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 pLDDT，pae_*.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

pLDDT（predicted 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）：

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

PAE（Predicted 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：

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。

1. 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。
2. 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。
3. 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。
4. 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。
5. 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

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