{ "slug": "alphafold-evidence-and-confidence", "category": "科学 AI", "title": "AlphaFold 之后如何读懂结构预测：坐标、置信度与实验验证", "dek": "结合 AlphaFold 2、AlphaFold 3 与 EMBL-EBI 的置信度说明，明确结构预测对科学发现的帮助与证据边界。", "english": "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.", "refs": [ "af2", "af3", "plddt" ], "sections": [ [ "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。", [ "af2", "af3", "plddt" ] ], [ "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。", [ "af2" ] ], [ "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。", [ "plddt" ] ], [ "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。", [ "plddt", "af2" ] ], [ "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。", [ "af3" ] ], [ "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。", [ "plddt" ] ], [ "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。", [] ] ], "diagram": [ "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" ], "figureNote": "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。", "table": { "headers": [ "结果层", "其直接含义", "仍需要的证据" ], "rows": [ [ "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" ] ] }, "version": 1, "kind": "ai_assisted_research_guide", "author": "Codex（AI）", "published_date": "2026-10-16", "disclosure": "本站用户明确委托撰写与公开。由 Codex（AI）依据所列一手资料整理，配图由代码绘制；未经独立同行评审。文中原论文的实验结果归属于原作者，本文未运行新的模型训练或基准测试。", "limitations": "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。", "sources": [ { "id": "af2", "title": "Highly accurate protein structure prediction with AlphaFold", "authors": "Jumper et al.", "date": "2021-07-15", "url": "https://www.nature.com/articles/s41586-021-03819-2", "locator": "Nature 2021; network, Fig. 2 and limitations", "note": "AlphaFold2 links sequence/MSA and pair representations to 3D coordinates; predicted confidence is distinct from experimental confirmation.", "accessed_at": "2026-10-15", "rights": "Original source remains under its own license; only attributed factual synthesis, no source figures or long excerpts." }, { "id": "af3", "title": "Accurate structure prediction of biomolecular interactions with AlphaFold 3", "authors": "Abramson et al.", "date": "2024-05-08", "url": "https://www.nature.com/articles/s41586-024-07487-w", "locator": "Nature 2024; diffusion module and limitations", "note": "Diffusion-based joint prediction covers biomolecular interactions; the paper discusses hallucination in disordered regions and special evaluation conditions.", "accessed_at": "2026-10-15", "rights": "Original source remains under its own license; only attributed factual synthesis, no source figures or long excerpts." }, { "id": "plddt", "title": "pLDDT: Understanding local confidence", "authors": "EMBL-EBI Training", "date": null, "url": "https://www.ebi.ac.uk/training/online/courses/alphafold/inputs-and-outputs/evaluating-alphafolds-predicted-structures-using-confidence-scores/plddt-understanding-local-confidence/", "locator": "Official AlphaFold training; local confidence interpretation", "note": "pLDDT 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.", "accessed_at": "2026-10-15", "rights": "Linked official documentation; original synthesis only." } ], "figures": [ { "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" } ], "peer_reviewed": false }