AlphaFold 3（AF3）的开源，尤其是它对蛋白质-核酸、蛋白质-小分子配体、修饰性化学基团复合物预测能力的跃升，确实给传统结构生物学界带来了一场海啸。
在几年前，冷冻电镜（Cryo-EM）刚普及的“黄金时代”，一个课题组只要能拿到一个高难度膜蛋白或者大分子复合物，通过电镜把分辨率刷到 3Å 甚至更高，基本就锁定了顶刊的入场券。这种“一图值千金”的模式，在科研界内部也曾被戏称为“高级体力活”。
如今，随着 AI 几乎把能预测的静态结构“剧透”了个精光，那些曾经重度依赖结构解析、以发表 CNS（Cell, Nature, Science）为主要产出的科研组，正在经历极其痛苦但也极其必然的转型。
目前来看，这批实验室的转型方向大致可以归纳为以下四个具有代表性的技术和学术维度。
1. 从“静态高清快照”走向“动态功能与分子机制”
AI 最不擅长预测的，是结构在时间维度上的连续演变。
AlphaFold 预测的通常是一个热力学上的优势构象（静态基态），但生命活动是动态的。蛋白质要发挥功能，往往需要经历极其复杂的构象转变。比如，转运蛋白在细胞膜两端交替开放的中间瞬态、通道蛋白在配体结合时的变构效应、酶在催化过程中的过渡态。
许多课题组正在将重点从**“单纯解出一个高分辨率结构”转向“解析不同功能状态下的结构谱，并用生物化学、单分子物理手段进行机制验证”**：
- 单分子荧光共振能量转移（smFRET）与光镊技术：用来测量单个分子在溶液中的动态构象变化频率，这能直接填补 AI 静态预测的空白。
- 高精度的功能验证：现在审稿人对结构文章的要求几乎是“一票否决制”——如果光有一个 AF3 预测结构加上冷冻电镜验证，而没有下游的体内/体外生化功能实验、突变体表型验证、通路阻断实验，根本不可能上 CNS。结构变成了手段，而不是研究的目的。
2. 拥抱 Cryo-ET，从“离心管”走向“细胞内原位研究”
传统的冷冻电镜单颗粒分析（SPA）需要把蛋白质从细胞里“揪”出来，经过高度纯化、浓缩后放在载网上冷冻成像。在这个过程中，蛋白质脱离了其天然的细胞微环境（Crowding effect）。
而细胞内的真实环境是极其拥挤且复杂的。AF3 即使再强大，也无法精准预测在特定细胞器膜上、特定pH值下、数十种复杂分子挤压干扰时的真实组装状态。
因此，**原位结构生物学（In situ Structural Biology）**成了最炙手可热的避风港：
- 冷冻电子断层扫描（Cryo-ET）联合聚焦离子束（FIB-SEM）技术：直接在冷冻的细胞“切片”中观察大分子复合物。例如，直接去看细胞核孔复合物（NPC）在核膜上的工作状态，或者病毒侵染宿主细胞时的原位组装过程。
- 这个方向技术门槛极高，样品制备极难，仪器成本极贵。即使 AI 能预测单个组分，也无法凭空画出细胞内复杂的超分子交互图谱。这就成了大牌结构生物学实验室巩固学术壁垒的天然战场。
3. 从“发现结构”走向“无中生有”：De Novo 蛋白质设计
既然大自然演化出来的蛋白质结构已经快被 AI 扫完了，那我们就去创造大自然没有的蛋白质。这是目前转型最顺畅、也最容易拿大额融资和高水平产出的方向。
依托 David Baker 团队的 Rosetta 体系（如 RFdiffusion）以及 AlphaFold 体系的启发，许多结构实验室正在转型为**“设计+干湿结合验证”**的闭环：
- 设计新型高亲和力结合剂（Binders）：用 AI 辅助设计能够精准阻断特定致病靶点相互作用的微型蛋白，这在肿瘤免疫和靶向治疗中具有巨大想象空间。
- 设计全新酶催化剂：在工业合成、环保降解等领域，设计出自然界不存在的高效催化酶。
- 设计多肽与小分子递送系统：例如设计自组装的纳米蛋白质外壳，用于精准递送 mRNA 或小分子药物。
在这个方向上，传统的“湿实验”结构生物学家依然有不可替代的优势。AI 设计出来的东西大部分在水里根本不溶解，或者根本无法折叠。结构背景的课题组能通过经验快速筛选、表达纯化，并用电镜或 X 射线衍射去确认 AI 设计的结构是否达到了预期的空间构型。
4. 深度涉足生物医药：靶向极难靶点与 AIDD（AI辅助药物设计）
以前的药物研发，往往卡在“拿不到靶点蛋白的高清结构”上。如今有了 AF3 对蛋白质-小分子相互作用的强大预测能力，许多实验室顺理成章地转型做起了结构药理学和转化医学。
他们将目光投向了那些传统的、极其难啃的医药靶点：
- G蛋白偶联受体（GPCRs）与离子通道的偏向性激活：不仅要解结构，还要解析药物在不同偏向性配体结合下的特定构象，从而设计出“只起治疗作用、没有副作用”的精准小分子。
- 靶向不可药靶点（Undruggable Targets）的变构抑制剂：利用 AI 寻找蛋白质表面隐藏的“口袋”（Cryptic pockets），并用实验手段（如高通量亲和质谱、SPR）去验证这些变构口袋的真实性，进而筛选分子。
- PROTAC（靶向蛋白降解剂）与分子胶（Molecular Glues）的设计：这类技术依赖“靶蛋白-分子胶-E3连接酶”三元复合物的形成。AF3 虽然能预测，但在热力学和分子动力学层面仍有欠缺，结构组通过实验解析这三元复合物的组装过程，是目前制药巨头们极度愿意买单的领域。
结语：结构生物学没有死，它只是回归了本质
回看这场技术迭代，我们会发现一个有趣的现象：AI 并没有杀死结构生物学，它杀死的是单纯把“解结构”当成流水线、不解决具体生物学问题的套路化科研。
在过去，很多课题组因为常年被“解结构”的技术细节（如摸索结晶条件、调电镜参数）耗尽了精力，反而无暇顾及深层次的生命科学问题。
AlphaFold 3 的开源，实际上是将结构生物学家从低效率的“找结构”劳动中解放了出来。那些能够快速调整航向、将“结构”作为研究工具去探索细胞原位、动力学机制、分子设计以及临床转化的实验室，正在迎来一个比以往更具创造力和主导权的全新时代。
至于那些无法转型的组，自然会在这轮范式转移中慢慢被学术界边缘化。大浪淘沙，这或许也是科学进步最残酷也最迷人的规律。
