本节要点
- 能力边界由训练数据决定：它只从 PDB 条目的蛋白质部分学习；
- 擅长单链、复合物，也能识别无序区；吃力于点突变、高变序列、孤儿蛋白和构象变化；
- 「不做」的那一类根本不在训练分布里，不是还没修好的 bug。
一、开篇那句话是整页的总纲
原文第一段就抛出一条原则：一个神经网络能做什么、不能做什么，主要取决于训练它的数据。AlphaFold2 训练时只用 PDB（Protein Data Bank，蛋白质结构数据库）条目里的蛋白质部分——小分子、核酸这些非蛋白组分全部没进去。所以后面的局限不是「还没修好的 bug」，而是训练分布的边界。
打个比方：这就像一个只读过蛋白结构教科书、从没上过化学课、也没做过动力学实验的学生。他看一条氨基酸序列能画出很准的形状，但你要问「这个口袋里有没有一个糖分子」「它动起来会变成什么样」，他没有对应的知识来源——不是他算错了，是这部分信息从他的世界里就缺席了。
二、What AlphaFold can do：它擅长什么
原文列了三点，第三点是很多人会忽略的巧妙反转。
1. 单链、多聚体、蛋白-蛋白复合物
AF2 最初就是在**单条蛋白链**上训练的，所以单链是它的主场。后来又专门训了一版做蛋白-蛋白复合物的，叫 AlphaFold-Multimer（Evans et al., 2022）。同一条链的多个拷贝组成的叫 homo-multimer（同源多聚体，比如二聚体、六聚体），不同链组成的叫 hetero-multimer（异源多聚体）。
2. 它不是「复制」已知结构
这一条是关键的证据性声明：独立研究者证明 AF2 能预测出 PDB 里从未出现过的新折叠（novel folds，Bordin 2023、Barrio-Hernandez 2023、Durairaj 2023）。这才是「它学到的是结构规律，不是背下了条目」的硬证据。
原文图 5 举的例子是一条未表征蛋白（AlphaFold ID: AF-A0A849ZK06-F1），预测它整体像个蛋白激酶折叠（protein kinase fold）、可能是核糖核苷酸结合蛋白——注意这里的功能注释不是 AlphaFold 给的，是另一个工具 DeepFRI 做的（Barrio-Hernandez et al., 2023）。意思是：结构给出来，功能线索可以接力往下推。这条对你们领域意义很大，因为 AlphaFold DB 里海量条目根本没有实验结构。
3. 用来识别内在无序区
这是本页最漂亮的一处逻辑反转。内在无序区（intrinsically disordered region）在自然界里本来就没有固定结构——它是动态的，没有「一个正确答案」可预测，所以 AF2 当然算不出来。但它的局部置信度指标 pLDDT（predicted Local Distance Difference Test，逐残基的局部置信度）与无序程度强相关：无序的地方模型自己也拿不准，置信度就低。
于是同一个事实有两种读法：在「预测结构」这个任务上它失败了；在「识别无序区」这个任务上，它是 state-of-the-art。原文把它放在「能做到」里，是刻意的修辞——失效信号被反用成了检测器。
三、What AlphaFold2 struggles with：它吃力在哪
「吃力」这个词要留意，和下一节的「做不到」是不同性质：这里是能出结果但质量会掉。
1. 对点突变不敏感
改变单个残基的点突变，AF2 out of the box（开箱即用状态下）基本感觉不到。原文给的原因是两条叠加的：一是变异效应的训练数据太少，二是 AF2 学的是「模式」而不是「力」（patterns as opposed to calculating physical forces）。它对齐的是进化上反复出现的共变模式，一个孤立突变改变的能量差不在它的表达范围内。
2. 高变序列（如抗体）精度差
同一个原因。抗体的互补决定区本身就是为了高速变异而存在的，序列空间乱、模式弱，AF2 在这种地方自然吃力。
3. 「孤儿」蛋白
孤儿蛋白（orphan protein）= 几乎没有近亲的蛋白。AF2 的工作方式是从序列之间的关系里推导（比对同源序列、找共变位点），近亲少 → MSA（Multiple Sequence Alignment，多序列比对）稀薄 → 共变信号弱 → 预测质量差，而且置信度分数会同步偏低。如果仅有的那几条相关序列在 PDB 里也没有结构，情况更糟。
但要看清它的另一面，这也是原文明说的：即使 PDB 里一条相关结构都没有，只要这个序列有几千个亲戚，AF2 照样能预测。它需要的是序列，不是已解出的结构。 这句话直接解释了上一节「新折叠」为什么可能——需求是序列丰度，不是结构先例。
4. 构象变化
蛋白质干活时会变构象，而 PDB 里只有少数蛋白记录过多种构象。AF2 默认设计成输出静态结构，也就是一张结构快照，所以它抓不住构象变化。
原文图 6 的例子是己糖激酶（hexokinase，Q96Y14）：它在有糖时和无糖时采取明显不同的构象（糖结合态 PDB 2E2Q，无糖态 2E2N），而 AF2 的预测对齐的是无糖态——无论视觉比对还是 RMSD 数值都能看出来。原因很直白：它不知道有糖这回事（见下一节）。
不过原文留了个口子：研究者发现用某些技巧（tricks） 可以「逼」AF2 输出同一个序列的另一种构象，详见课程后面「Advanced modelling and applications」那节。也就是说，构象信息部分藏在模型里，只是没有直接的出口。
四、What AlphaFold2 can’t do：它根本不做
这一列是架构性缺席，不是精度问题。
- 不知道任何与蛋白相互作用的其他分子：核酸、小分子辅因子、离子、其他非蛋白组分，一律不在它的感知里。
- 没被设计来处理翻译后修饰（post-translational modifications）。
- 不能建模游离核酸的结构。
- 不知道膜平面：因此跨膜蛋白的跨膜域和其他域之间的相对朝向它摆不对。但这个错误通常会被 PAE（Predicted Aligned Error，预测对齐误差，衡量两个残基相对位置的把握）暴露出来——它不确定的时候会告诉你。
还有一个值得单独记住的怪现象：原文说 AF2 在配体/离子并不存在时，也常常预测出结合态（ligand- or ion-bound form）的样子。这其实和己糖激酶的例子互为两面——它不知道配体在不在，所以有时落在无配体构象、有时落在有配体构象，取决于训练数据里那个家族的模式偏向，而不是取决于事实上有没有那个分子。无声的错误才危险，所以必须配合置信度读结果。
五、原文收尾的那张表
| AlphaFold2 predicts | Struggles to predict | Doesn’t predict |
|---|---|---|
| 单条蛋白链；蛋白多聚体；多亚基蛋白-蛋白复合物 | 同一序列的多种构象；点突变效应；抗原-抗体相互作用 | 蛋白-DNA/RNA 复合物；核酸结构；配体与离子结合；翻译后修饰；跨膜域的膜平面 |
六、读这张表的一条判据
三列不是三个难度档，而是三种性质：第一列是训练分布之内；第二列是在分布边缘、靠模式和统计硬撑（所以随数据丰度起伏，也常被置信度分数提前预警）；第三列是根本不在输入/输出空间里（所以不存在「多给点数据就变好」，只能改架构）。
延伸一句（超出本页范围，但你已经知道）：第三列正是 AlphaFold 3 要填的——它转向全原子（all-atom）并纳入核酸、配体、离子和修饰；而第二列里「点突变效应」后来另开了 AlphaMissense。两者都是扩展边界，不是修 bug，这个判断和本页开篇那条原则是自洽的。
上一节：AlphaFold 是什么 · 下一节：AlphaFold2 的预测是怎么被验证的？ · 课程总览