AlphaFold PDB/MMCIF 输出文件解读指南：3 步从 ranked_0.pdb 拿到坐标、pLDDT 并交付下游

AlphaFold PDB/MMCIF 输出文件解读指南：3 步从 ranked_0.pdb 拿到坐标、pLDDT 并交付下游

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

蛋白质结构预测任务跑完，输出目录里躺着十几个名字相近的文件：哪个才是最终结构，哪个该交给对接软件，置信度又写在哪？这篇指南基于 AlphaFold 开源仓库的真实代码，带你解读并处理它的 PDB/MMCIF 输出文件——先判断预测可不可信，再提取坐标与 pLDDT，最后把结构文件交给下游工具。

📁 先看哪个文件：输出目录速查

预测完成后，每条序列的结果存放在--output_dir下以 FASTA 文件名命名的子目录里。单体预设会跑 5 个模型（model_1 到 model_5），多聚体预设的模型名会带上_multimer_v3和_pred_i后缀。不管落在哪种情况，对着这张表选文件就行：

有个细节会影响你后续的选择：ranked_*按ranking_confidence排序，多聚体预设下这个值由 iPTM 和 pTM 组成，单体预设下则是 pLDDT。默认参数下只有排名第一的模型会做 Amber 最小化（--models_to_relax=best），所以ranked_0.pdb正是它的最小化版本，ranked_1~4则是未松弛的。打开任何一个文件前，先记住一件事：pLDDT 分数就藏在"温度因子（B 因子）"那一列里。

🎯 预测结果能不能用：pLDDT 与 PAE 质量门禁

上图是 AlphaFold 在 CASP14 中的预测与实验结构对比——任何预测的终极目标就是这种吻合度，而你跑完任务要做的第一件事，是快速判断这次离它有多远。

pLDDT 是逐残基的置信度分数，范围 0–100。仓库在 confidence.py 里把它分成四档：低于 50 为 very low，50–70 为 low，70–90 为 confident，90 以上为 very confident。PDB 文件里，这个分数被重复写到该残基每个重原子的 B 因子列中，所以可视化时"按 B 因子着色"其实就是在按 pLDDT 着色。PAE 是一个残基 × 残基的矩阵，给出对齐后的期望距离误差（Å），只有带 PAE 头的模型才会写出它（多聚体预设是典型情况）：看对角块能判断结构域内部的可靠程度，多聚体的话，非对角块就是链间关系的置信度。

检查顺序建议"先看图、再取数"：用 PyMOL 打开ranked_0.pdb按 B 因子着色，整体偏红黄说明整体质量不错，出现大片蓝色就说明要重点审视那段低置信区。视觉上过了关，再用 json 把数字落到报告里：

import json, numpy as np conf = json.load(open('model_1/confidence_model_1.json')) scores = np.array(conf['confidenceScore']) print(f"平均 pLDDT {scores.mean():.1f}，≥90 占比 {(scores >= 90).mean():.0%}") for cat in ('very low', 'low', 'confident', 'very confident'): print(f" {cat}: {sum(c == cat for c in conf['confidenceCategory'])}") pae = np.array(json.load(open('model_1/pae_model_1.json'))[0]['predicted_aligned_error']) print(f"PAE 整体均值 {pae.mean():.1f} Å，对角(域内)均值 {np.diagonal(pae).mean():.1f} Å")

其中confidenceScore就是逐残基 pLDDT（残基号从 1 开始）；输出目录里没有 PAE json 时，说明当前预设的模型不带 PAE 头，属于正常现象而不是出错。

🔬 怎么取坐标和 pLDDT：PDB 与 MMCIF 两个最小示例

两种格式装的是同一份结构，差别只在容器：PDB 是定宽列，ATOM 记录里依次有原子名、残基三字母码、链 ID、残基序号、xyz 坐标、占有率、B 因子；MMCIF 是键值对，原子信息集中在_atom_site类别，label_asym_id是链、label_seq_id是残基序号、B_iso_or_equiv是 B 因子（在 AlphaFold 输出里即 pLDDT）。抓住这几个字段，文件就能读，用代码解析更省事。

这段代码用 Biopython 从 PDB 里抽出 Cα 轨迹和 pLDDT，一次循环同时拿坐标和分数：

from Bio.PDB import PDBParser import numpy as np struct = PDBParser(QUIET=True).get_structure('af', 'model_1/ranked_0.pdb') ca, plddt = [], [] for res in struct.get_residues(): if 'CA' in res: ca.append(res['CA'].get_coord()) plddt.append(res['CA'].get_bfactor()) # B 因子列即 pLDDT print('Chains:', sorted({ch.id for ch in struct})) np.savez('af_model.npz', ca=np.array(ca), plddt=np.array(plddt))

get_bfactor()取到的正是藏在温度因子列里的 pLDDT，ca按残基顺序排列，和 plddt 一一对应。换 MMCIF 只是换个解析器：

from Bio.PDB import MMCIFParser import numpy as np struct = MMCIFParser(QUIET=True).get_structure('af', 'model_1/ranked_0.cif') ca, plddt = [], [] for res in struct.get_residues(): if 'CA' in res: ca.append(res['CA'].get_coord()) plddt.append(res['CA'].get_bfactor()) # 对应 B_iso_or_equiv 列 print('Chains:', sorted({ch.id for ch in struct})) print('Mean pLDDT', float(np.mean(plddt)))

两种格式取出的结果完全一致，下游工具喜欢哪个就给哪个；QUIET=True只是关掉解析器的告警刷屏。

🚀 下一步要干什么：交付下游的三条路

需要 MMCIF？用仓库自己的代码三行转换

有些下游流程或数据库提交只认 mmCIF，不必自己逐列拼，仓库的 protein.py 已经实现了 PDB 文本 → Protein 对象 → MMCIF 的完整回路：

from alphafold.common import protein pdb_str = open('model_1/ranked_0.pdb').read() prot = protein.from_pdb_string(pdb_str) open('model_1/ranked_0.cif', 'w').write( protein.to_mmcif(prot, file_id='ranked_0', model_type='Monomer'))

file_id会被写进 CIF 的数据块名（正式场合传 PDB ID 或自定义编号），model_type取Monomer或Multimer，影响写入的实体信息；转换过程中 B 因子列里的 pLDDT 也会原样带过去。

想看看结构？PyMOL 加载并按 pLDDT 着色

from pymol import cmd cmd.load('model_1/ranked_0.pdb', 'af') cmd.show('cartoon', 'af') cmd.spectrum('b', 'rainbow', 'af', minimum=0, maximum=100) cmd.zoom('af', 10)

spectrum('b', ...)里的b表示按 B 因子通道取色，也就是 pLDDT：蓝是低置信、红是高置信，minimum和maximum锁死色标范围，避免不同文件间颜色漂移。

准备对接？先把结构收拾干净

结构交给对接程序前通常要三样东西：有氢、几何干净、只留目标链。默认做过的ranked_0.pdb已经由 Amber 最小化补上氢原子；如果你是--models_to_relax=none跑的，文件里没有氢，得先用 PyMOL 的h_add或 pdb2pqr 补上。多聚体时记得用chain A之类的选择器挑出要对接的子基，把其余链删掉，避免把整个复合物塞进盒子；文件里还剩多少几何问题，查relax_metrics.json的remaining_violations_count，非零的话可以顺藤摸瓜看是哪些残基在闹脾气。

⚠️ 卡住了吗：5 个高频问题的踩坑速查

relaxed 和 unrelaxed 到底该选哪个？多数下游直接用ranked_*（默认就是最小化后的最优模型）：加了氢、立体化学违规也被压低了。unrelaxed_*留给两个场景——想看模型原始输出，或者你要单独调试最小化这一步。

B 因子列为什么不是温度因子？它真的不是温度因子。AlphaFold 特意复用了这一列存放逐残基 pLDDT，unrelaxed 和 relaxed 文件里的 B 因子同源；做经典分子动力学式的"热运动"分析时别把它当真。

多聚体的多条链怎么区分？FASTA 里各序列的顺序对应 PDB 链 ID A、B、C……（完整字符集是 A–Z、a–z、0–9，最多 62 条链，见 protein.py 中的PDB_CHAIN_IDS），链与链之间用 TER 记录分隔，Biopython 里直接取chain.id即可。

ranked_0.pdb 的 B 因子为什么和 unrelaxed_model_1.pdb 一样？坐标变了、B 因子没变：最小化流程结束后会把 pLDDT 重新写回 B 因子列，见 relax.py 里的overwrite_b_factors调用。

输出目录里为什么没有 pae_*.json？PAE 只在模型输出包含predicted_aligned_error时写出，单体预设（model_1 到 model_5）不带这个头，只有confidence_*.json是正常的。

➡️ 接下来去哪：从仓库模块继续深入

这套流程——pLDDT/PAE 定可信度、按格式取坐标和置信度、把结构文件交给下游——可以作为处理任何 AlphaFold 输出目录的标准动作。想弄清楚文件为什么这样命名、转换在内部是怎么做的，按仓库里的这几处往下读：run_alphafold.py 的输出命名与排序逻辑、alphafold/common/protein.py 的to_pdb/to_mmcif/from_pdb_string实现、alphafold/common/confidence.py 的 pLDDT 与 PAE json 生成，以及 alphafold/relax/relax.py 的 Amber 最小化流程。再往后一步，afdb/README.md 解释了预测结构在数据库层面如何被标注和发布。

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