奥地利ISTA研究所Alex Bronstein教授团队联合以色列泰尔海大学及美国普林斯顿大学等机构，近日在《自然·生物技术》发表成果，成功开发实验引导版AlphaFold。该模型有效克服了传统AI工具仅输出单一静态构象的局限，通过融合核磁共振与冷冻电镜等实验数据，精准预测蛋白质的动态结构系综。研究指出，现有预测软件高度依赖静态晶体结构数据库，常忽略构象柔性对生物功能的关键作用。新框架引入新型图形化语言与推断优化算法，使算法能够识别序列中隐含的结构异质性。即便传统模型出现预测偏差，该实验引导版本仍能生成与实验测量高度吻合的多构象结果。此项技术突破静态结构认知瓶颈，为解析蛋白质动态“模糊性”提供全新范式。团队表示，该方法将推动下一代预测模型向实验感知方向演进，通过系统性更新结构数据库，为逆蛋白设计、大分子复合物模拟及靶向药物研发提供高精度动态蓝图，有望在未来数年内重塑计算结构生物学标准。