企业官网建设流程全解析

AlphaFold 预测结果解读：pLDDT 分档与 PAE 热图 10 分钟速览指南

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold

AlphaFold 预测结果解读的完整框架就是两个指标：pLDDT 给每个残基一个置信度评分，回答蛋白质哪些部位可信；PAE 给任意两个区域间的相对位姿一个可信度评分，回答哪些相对排布可信。二者是所有预测可靠性判断的起点，其计算逻辑集中在 alphafold/common/confidence.py 模块。

先看 pLDDT：四档残基置信度速查

pLDDT 按残基逐位置打分，取值 0–100，可视化时不同分值区间会渲染成不同颜色。分档逻辑可由 alphafold/common/confidence.py 中的_confidence_category函数直接验证：

再看 PAE 热图：两段结构间的相对排布可信吗

PAE 是一个与残基数同阶的 N×N 矩阵，第 (i, j) 个元素量化残基 i 相对残基 j 的位姿不确定度。读热图时抓三类色块：

• 主对角线一带整体偏暗 → 整条链是刚性折叠体，整体可信；
• 远离对角线出现亮色块 → 这两段之间的相对位姿不可靠，通常对应结构域边界或柔性连接肽；
• 多亚基复合物的亚基间色块 → 直接反映相互作用界面的可信程度，亚基内暗、亚基间亮，说明单链折叠对而复合物组装存疑。

高置信深蓝区域能做什么

pLDDT 落在 90 以上的区段，原子位置基本可直接采信，以下三类工作可以放心展开：

大面积红色（pLDDT<50）区域的三种可能原因排查

大片红色不等于预测失败，按以下顺序逐条排除：

1. 本质无序：该段天然态即为内在无序区（IDR）。可用无序区预测工具交叉验证；
2. 序列信息不足：该段同源序列覆盖太少，模型缺少建模依据。补充近缘序列或更换更大的多序列库后重跑；
3. 缺少稳定因素：折叠依赖辅因子、配体或翻译后修饰，裸链本身不稳。可参考含配体的同源结构定位。

结构域间相对排布置信度低时的处理办法

PAE 非对角块显示不确定度高时，通常各域自身形状仍然正确，出错的是"怎么拼"。对应三条路线：

• 按结构域拆分、分开跑预测，拿到各自的高精度单域结构；
• 以已知同源结构中的相对排布为模板，手动重新组装；
• 跑分子动力学（MD）模拟，对该界面采样构象系综，找出稳定状态。

5 个预测模型要逐个对比

默认设置会输出 5 个模型，把它们的 pLDDT 色阶与 PAE 数值逐位对照：

• 高度一致：5 个模型的色阶与 PAE 基本重合 → 整体构象大概率正确，置信等级最高；
• 局部分歧：同一段残基在部分模型呈深蓝、在另一部分呈黄/红 → 该段是结构不确定性热点，下游分析避开对它的依赖；
• 一致地低：5 个模型同段全红 → 大概率不是随机误差，而是该段序列信息或可折叠性不足的信号。

批量筛选高质量结构：JSON 导出与四项关键指标

蛋白组规模的 AlphaFold 置信度筛查靠脚本而不是肉眼。confidence_json函数（见 alphafold/common/confidence.py）可把每残基的置信度分数与类别直接导出为 JSON，随后计算四个指标并设阈值过滤：

收尾：一句可执行的动作清单

跑完一次预测后按序做三件事：① 沿 pLDDT 色阶扫一遍全链分布；② 在 PAE 热图上定位最亮的两三个非对角块；③ 导出 JSON 核对上表四项指标。三步走完，该结构可信到哪一级、下一步该走对接还是该补序列，结论自然清楚。

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold