从冷门难题到 AI 交叉议题
细胞穹窿（vault）自 20 世纪 80 年代被发现以来，因尺寸巨大、构象柔性、组分异质及原位样本获取困难，其结构—功能关系长期悬而未决。近期，Claude 等大语言模型进入结构生物学工作流，使这一难题重新获得方法论关注：并非模型直接“看清”穹窿，而是把分散的文献、序列、突变表型、冷冻电镜与质谱数据组织为可检索、可推理的知识网络。
研究协作者而非替代者
在结构生物学中，Claude 的合理定位是“研究协作者”：辅助提出 MVP、TEP1 与 vault RNA 的组装假设，设计突变与纯化条件，解释低分辨率密度图，并生成实验优先级。与 AlphaFold 类结构预测和冷冻电镜结合，可缩短“假设—验证”循环。但大语言模型存在幻觉与数据偏差，输出必须经实验验证；穹窿的柔性、异质性和原位构象仍需高分辨率结构与功能实验。
意义与边界
若 AI 能将跨学科证据系统化，细胞穹窿研究或从描述性冷门转向可检验的机制研究，并推动核糖核蛋白复合物、免疫与药物递送研究。其真正价值不在替代结构解析，而在降低跨领域进入门槛、提升假设质量。对 Claude 而言，进入结构生物学视野是一次能力边界测试：能否在强实验约束下产生可靠洞见，将决定其科研角色。
