生物分子结构预测

项目过程：四螺旋束蛋白的结构预测与质量评估

客户有一条新测序的蛋白序列，没有实验结构，想用计算预测一个可靠的三维模型，用于后续分子对接和功能分析。他特别关心预测结果的可信度，因为模型质量会直接影响下游分析。

我用的是基于深度学习的结构预测流程。先通过 MSA 搜索生成多序列比对，再输入结构预测网络生成三维坐标和每个残基的置信度分数 pLDDT。最后把预测模型和已知实验结构做叠合，计算 TM-score 作为全局质量指标。

除了主链结构，我还生成了预测接触图，用来和实验接触图或二级结构预测做交叉验证。

案例分析：pLDDT 普遍高于 90，TM-score=0.93

第一张案例图是每条残基的 pLDDT 分数。大部分残基 pLDDT 都在 90 以上，属于“very high confidence”区间；只有在 loop 区有几个下凹，pLDDT 降到 70 左右。这说明螺旋区预测非常可靠，柔性 loop 区置信度略低。图中用粉色阴影标出了 α-螺旋的位置，和 pLDDT 高值区基本重合。图上还标注了 TM-score=0.93 vs experiment，说明整体折叠拓扑几乎完全正确。

第二张案例图是预测的残基接触图。对角线附近和反平行螺旋之间的接触块清晰可见，整体呈现出四螺旋束（four-helix bundle）的特征拓扑。接触概率用颜色编码，黄色和红色区域对应高置信度接触。

总结教训：高 pLDDT 不等于全对

第一，pLDDT 只是局部置信度。即使整体 TM-score 达到 0.93，loop 区的侧链取向仍可能和真实结构有偏差，如果要做小分子对接，最好把结合口袋放在 pLDDT 高的区域。

第二，MSA 深度直接影响预测质量。这条蛋白有 2000 多条同源序列，MSA 信息很丰富；如果 MSA 序列少于 100 条，pLDDT 会明显下降。

第三，接触图可以帮助发现远距离相互作用。四螺旋束的螺旋间接触在图上一目了然，比单纯看 pLDDT 更能理解折叠拓扑。

项目经验：预测结构也要分等级使用

对于 TM-score>0.9 的模型，可以直接用于功能位点分析和对接筛选；对于 TM-score 在 0.7–0.9 之间的模型，只能用来做大尺度拓扑判断；低于 0.5 的模型基本不可用。这个项目的结果属于最高等级，下游对接和突变分析都可以放心做。

这篇文章把我在这个项目里用到的计算流程、参数取舍和图上读数做了完整复盘。如果你也在做类似方向，可以参考我的思路：生物分子结构预测。