膜蛋白扩散不必只靠分子动力学：神经随机模型把轨迹拉长到4万帧，仍守住近布朗扩散
核心概要
粗粒化分子动力学能给出膜蛋白的短时轨迹，但长时扩散统计代价高昂。神经随机模型把蛋白构型编码、多时间尺度循环记忆与带记忆的随机隐过程结合起来，自回归地生成相关位移。在7个PIEZO通道体系中，它给出的平均异常扩散指数为1.048±0.012，与MD的1.049±0.022接近，而此前的VAR-SDE模型为1.563±0.016；生成轨迹延伸到4万帧。
深度剖析
膜蛋白的集体扩散可以在不继续跑分子动力学的情况下向前外推，生成轨迹的长度超过参考模拟本身。 此前的变分自回归模型能刻画短时多蛋白膜扩散，却无法复现长时动力学，在7个PIEZO体系中表现出超扩散。 在7个PIEZO体系上，MD的平均异常扩散指数为1.049±0.022，神经随机模型为1.048±0.012，VAR-SDE模型为1.563±0.016；神经随机模型的轨迹延伸到4万帧，约为参考轨迹的4倍。
模型每一步只根据上一帧的位移和当前蛋白间距推进，蛋白位置由采样得到的位移更新。 构型先经注意力编码成几何向量，再由步长从1帧到300帧不等的多组LSTM汇总历史，隐状态按带记忆系数和噪声幅度的离散Ornstein-Uhlenbeck过程演化。 交叉注意力解码器为每个蛋白输出三维位移的均值与3×3协方差，采样后按周期性边界回卷；训练在7个PIEZO与7个PIEZO加10个TREK两套粗粒化体系上进行，每套用5个训练种子。
混合体系中两类通道的扩散差异也被保留下来。 PIEZO与TREK在同一双层膜中共同扩散，MD显示PIEZO位移更短、TREK位移更长。 在7个PIEZO加10个TREK体系中，MD的PIEZO平均异常扩散指数为0.943±0.016、TREK为0.995±0.019，模型预测分别为1.015±0.013和1.011±0.011，差异均落在标准误范围内。
启示与展望
展示范围限于两套粗粒化膜体系：7个PIEZO通道，以及7个PIEZO加10个TREK通道；评估在最长5000帧的滞后时间上比较均方位移、非高斯参数、van Hove分布与速度自相关，生成轨迹长4万帧。作者指出，生成轨迹应视为模拟动力学的统计替代物，而不是单条分子轨迹的精确重建或分子动力学的替代品。
模型没有显式强制底层分子力场或膜能量学，预测依赖训练中捕获的统计信息；向不同蛋白组成、膜性质和模拟条件的泛化能力仍待确定。作者提出未来可加入更多物理约束并在更广的膜体系上评估。