VibeGen：通过振动进行蛋白质设计的 AI

VibeGen：利用 MIT AI 从动态模式生成蛋白质

麻省理工学院工程师开发了 VibeGen——一种生成式 AI 模型，它根据目标运动模式合成蛋白质序列：振动、弯曲和振荡。该模型解决了逆问题，即确定能够实现指定动态的氨基酸链，而不是静态形状。这类似于 vibe-coding，通过描述期望行为即可生成功能性分子。

传统方法，包括 AlphaFold，专注于预测和生成 3D 结构。然而，动态——弯曲、伸展、脉动——决定了功能：配体结合、耐载荷、病原体相互作用。VibeGen 将分子动力学整合到设计过程中，使用扩散模型进行迭代优化。

VibeGen 架构：Designer 和 Predictor

系统由两个代理组成：

• Designer：生成针对目标运动特征的候选氨基酸序列。
• Predictor：模拟动态并评估与目标的匹配度。

代理在循环中交互：Designer 提出变体，Predictor 通过物理模拟检查它们，并迭代直到收敛。核心技术是适应蛋白质空间的扩散模型：从初始噪声开始，形成具有指定振动特征的序列。

关键特性：

• 逆问题：从动态特征到序列，而不是反过来。
• 迭代稳定：反馈循环确保精度。
• 全新设计：生成的蛋白质不在自然数据库中。

验证与功能简并

生成的蛋白质经过分子动力学模拟。结果确认了对目标模式的忠实再现：振动、弯曲和振荡被精确复制。一个意外发现——多个序列和结构产生相同的动态，作者称之为“功能简并”。

这表明一个未充分探索的设计空间：进化仅实现了可能动态解决方案的一小部分。VibeGen 扩展了这一范围，提供具有可预测行为的非进化选项。

生物技术和材料科学的应用

动态控制开启了新方向：

• 医学：具有精确结合和最小脱靶效应的治疗蛋白。
• 材料科学：具有可编程力学的纤维和涂层——强度、弹性。
• 合成生物学：实时响应刺激的分子执行器。

动态就是蛋白质的“vibe”——其定义功能的物理模式。该模型使设计特定任务的分子成为可能，将物理学融入 AI 生成。

关键要点

• VibeGen 使用扩散模型从动态模式生成氨基酸序列，绕过了对静态结构的关注。
• 两个代理——Designer 和 Predictor——通过分子动力学模拟驱动迭代优化。
• 生成的蛋白质显示功能简并：不同序列产生相同动态。
• 通过控制振动和振荡，在医学、材料科学和合成生物学中展现潜力。
• 发表于 Matter (Cell Press)，2026 年 3 月 24 日，主要作者 Marcus Bühler (MIT)。

— Editorial Team