在蛋白质语言模型（Protein Language Model，PLM）与逆向折叠（inverse folding）网络普及之前，大量可验证的从头蛋白质设计（de novo protein design）依赖 Rosetta 等基于物理能量与离散侧链搜索的框架。即便在今天，Rosetta 仍在能量精修、约束驱动的界面设计、小分子/核酸共设计以及与实验数据（交联质谱（cross-linking mass spectrometry，XL-MS）、小角 X 射线散射（small-angle X-ray scattering，SAXS）等）联用的场景中占据重要位置。本文面向酶与聚合酶相关改造读者，归纳 Rosetta 做蛋白序列设计（protein sequence design）时的核心原理与常用方法边界。
段末注释：PLM 从序列统计学习表示；逆向折叠指由骨架反推序列；Rosetta 为华盛顿大学等社区维护的大分子建模软件套件；XL-MS / SAXS 为可提供距离或低分辨形状约束的实验手段。
1. Rosetta 在序列设计中的定位
Rosetta 将「序列 + 三维构象」映射为一个可微或至少可比较的标量能量（score），并在离散/连续自由度上搜索低能解。与深度网络把问题写成端到端条件生成不同，Rosetta 更强调：
- 显式物理与统计项组合的能量函数（可解释、可调权重）；
- 侧链离散 rotamer（rotamer，侧链构象异构体）上的组合优化（Packer）；
- 蒙特卡洛（Monte Carlo，MC）与模拟退火（simulated annealing，SA）等随机搜索，在序列–构象联合空间中探索。
因此，Rosetta 的序列设计通常表述为：在给定骨架（backbone）与任务约束下，寻找使总能量（及惩罚项）较低的氨基酸身份（identity）与配套侧链构象。
段末注释：骨架指主链原子排布；氨基酸身份即残基类型；rotamer 为侧链在 χ 角离散采样下的代表性构象。
图 1（示意）：左侧为输入 Pose（主链几何）；中间将体系编码为可比较的标量能量并叠加约束项；右侧由 Packer 在离散 rotamer 与氨基酸身份上配合 MC/SA 搜索，输出多组低能「序列 + 侧链」候选。图中英文标注与软件界面常用符号一致，便于对照官方教程。
2. 能量函数：把「化学合理性」写成可优化的目标
Rosetta 使用全原子（full-atom）或** centroid 粗粒**（低分辨率）等多档表示；序列设计几乎总是在全原子档完成侧链打包。以常用的 ref2015（以及其前后代如 talaris2014 等）为代表，总能量为若干项的加权和，典型包括：
| 类别 | 代表项（直觉） |
|---|---|
| 范德华 | Lennard-Jones（Lennard-Jones，LJ）吸引/排斥，防止原子重叠并鼓励紧密堆积 |
| 溶剂化 | Lazaridis–Karplus 隐式溶剂化（EEF1/LK 等变体）描述疏水埋藏与极性暴露 |
| 氢键 | 几何取向敏感的氢键项，奖励几何合理的 donor/acceptor 配对 |
| 静电 | 简化的库仑或去屏蔽模型（具体实现随版本与 flag 变化） |
| 构象偏好 | Ramachandran（φ/ψ）偏好、主链二面惩罚等 |
| 侧链先验 | rotamer 概率（来自 Dunbrack 等库）与参考能量（氨基酸类型依赖的偏移） |
参考能量（reference energy）对每种氨基酸给出一个基准，用于部分抵消「大侧链更容易形成更多接触因而能量更负」的偏差，使序列搜索不至于无条件偏向芳香族/大疏水残基。
段末注释：ref2015 为 Rosetta 一套广泛使用的全原子权重与参考参数集合名；Ramachandran 图描述主链二面允许的构象区域；Dunbrack 库为 backbone 依赖的 rotamer 统计库。
图 2（示意）：总能量为多项加权之和；常见分项包括范德华吸引/排斥、隐式溶剂化、氢键、主链二面偏好、rotamer 概率与参考能量等。E_total 用于对不同微结构进行相对排序；与实验 ΔG 之间一般需校准，不宜直接等同。具体项名与默认权重以所用 scorefunction 与版本为准。
能量函数并非「第一性原理」；它是力场项 + 统计势 + 经验权重的折中，用于排序候选构象而非给出绝对自由能。实践中常配合约束能量（coordinate、atom pair、ambiguous 等）把先验知识写成惩罚项。
3. Rotamer 与 Packer：序列设计的离散核心
3.1 为什么用 rotamer
侧链自由度（多个 χ 二面角）若连续采样，组合空间极大。Rosetta 采用 Dunbrack 等 backbone 依赖 rotamer 库，把每个残基的侧链近似为有限个高概率离散态。序列设计因此可视为：在每个位点从 20 种氨基酸 × 若干 rotamer 的乘积空间中选一组互容的分配。
段末注释：χ 角为侧链二面角；rotamer 离散化是 Rosetta 速度与可控性的关键工程选择。
图 3（示意）：左栏强调若 χ 连续取值则组合爆炸；中栏用统计库将侧链落到少数高概率 rotamer；右栏表示 Packer 在联合状态（氨基酸类型 + rotamer）上作随机提议，用能量差驱动接受率，并在退火 schedule 下逐步压低总能量。
3.2 Packer 在做什么
Packer（side-chain packing）在固定或可微调骨架上，对一组可设计位点执行能量驱动的离散搜索：反复提出「某位点换氨基酸 / 换 rotamer」的扰动，用 MC + SA 接受或拒绝，使系统总能量下降并避免浅阱。可配合 rotamer 子集（exclusion、limit 等）控制计算量。
当开启序列设计模式时，Packer 的「状态」同时包含身份与 rotamer，因此一次成功的打包即给出序列 + 侧链几何的联合解。
段末注释：MC 为以能量差决定接受率的随机搜索；SA 通过逐步降温提高跳出局部最优的能力。
4. 典型协议：从固定骨架到联合优化
下图对照三类常见设定：固定骨架（计算快、依赖输入模型质量）、柔性/耦合骨架（主链与序列协同搜索）、多状态（单序列对多个结构同时优化）。后两类更贴近酶口袋重排与变构场景，但代价是轨迹更长、参数更敏感。
图 4（示意）：左——主链基本不动，由 Packer 主导序列与侧链；中——在 backrub / coupled moves / FastRelax 等循环中允许局部主链变化以改善几何；右——多个 pose 同时进入加权和（或变体目标），迫使同一序列在开放/闭合等构象间折中。英文子图标题与 Rosetta 文档常用术语一致。
4.1 固定骨架序列设计（fixed-backbone design）
骨架来自晶体结构、同源模型或结构预测（如 AlphaFold）输出。流程大意：
- 定义可设计位点（整条链或界面补丁）与氨基酸允许集（自然 20 种、或排除半胱氨酸/金属敏感残基等）；
- 设定能量权重、无子结构能量（sub-score 监控界面/核心）与约束；
- 运行 fixbb 或 FastDesign 类协议：外层循环中交替/联合进行侧链重打包与可选的最小化（minimization，连续微调）；
- 生成多随机种子轨迹，聚类后取低能簇代表序列供实验。
该范式假设骨架误差足够小；对低置信度环区或大 backbone 偏差，固定骨架设计可能给出「序列–结构自洽性差」的解。
段末注释：fixbb 为 fixed backbone 相关应用/演示协议族；FastDesign 为较自动化的设计–最小化循环封装之一（具体 XML/py 脚本随版本略有差异）。
4.2 耦合运动与柔性设计（coupled moves / backbone flexibility）
为缓解「错骨架配好序列」问题，Rosetta 提供在 MC 中同时扰动序列–侧链–局部 backbone 的协议，例如 coupled moves、backrub、FastRelax 与设计循环组合。思想是：允许小幅主链调整以释放 clashes 或改善氢键网络，再由 Packer 重写序列/rotamer。
代价是搜索空间扩大，需要更多步数与调参经验，但界面设计与酶活性口袋附近常更受益。
段末注释：backrub 为一种保留肽段几何关系的局部主链微扰动算子；FastRelax 为重复最小化–侧链重排的快速弛豫流程。
4.3 多状态设计（multistate design）
酶与开关蛋白常需在多种构象或多种结合态下折中。Rosetta 可将多个 pose（结构实例）放入同一目标函数：能量为各态加权之和（或 max、软最大等变体），迫使单一序列在多个输入结构上同时合理。该思路对催化多步反应、变构调节或「结合开放/闭合两种构象」的设计尤为相关。
段末注释：pose 为 Rosetta 内存中单条结构对象（可含多条链、配体等）。
5. 约束、对称与评分监控
- 约束：距离、二面、接触数目、金属配位几何等，把生物学知识弱化为软惩罚，避免纯能量项走偏。
- 对称设计：同源寡聚体可用对称定义减少自由度，同时避免界面出现不对称堆积缺陷。
- 分解能量：per-residue、interface、dG_separated 等监控量用于解释「为何该位点倾向某氨基酸」，便于与酶学假设对照。
段末注释：对称与约束属于「把任务从纯优化变成有先验的优化」，对聚合酶寡聚形式尤其常见。
6. 实践入口：命令行与 PyRosetta
- 命令行 + RosettaScripts（XML）：工业界与高通量流水线常用，利于批处理与集群。
- PyRosetta：在 Python 中构建 pose、设置 Movemap（允许动的自由度）、调用 PackTaskFactory 定义可设计位点与氨基酸库，再运行 PackRotamersMover / FastRelax 等；适合与机器学习打分器、文库生成脚本互操作。
典型注意点：能量单位是 Rosetta 内部单位（REU，Rosetta Energy Unit），跨协议比较相对排名比绝对值更有意义；随机种子影响轨迹，应记录 seed 与完整 command line 以保证可复现。
段末注释：Movemap 标记哪些主链/侧链自由度可动；REU 为 Rosetta 自定义能量单位，用于相对比较。
7. 与数据驱动方法的关系（为何仍要学 Rosetta）
深度逆向折叠模型（如 ProteinMPNN）在速度与骨架噪声鲁棒性上优势明显；Rosetta 的优势在于显式约束、物理精修、小分子/核酸/共价修饰支持与长期工程积累。常见组合范式是：神经网络生成候选序列 → Rosetta FastRelax / 界面优化 → 实验。对聚合酶改造，若问题核心是溶剂可及表面电荷、二硫键模式、底物对接几何与稳定性–活性权衡，Rosetta 仍是可落地的工具链一环。
段末注释：ProteinMPNN 为基于图消息传递的逆向折叠序列设计网络（见本仓库 ProteinMPNN 综述篇）。
8. 小结
Rosetta 的蛋白序列设计可概括为：在显式能量函数下，对离散 rotamer–连续微调混合空间做随机优化，并通过约束与多状态目标把生物学任务编码进目标函数。理解 Packer、能量项分工与「固定骨架 vs 柔性骨架」的适用边界，是阅读 RosettaScripts / PyRosetta 教程与调参的起点。
9. 延伸阅读（入门到系统）
- Leaver-Fay A 等，Methods Enzymol. 2011；Rosetta3 模块化与基本算法综述。
- Kuhlman B, Bradley P，Nat Rev Mol Cell Biol 2009；蛋白质设计的原理与挑战（含物理能量视角）。
- Alford RF 等，J Chem Theory Comput 2017；Rosetta 能量函数 REF2015 的系统描述。
- Rosetta Commons 官方文档与 workshop 材料（随版本更新，命令与默认权重以当前版本为准）。