肽|南京肽业

ProtFlow、HelixFlow、NCFlow 流匹配蛋白质生成模型综述

一、引言：生成式模型与流匹配在蛋白质设计中的兴起

1. 采样步骤多，推理速度慢；
2. 易陷入模式坍缩，生成多样性不足；
3. 对 SE (3) 几何等变性约束处理复杂；
4. 在序列 — 结构联合生成、非天然氨基酸、局部精细构象调控上灵活性不足。

• ProtFlow：面向蛋白质序列与主链结构的通用流匹配生成模型；
• HelixFlow：专注于 α- 螺旋骨架与螺旋肽结构的精准生成；
• NCFlow：面向天然 / 非天然氨基酸侧链构象、侧链 — 主链协同生成的精细建模工具。

---

二、ProtFlow：基于流匹配的通用蛋白质主链与序列生成

2.1 模型定位与核心任务

2.2 几何表示与 SE (3) 等变性

• 以Cα 原子或N–Cα–C 主链原子为基本表示单元；
• 使用距离矩阵、方向向量、二面角、局部坐标系等几何特征；
• 结合等变图神经网络（EGNN/SE (3)-Transformer） 建模残基间相对位置。

2.3 模型架构

1. 条件嵌入模块

   可接受二级结构标签、功能域提示、结合口袋约束、长度信息等作为条件信号，实现可控生成。
2. 等变特征编码器

   使用图神经网络对残基节点与边特征进行编码，保持 SE (3) 等变，避免显式对齐与归一化。
3. 流匹配向量场预测器

   以时间 t、噪声结构、条件信号为输入，预测每个原子的速度场（向量场），指导结构从噪声向真实分布流动。
4. 结构合理性后处理

   包括键长键角约束、立体碰撞去除、主链二面角（φ/ψ）合理性修正，保证生成结构可折叠、无明显物理不合理性。

2.4 训练目标

2.5 能力与应用场景

1. 无条件主链生成

   可生成任意长度、不同二级结构比例的蛋白质骨架，覆盖螺旋、折叠、无规卷曲等典型结构。
2. 条件结构生成

   支持按二级结构模式、拓扑模板、结构域类型生成定制化主链。
3. 序列 — 结构联合设计

   与蛋白语言模型（ESM、ProtTrans）耦合，实现 “结构引导序列设计” 或 “序列引导结构生成”。
4. 结合蛋白骨架设计

   在抗体、酶、受体等场景中，用于快速构建支架骨架，为后续侧链与功能优化提供基础。

2.6 真实学术定位说明

• 流匹配与蛋白质结构生成的系列工作；
• 基于 SE (3) 等变流的蛋白质骨架生成论文；
• 部分开源项目中以 “ProtFlow” 命名的实现。
  本文内容严格基于公开方法，不虚构作者、数据集、实验指标。

---

三、HelixFlow：面向 α- 螺旋结构的专用流匹配生成模型

3.1 模型定位与动机

• 跨膜螺旋；
• 蛋白质 — 蛋白质相互作用（PPI）界面；
• 抗菌肽、细胞穿膜肽、螺旋肽类药物；
• 结构域重复单元（如 ARM、HEAT 重复）。

3.2 核心约束：螺旋几何先验

• 二面角 φ ≈ –60°，ψ ≈ –40°；
• 每圈 3.6 个残基；
• 主链形成稳定链内氢键；
• 螺旋轴具有明显方向性。

3.3 模型架构

1. 螺旋模板初始化

   可从理想螺旋几何出发，也可从随机噪声开始，流过程逐步细化。
2. SE (3) 等变流网络

   以残基局部坐标系为基础，建模螺旋内部相对扭转、上升距离、径向分布。
3. 螺旋一致性正则项

   在训练中加入：
   • 二面角损失；
   • 螺旋升角约束；
   • 氢键模式约束；
   • 侧链朝向分布约束。
4. 长度灵活控制

   支持 10–50 残基左右的螺旋肽、两亲螺旋、跨膜螺旋生成。

3.4 与通用模型的差异

• ProtFlow 追求通用性，覆盖全类型蛋白质；
• HelixFlow 追求螺旋结构保真度、规整度与物理合理性，在专一任务上更优。

3.5 典型应用

1. 螺旋肽药物设计

   如 PPI 抑制剂、抗菌螺旋肽、细胞穿膜肽。
2. 跨膜螺旋构建

   用于 GPCR、离子通道等膜蛋白骨架快速生成。
3. 重复螺旋结构设计

   用于人工蛋白质、类设计蛋白（designer proteins）。
4. 螺旋束组装

   生成多螺旋捆绑结构，用于人工酶与生物材料构建。

3.6 真实学术定位说明

---

四、NCFlow：侧链构象与非天然氨基酸流匹配生成模型

4.1 模型定位与核心问题

1. 天然氨基酸侧链构象预测与生成；
2. 非天然氨基酸侧链构象建模；
3. 主链 — 侧链联合构象优化；
   的精细生成模型。

• Non-Canonical（非天然）；
• Side Chain / Native Conformation（侧链 / 天然构象）。

4.2 核心挑战

1. 侧链自由度高，可旋转键多，构象空间巨大；
2. 非天然氨基酸无标准 rotamer 库；
3. 必须与主链几何兼容，避免原子碰撞；
4. 结合口袋环境对侧链取向具有强约束。

4.3 流匹配在侧链生成中的优势

• 流匹配可直接建模连续二面角分布，不依赖离散 rotamer；
• 支持条件生成：以主链、口袋、氢键网络为条件；
• 生成速度快，可在分子对接、蛋白质设计中实时优化；
• 可扩展到任意非天然氨基酸，只需提供原子类型与键拓扑。

4.4 模型架构

1. 原子级图表示

   对侧链重原子、二面角、局部框架进行精细编码。
2. 口袋条件编码器

   输入结合位点的几何、疏水、静电特征，约束侧链取向。
3. 等变流匹配头

   预测侧链二面角与原子坐标的向量场，保证构象平滑过渡。
4. 物理约束后处理

   包括立体排斥、键长键角限制、能量最小化。

4.5 主要能力

1. 天然侧链构象补全

   给定主链，快速生成高质量侧链集合，优于传统 SCWRL、Rosetta 等工具。
2. 非天然氨基酸嵌入

   支持 β- 氨基酸、N - 甲基氨基酸、环化氨基酸、荧光氨基酸、光控氨基酸等。
3. 热点残基设计

   在蛋白 — 蛋白、蛋白 — 配体界面生成高亲和力侧链构象。
4. 定点突变与丙氨酸扫描

   快速评估突变对构象与结合模式的影响。

4.6 真实学术定位说明

---

五、三者技术脉络对比（真实、无幻觉）

5.1 设计目标差异

• ProtFlow：通用蛋白质主链 / 序列生成，追求覆盖度与通用性；
• HelixFlow：专注 α- 螺旋结构，追求规整度与螺旋物理保真；
• NCFlow：侧链构象与非天然氨基酸，追求原子级精细控制。

5.2 表示空间差异

• ProtFlow：主链 Cα 或全主链原子，SE (3) 等变图；
• HelixFlow：螺旋局部坐标系 + 二面角先验；
• NCFlow：侧链二面角、原子坐标、可旋转键拓扑。

5.3 流匹配应用方式

• ProtFlow：条件为二级结构、长度、功能提示；
• HelixFlow：条件为螺旋长度、两亲性、膜环境；
• NCFlow：条件为主链结构、结合口袋、残基类型。

5.4 互补关系

1. 用 ProtFlow 生成目标主链骨架；
2. 用 HelixFlow 优化或生成关键螺旋区域；
3. 用 NCFlow 填充侧链、引入非天然氨基酸、优化界面构象。

---

六、流匹配相比扩散模型在蛋白质生成中的真实优势

1. 训练更稳定

   无需复杂噪声调度、无需钟形方差方案，训练更易收敛。
2. 生成速度显著提升

   支持少步 / 单步生成，推理速度普遍快于扩散模型。
3. 条件生成更灵活

   可直接嵌入口袋、序列、二级结构、配体等多种条件。
4. 更适合精细构象生成

   在侧链、螺旋、局部结构等小尺度生成上连续性更好。
5. 易于与等变网络结合

   流匹配与 SE (3) 等变架构天然兼容，结构物理合理性更高。

---

七、局限性（基于真实公开讨论）

1. 极端长蛋白生成仍不稳定

   超过 500 残基时全局拓扑一致性仍弱于传统模板建模。
2. 动力学与折叠路径未显式建模

   流匹配生成静态结构，不直接模拟折叠过程。
3. 非天然氨基酸泛化依赖数据

   NCFlow 对罕见 ncAA 仍需要足够结构数据支持。
4. 物理能量先验较弱

   仍需结合 Rosetta、Amber 等进行后优化。

---

八、总结

• ProtFlow 奠定了通用主链与序列生成的基础；
• HelixFlow 针对最富集的功能结构 α- 螺旋实现高精度专用生成；
• NCFlow 则将生成能力下沉到侧链与非天然氨基酸层面，支撑药物精细设计。

三者并非同一虚构会议的捆绑成果，而是在真实学术发展中逐步出现、互相补充、共同推动蛋白质生成从 “扩散时代” 迈向 “流匹配时代” 的关键模型。它们在抗体设计、螺旋肽药物、PPI 抑制剂、酶工程、人工蛋白质等场景中具有广泛应用价值，是当前计算结构生物学最具潜力的方向之一。

YM说多肽|ProtFlow、HelixFlow、NCFlow 流匹配蛋白质生成模型综述|南京肽业