围绕“如何用机器学习刻画蛋白质构象集合”，系统梳理了四条核心路径：多态结构生成、分子动力学加速、无序蛋白建模与实验约束融合，展现出从“结构预测”走向“动态建模”的清晰技术演化方向。

SWING 提出一种全新的“蛋白互作语言模型”框架：在建模前先将两条序列的局部配对关系编码为交互语法，再学习其统计规律。该方法在 pMHC 结合预测中实现跨等位基因、跨类别、跨物种的零样本泛化，并可扩展用于预测氨基酸变异导致的互作破坏。