AlphaFold 3 中 MSA 作为通向折叠结构捷径的因果机制

自 CASP14 起，AlphaFold2 以氨基酸序列、多序列比对（MSA）与同源模板为输入，把单链预测做到中位结构域 GDT_TS 92.4 的精度 ^[4]，预测结构随后成为常规研究手段 ^[1]，覆盖 1.83 亿个 AF2 结构的数据库与相关分析工具也已落地 ^[5]。MSA 的分量早已被反复体会：它被认为编码了共进化关系 ^[3]，实践中优化 MSA 能把异源二聚体达到可接受质量（DockQ ≥ 0.23）的比例提升至 63% ^[2]。但模型究竟从 MSA 中读出了什么、结构信息如何在网络内部逐步成形，一直缺少直接证据；孤儿蛋白等无法构建 MSA 的场景也始终是难点 ^[3]。

这篇预印本对 AlphaFold 3 施加因果干预，并逐块探测全部 Pairformer（AF3 仅用 4 层 EvoFormer 处理 MSA，用 48 层 Pairformer 处理单体与成对信息^[6]）。删除 MSA 后，局部二级结构大体保留，而定义全局拓扑的长程关系被破坏；仅在 40 个残基处恢复经 MSA 富集的 pair 表征，即可找回大部分丢失的组织性，连未被直接修改的残基对也受益，且这一贡献取决于 MSA 模块输出的具体方向而非幅值。折叠信息成形极快：多数蛋白在第 9 块（共 48 块）即可被读出，比解码器能渲染坐标早约 27 块；若无 MSA，多数蛋白在整个前向过程中都不可恢复。

最关键的实验动摇了“模型读取查询序列演化史”的既有理解 ^[3]：注入另一条共享该折叠的蛋白的比对，且只放在结构对应的列上，中位 TM-score 从 0.44 升至 0.72；同一比对沿链错移几个残基，反而比完全不给比对更差。换成从未进化过的设计查询序列，信号依然存在，打乱序列则坍塌；供给哪些同源序列，比供给哪条查询序列对轨迹的影响更大。作者据此提出，AF3 从比对中读取的是折叠本身的描述，可在共享同一折叠的蛋白之间迁移，这一图景同时解释了它的准确性与它所解决问题的边界，也与另一项内部表征探查工作得出的“MSA 用于定位受结构约束的位置并激活权重中的结构先验”互为补充^[7]。

需要说明的是，这是未经同行评议的 arXiv 预印本，各项数值尚待独立验证；从“折叠描述”到三维坐标的具体计算路径，以及这一认识对缺乏 MSA 的孤儿蛋白与设计蛋白的预测 ^[3] 究竟意味着什么，仍是悬而未决的问题。