AlphaFold 结构预测可靠性：判断预测结构能不能用的 5 项自查完整指南
【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold
结构跑出来了，能直接用吗？这篇文章带你做 AlphaFold 结构预测可靠性判断：两个核心指标 pLDDT、PAE，外加 5 项自查清单，帮你 5 分钟内决定这个结构能不能直接进下游分析。
场景开场：结构在手，先别急着跑对接
你花了一周时间，CASP 级别的跑批终于结束，PDB 文件躺在硬盘里。同事问：这个结构能用吗？
你的第一反应可能是"模型不都挺漂亮的吗"。但漂亮不等于可信。 AlphaFold 的可靠性评估和预测本身同等重要——错误的结构解读会直接带偏后面的对接、突变设计和论文结论。
好消息是，AlphaFold 给你留了"体检报告"：pLDDT 看每个残基的可信度，PAE 看残基之间相对位置的误差。下面按"主诉"逐项问诊。
主诉一：pLDDT 曲线——每个残基的"信用评级"
它测什么
pLDDT（predicted Local Distance Difference Test）给每个氨基酸残基打一个 0–100 的分，衡量"这个残基的 Cα 位置预测得有多准"。你可以把它理解成逐残基的信用评级：分越高，这条残基越值得你依赖。
三步读数法
- 第一步，看整体水位：曲线的平均值和分布决定你该期待多少。大部分残基都在 80 以上，说明整体折叠稳。
- 第二步，找长尾：把曲线和序列特征（无序区、linker、PTM 位点）对照，看低分区是"真无序"还是"模型没把握"。
- 第三步，圈目标：标出你的活性位点、结合口袋、突变位点在曲线上落在哪一档，后面怎么用就看这一档。
拿到结果怎么用
AlphaFold 官方把 0–100 划成四档，阈值如下：
| 档位 | 分值区间 | 怎么看待 | 适合的下游应用 |
|---|---|---|---|
| H（高） | 90–100 | 非常可靠 | 分子对接、突变效应分析等精细操作 |
| M（中） | 70–90 | 整体可信、细节可能偏 | 功能区域分析、表位大致定位 |
| L（低） | 50–70 | 误差可能较大 | 只作参考，别单独下结论 |
| D（无序） | 0–50 | 大概率是内在无序区 | 不建模，实验上也难定结构 |
四档的判定逻辑就在源码里，对照着看不会错：_confidence_category函数按上面这组阈值输出 D / L / M / H。
主诉二：PAE 热图——残基对的"GPS 误差地图"
它测什么
pLDDT 只说"这个残基自己在哪"，PAE（Predicted Aligned Error）回答的是"这两个残基之间的相对距离准不准"。它是一张残基对矩阵：横纵轴都是残基序号，颜色代表这对残基对齐后的预测误差（单位 Å）。就像 GPS 误差地图——单点定位可能看着准，误差地图才告诉你两段路之间的相对位置可不可信。
热图三步读法
- 看对角线：对角线附近常年是深色低误差区，说明局部二级结构、小片段内部相对可靠，这是正常现象。
- 看色块分界：热图通常被切成若干低误差色块，块与块之间的边界往往对应结构域边界。若两域之间的色块也是低误差，域间排布可信。
- 看跨区域：远离对角线的大片高误差区，意味着这两段之间的取向模型没把握。做界面分析时，跨链区块高误差 = 复合物的取向和结合模式要打个问号。
拿到结果怎么用
- 域间取向、构象异质性判断，优先信 PAE 而不是 pLDDT。
- 蛋白-蛋白界面可信度，看跨链区块的误差高低。
- pLDDT 高但 PAE 对应区块高，说明"各自站得稳，但站得相对不稳"，下游别把取向当定论。
复合物加查项：pTM 和 ipTM
预测复合物（多链、蛋白-配体大复合体）时，pLDDT 和 PAE 之外还有两个整体指标：
- pTM：预测 TM 分数，0–1，越高表示整体构象与真实结构越接近，看"整体像不像"。
- ipTM：界面版 pTM，只统计不同链之间的残基对，专门衡量复合物界面质量，看"握没握上手"。
两者都由 PAE 的概率分布算出，实现见 alphafold/common/confidence.py 的predicted_tm_score函数（interface=True即 ipTM）。复合物场景下，pTM / ipTM 高而某条链 pLDDT 低，常见于"大框架对、小区域乱"的情况，解读时分开处理。
🔍 用前自查清单：5 项全过再用
把结构拉去做下游分析前，对着这张表逐项打钩：
| # | 检查项 | 通过标准 |
|---|---|---|
| 1 | pLDDT 整体水位 | 核心区多数残基落在 M/H 档，无大面积 D 区混在目标区域 |
| 2 | 目标区域定位 | 活性位点、结合口袋、突变位点明确落在 H 或 M 档 |
| 3 | PAE 对角线与色块 | 局部区块低误差；关心的域间/链间区块也是低误差 |
| 4 | 复合物指标（如适用） | 链组成输入正确；pTM、ipTM 无异常偏低 |
| 5 | 交叉验证与跑法 | 与同源结构/实验数据比对过；大目标已考虑加种子与回收次数 |
第 5 项展开说：官方技术说明 docs/technical_note_v2.3.0.md 建议对大型或复杂目标把每个模型的种子数加到 20、最大回收（recycling）次数也提到 20，并用 AlphaFold-Multimer 处理复合物。跑过的同学可以回看自己的参数是否按这个档位来。
收束：预测的边界在哪
预测结构是假说的起点，不是终点——无序区、动态构象、配体结合状态，模型都可能给不了答案。所以第 5 项永远是最后一道闸：和 X 射线晶体学、冷冻电镜、NMR 或定点突变实验交叉验证，再签字放行。
指标定义与计算全部开源在 alphafold/common/confidence.py，版本细节与跑参建议看 docs/technical_note_v2.3.0.md。报告读完了，结构能不能用，现在该你拍板。
【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
