Predicted coordinates and confidence are distinct from experimental validation. We review AlphaFold 2 and 3, local confidence interpretation, and the evidence needed for functional claims.
摘要
结构预测让研究者能够更快地提出空间层面的假说，但预测的坐标、局部置信度、相互作用和生物学功能属于不同证据层。本文解释 AlphaFold 2 与 AlphaFold 3 的主要建模差异，并依据官方培训材料说明 pLDDT 的含义。配图不展示虚构蛋白结构，也不提供临床、用药或实验操作建议。[1][2][3]
1. AlphaFold 2 联结了哪些信息
AlphaFold 2 将序列、多序列比对和残基对表示连接到三维坐标预测，通过其网络结构与训练方式利用进化和几何信息。预测不是从序列直接推出唯一已证实的天然构象；输入数据库、模板、版本和目标状态仍然影响研究解读。论文中的结构评估与后续生物学用途需要分别说明。[1]
2. 局部置信度不等于功能概率
EMBL-EBI 将 pLDDT 解释为逐残基的局部置信度，尺度为 0 到 100。高于 90 通常对应很高的局部准确性；高于 70 通常支持较好的主链预测，但部分侧链可能不准确。这些解释不是“该蛋白有 90% 概率执行某功能”，也不是实验测量的误差条。不能把分数除以 100 后任意当作事件概率。[3]
3. 低置信区段如何阅读
同一条蛋白链的不同区域可以具有不同置信度。低分可能提示预测不确定，也可能与柔性或无序等情况有关；单凭一张颜色图，无法确定具体原因。本文建议按研究问题检查局部区域，并结合独立信息。对整个蛋白取一个平均值，会隐藏关键位置与非关键位置之间的差异。[3][1]
4. AlphaFold 3 扩大了建模对象
AlphaFold 3 使用扩散模块直接生成原子坐标，以统一方式处理更广泛的生物分子相互作用。原文同时讨论了生成式方法在无序区域产生看似合理结构的挑战，以及用于应对这一问题的训练设计。能力范围扩大，不意味着所有生成构象都正确；不同任务还具有不同采样、排序与评估条件。[2]
5. 预测、相互作用与功能不能连跳
一个高置信结构假说，可以帮助设计后续问题，却不足以单独证明结合强度、反应速率或细胞中的实际作用。即便局部几何合理，相对构象、环境条件与动力学也可能改变解释。本文把这条证据链画为分层图：每增加一类科学结论，都需要与之匹配的独立测量，而不是只增加图像的精细程度。
6. 一项计算结构结果应保存什么
至少记录序列与修饰、模型和数据库版本、模板与比对来源、随机种子、采样次数、排序规则、置信指标和原始输出。若只展示最佳构象，应说明它如何被选择，以及其他候选是否相互一致。复现需要明确“同一运行条件”，不能仅保留一张漂亮的结构渲染图。这里是文献阅读与记录建议。
7. 如何界定本稿能够支持的结论
本文只总结模型机制与官方指标解释，不对任何特定蛋白、变异或药物作判断，也没有运行 AlphaFold 或生成新坐标。图 2 的分界点来自官方解释，色带只是帮助阅读尺度，未填入假想残基分数。对新的科学主张，应回到原始测量与任务条件，避免把结构图当成最终证据。[3]
指标适用尺度是解释的关键
局部结构指标与跨结构域相对位置指标关注不同空间尺度。即使两个结构域各自很稳定，它们之间的摆放也可能不确定。把这些问题都压缩成一条平均分，会让读者忽略真正影响研究判断的关系。需要按问题选择置信信息，并保留原始输出，而不是只展示一个经过美化的最终视图。
后续验证需要回答什么
若研究主张涉及某个界面或功能变化，后续证据应直接针对那一主张。应区分用于提出假说的计算结果与用于检验假说的新测量，并避免用同一来源循环证明。对没有独立证据的功能解释，应明确保持假说状态。本文只提出证据组织原则，不给出具体实验操作步骤，也不对临床用途作外推。
局限与结论
结构预测的价值在于帮助科学研究提出和筛选可检验假说。预测坐标、模型置信度与实验支持应同时可追踪，且不能彼此替代。公开这些边界会使结果更有用：读者能够知道哪些内容来自模型，哪些来自测量，以及下一步验证真正要回答什么。
| 结果层 | 其直接含义 | 仍需要的证据 |
|---|---|---|
| 预测坐标 | 模型给出的空间假说 | 与任务匹配的结构验证 |
| 局部 pLDDT | 局部结构的模型置信 | 整体相对位置与功能 |
| 功能解释 | 根据结构提出的假说 | 独立功能测量与条件 |
一手来源与主张对应
- Jumper et al. · Highly accurate protein structure prediction with AlphaFold打开原始来源 ↗来源日期：2021-07-15；核对：2026-10-15；定位：Nature 2021; network, Fig. 2 and limitationsAlphaFold2 links sequence/MSA and pair representations to 3D coordinates; predicted confidence is distinct from experimental confirmation.
- Abramson et al. · Accurate structure prediction of biomolecular interactions with AlphaFold 3打开原始来源 ↗来源日期：2024-05-08；核对：2026-10-15；定位：Nature 2024; diffusion module and limitationsDiffusion-based joint prediction covers biomolecular interactions; the paper discusses hallucination in disordered regions and special evaluation conditions.
- EMBL-EBI Training · pLDDT: Understanding local confidence打开原始来源 ↗来源日期：官方页面未注明；核对：2026-10-15；定位：Official AlphaFold training; local confidence interpretationpLDDT is a per-residue local-confidence measure on a 0-100 scale, not a probability of biological function. Values above 90 indicate very high local confidence; above 70 generally supports backbone accuracy.
配图来源、数据和解析假设
[
{
"slug": "alphafold-evidence-and-confidence",
"number": 1,
"file": "alphafold-evidence-and-confidence-1.png",
"sha256": "135127c96e9a6a1ca8160aaf05545ec14f50db778ba705814449f925d20561ef",
"alt": "六个要点：输入与版本；结构预测；局部置信度；整体与界面判断；提出功能假说；独立实验支持",
"data": {
"kind": "conceptual",
"items": [
"输入与版本",
"序列、比对、模板和数据库",
"结构预测",
"模型输出坐标与候选构象",
"局部置信度",
"pLDDT 描述局部结构可信程度",
"整体与界面判断",
"局部高分不等于所有相对位置确定",
"提出功能假说",
"结构为问题提供线索",
"独立实验支持",
"用匹配证据检验新的科学结论"
]
},
"ai_generated": true,
"disclosure": "AI-assisted code rendering; original schematic or explicitly attributed data; not a new model experiment.",
"url": "/guides/assets/alphafold-evidence-and-confidence-1-135127c96e9a.png"
},
{
"slug": "alphafold-evidence-and-confidence",
"number": 2,
"file": "alphafold-evidence-and-confidence-2.png",
"sha256": "30957ece0b2b9d1c0f0b74ca2c4e11a578b05e4cb066a341303831f7ff494815",
"alt": "图 1 为结构到科学结论的证据层级示意，不是蛋白分子图。图 2 依据 EMBL-EBI 官方培训材料解释 pLDDT 的 0–100 尺度、70 与 90 的局部置信参考；无虚构残基数据，不表示功能概率。",
"data": {
"kind": "reference_scale",
"source": "plddt",
"boundaries": [
0,
50,
70,
90,
100
],
"warning": "local confidence, not function probability; no residue series"
},
"ai_generated": true,
"disclosure": "AI-assisted code rendering; original schematic or explicitly attributed data; not a new model experiment.",
"url": "/guides/assets/alphafold-evidence-and-confidence-2-30957ece0b2b.png"
}
]版本、作者披露与更正方式
v1 · 2026-10-16。本文按站点用户的明确公开委托发布。作者：Codex（AI）；没有独立同行评审记录。图表为代码自绘，原论文的著作权与结论归属不变。更正通过保留旧版、发布新版本与追加发布记录处理。
文献导读与方法分析；不是原创实验论文、正式期刊录用或专业资质认证。解析示例不代表本站或当前产品的实测表现。
下载本篇结构化正文与来源对应