判断 AlphaFold 结构预测是否可信：pLDDT 与 PAE 完整实操指南

判断 AlphaFold 结构预测是否可信pLDDT 与 PAE 完整实操指南【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold拿到 AlphaFold 的输出第一眼别急着看结构多漂亮先看两份质检单每个残基的 pLDDT 分数、每对残基的 PAE 误差矩阵。它们共同回答一个问题——这份预测能不能直接写进你的论文。这篇指南不推导公式只带你完成从看到结构到给出结论的判断流程。开场结构很漂亮你敢直接写进论文吗 你跑完预测可视化软件里一条彩带螺旋盘绕看起来毫无破绽。可它到底是可靠的实验级预测还是模型一本正经的猜测没有置信度信息这两者肉眼分不出来。AlphaFold 的每个输出目录都会同时给出结构文件和置信度文件目录结构见 README 输出说明ranked_0.pdb是置信度最高的结构confidence_*.json存逐残基 pLDDTpae_*.json存 PAE 矩阵。也就是说可信度判断所需的数据你本地就有不用额外跑任何东西。两把信任标尺先问它们各自动了什么这一节只回答pLDDT 和 PAE 各自动的是什么。pLDDT逐片段的质量检验单pLDDTpredicted Local Distance Difference Test给每个氨基酸残基打一个 0 到 100 的分类比成流水线质检每段产品出厂前都要盖一个置信/存疑的章。它回答的问题是**这一段本身能不能信**。打开confidence_*.json按分数着色渲染到结构上低值区会自己跳出来。四档读法与源码 alphafold/common/confidence.py 中的分档一致pLDDT 区间含义对你的意义90–100非常高侧链级细节可参考接近原子级精度70–90可信骨架可放心使用做常规结构分析没问题50–70低只保留拓扑信息别在这段上读细节0–50非常低大概率是无序/柔性区单独对待置信度数据在输出里是现成的也可以几行代码自己算import pickle from alphafold.common import confidence with open(result_model_1.pkl, rb) as f: res pickle.load(f) plddt confidence.compute_plddt(res[plddt][logits]) print(均值 %.1f低于 70 的残基数%d % (plddt.mean(), (plddt 70).sum()))PAE片段间相对位置的误差尺PAEPredicted Aligned Error是一张 N×N 的误差矩阵每两个残基之间都挂着一把相对位置误差尺刻度是埃Å告诉你把整体摆正之后这两个片段之间的相对位置最多可能偏多少。它回答的问题是**这两块拼在一起的那个样子能不能信**——这正是多结构域蛋白、蛋白复合物最要命的部分。30 秒看懂 PAE 矩阵把pae_*.json画成热图颜色越红代表相对位置越不确定。对角线上是一格格方块——每个方块对应一个结构域方块内颜色浅说明域内部稳方块与方块之间的色块发红则说明这两个域的相对摆位本身就不确定。多亚基模型同理链与链之间的区块发红界面就不可靠。一句话对角看局部质量离对角线看全局拓扑。合读方法当 pLDDT 和 PAE 给出打架的信号单看任何一个指标都会留下盲区正确姿势是把它们当同一结构的两个视角一个放大拍局部一个广角拍相对位置。信号打架时按下表下结论冲突场景pLDDT 表现PAE 表现怎么判域内扎实域间漂移各段普遍高对角方块间色块红单域结构可信跨域的相对距离不能当数用论文中需显式说明末端存疑整体稳固尾端一小段低主体区块误差小大概率是无序末端把它从结论中剔除即可阶梯式分布分段高/低交替对角线呈多个大方块典型多结构域边界信号先按域拆分再谈细节全局都低均值 50整体偏红换序列输入或 MSA 参数重跑仍不行则考虑实验验证判读路径本身可以固化下来后面每次都照走实操决策清单拿到预测后按 1→2→3 依次核查这一节是你能直接抄走的流程每次预测后照做即可。看整体 pLDDT 分布。打开confidence_*.json均值 70 以上且没有连续低值长段结构整体可用大片橙色50说明模型本身没把握先别往下走。圈出功能关键位点。活性中心、结合口袋、突变位点——这些残基的 pLDDT 若低于 50直接判定围绕这些位点的一切下游结论都不可信不用再看了。查 PAE 的功能相关区块。你的任务涉及哪两个片段之间两个结构域两条链的界面就去看矩阵中对应区块的颜色发红则相对位置降级处理。按下游任务定验收线。要写论文、做分子对接功能区 pLDDT ≥ 70且界面/跨域 PAE 不红只是生成假说或实验设计参考均值可用即可。低分想翻案时查 MSA。输出目录的msas/里是进化比对证据比对覆盖差、序列数少低 pLDDT 多半是输入问题换数据库重跑比纠结结构更划算。避坑指南五个看起来没问题的高频陷阱陷阱真相对策把低 pLDDT 当成预测失败低值往往是在正确预测这段本来就无序这本身就是有效结论结合序列特征与文献判断是否真无序再决定剔除还是保留把 pLDDT 当 B 因子读pLDDT 是写在 PDB 的 B-factor 字段里的但方向相反数值越大越可信与实验 B 因子越大越灵活的直觉正好相反任何二次处理前记住方向拿它做分子置换时尤其小心只看 pLDDT 均值下结论均值 85 也可能藏着关键位点的低值段永远先看功能位点局部值再看均值multimer 界面发红却照用链间 PAE 色块红 界面摆位不确定界面残基的局部高分救不了整体界面相关结论降级或改用复合物专项数据验证拿未排序的模型当最终结果5 个模型里ranked_0才是置信度最高的统一使用ranked_0.pdb及其对应置信度文件结论三句话判断标准pLDDT 管这段片段本身能不能用PAE 管片段之间能不能摆在一起——两个都过关整份结构才算可信。低 pLDDT 不是失败的代名词它经常是在告诉你这段本来就是无序的这本身就是正确预测。下游任务越硬论文关键图、分子对接验收标准越高均值合格不等于局部合格。【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考