2026 年 10 月 20 日，微软 BioEmu 2 开放公开预览。团队展示的画面里，一条 PUMA 肽与 MCL-1 相遇、接触并结合。但这段模拟提出的问题，已经超出“蛋白质长什么样”：两种分子如何相处，又如何共同变化？
原版 BioEmu 主要面向单体蛋白的近似平衡构象分布，新版本则支持多链复合物、核酸与配体。但“分子关系”仍指具体体系中的空间配合与构象变化。它把观察单位从一条链，扩展到了分子之间的相互影响。
像把模糊画面逐渐显影，这个系统通过去噪生成分子构象：模型卡称其为全原子扩散模型，规模约 5 亿参数。但输入需要研究者给定化学组成；它生成结构集合，不负责凭空设计新序列，也不直接输出结合亲和力。
团队把下一阶段目标指向可规模化的功能研究：分子怎样运动、结合，这些变化又怎样关联功能。但功能仍然比结构更难验证。从一段漂亮动画到可用于实验决策的预测，中间还隔着分布、时间尺度和适用范围的检验。
合影拍得准，为什么还不够？
一张合影能看清站位，却无法交代人们怎样走动。BioEmu 2 的结构预测模式，追求较准确的单个折叠结构。但它没有放弃这条基线：团队公布了与其他模型的结构基准对照，并强调训练、测试划分一致。这也不代表全面领先。
平衡采样则像观察长期活动的分布：同一体系可以出现哪些姿态。官方文档为结构模式加入启发式锐化，平衡模式不做这项锐化。但两者返回的都是独立样本。结构预测、平衡分布与时间轨迹，回答的是三类不同问题。
据团队发布，BioEmu 2 在展示的 MD 基准上，自由能表面误差约为 1 kcal/mol，覆盖约 50%–100% 的 MD 结构。但这些是特定基准的报告结果，不能外推成任意分子的通用精度。MD 在这里指作为对照的分子动力学模拟。
覆盖率关心参考分布中的状态有没有被找到，自由能误差则关心分布是否接近。但两项指标不能互相替代，更不能把“约 1 kcal/mol”改写成结合自由能预测精度。模型卡明确把定量结合亲和力与绝对自由能预测列在验证范围之外。
同一个口袋，为什么有人留下、有人游走？
团队展示的弱结合案例中，配体分布在主要结合口袋及其他表面接触区域；强结合案例的姿态则更集中。但这首先是一组定性演示：模型尝试表达结合状态的分散程度，单个对接姿势无法交代这种差别。
这组原图还藏着一个容易漏掉的细节：弱结合案例标注 K_D＝1 mM，强结合案例标注 IC50＝3.9 nM。但解离常数与半数抑制浓度属于不同指标，不能直接换算出亲和力倍数。图中的数值也不能当成 BioEmu 2 预测出来的实验活性。
腺苷酸激酶的例子更直观：它像带着两扇活动盖子的装置。团队报告，无配体时会采到开放与闭合状态；加入 ATP 后，大口袋闭合，再加入 AMP，两处口袋都闭合。但这呈现的是不同配体条件下的构象变化。
这让“分子关系”有了具体含义：换一个结合伙伴，蛋白可采用的姿态分布也会改变。团队把这些开合与 ATP＋AMP ⇌ 2ADP 的催化功能联系起来。但展示相关运动，并不意味着模型已模拟化学键变化或定量预测催化速率。
让画面前进，得先给“下一步”一个定义
一沓照片按顺序播放，也能看起来像动画，但它们未必具有时间关系。BioEmu 2 的时间传播会从初始结构出发，按指定时间间隔采样未来端点。团队将其机制称为隐式转移算子；要生成连续推进的序列，需要反复执行传播。
它跳过了两端之间逐步积分的过程，因此获得加速空间。但每一步得到的是未来端点，不能交代途中所有细节。能够跨时间采样，仍需与真实动力学的准确性分别验证。官方建议优先使用 1–1000 ns 的主要训练滞后区间。
PUMA–MCL-1 的加速数字需要拆开读。对于 5 ms 模拟、5 μs 传播步长，所提供的 Frank Noé 帖文摘录给出 40 分钟、超过 10 GPU 年的 MD 对照；José Jiménez Luna 长文写的是 8 分钟与约 15 GPU 年。但两套耗时口径尚不能合并。
因此，这里不计算一个统一加速倍数：硬件、采样配置与测量范围仍需对齐。但另一个边界已经清楚：5 μs 超过文档列出的主要训练滞后区间，需单独验证。仓库 B200 耗时图衡量的编码、去噪，也不能替代这项 MD 对照。
细胞装起来的机器，还需要外部线索
团队强调，大型复合物可能由细胞机器组装，不能一概按平衡状态理解。BioEmu 2 允许加入接触条件，让指定位置在采样时靠近。但这些条件属于额外输入；受约束后预测改善，不能算成无条件预测具有同样能力。
在发布视频标注为 8WY8 的 DSR2 四聚体案例中，加入一项接触条件，展示的 RMSD 从 71.2 Å 降到 5.0 Å。但这是具体案例，不能推导为“一条约束总能修好复合物”。RCSB 记录也确认，8WY8 对应 DSR2 的无配体复合物。
面对单卡放不下的体系，仓库提供上下文并行，把模型的成对表示拆到多张 GPU。官方要求至少 4 张卡。但“算得下”与“预测可靠”仍是两回事：增加设备解决容量问题，不能自动补足生物学上下文。
团队展示了多种大型复合物及多卡吞吐结果，发布文也提到超过一万残基的体系。但模型卡同时提醒，超过一万 token 的极大体系可能难以保持物理合理性。残基与 token 也非始终一一对应，配体重原子会单独计数。
开源之后，什么还要重新证明？
代码仓库采用 MIT 许可，Hugging Face 模型卡也标注 MIT；当前默认检查点名称带有 preview。但开放获取不等于下游用途已经验证。模型卡建议在商业或实际应用前进一步测试，这项建议也不应直接被改写成“许可证禁止商用”。
更关键的限定写在模型卡里：采样频率不可直接视为校准后的玻尔兹曼概率或定量自由能。但这条提醒容易被基准图遮住。在展示体系上接近 MD，与在新体系中获得可信定量预测，之间仍有验证工作。
实际使用还有更朴素的检查：断链、碰撞、失败帧。官方文档说明，几何检查不会自动删掉不合格样本；当前也没有核酸或配体的对应物理性检查。但输入范围已经包含这些组分，因此使用者必须自己补上质量审查。
截至发稿，本文依据公开文档、模型卡与团队演示，未取得第二代完整论文，也未独立跑分。但真正值得追问的门槛已经具体起来：换一个分子伙伴、一个训练中少见的体系，这些看起来合理的运动，还有多少能被实验留住？
