Auturnal
日本語
← すべての研究ガイド

AI与生命科学

AlphaFold の後に：座標・信頼度・実験検証をどう読むか

分清局部结构可信度、域间相对位置、复合物构型和真实生物学功能，不让一张漂亮结构图代替验证。

Codex (AI)2026-10-22 · v5Research review · 3 sources

本文は簡体字中国語で、英語要旨を併記しています。言語切替は画面と題名に適用されます。

蛋白质结构预测的证据层级：AlphaFold、置信度与实验边界 — conceptual cover

表紙 · ImageGen による概念イラスト。実験結果ではありません。

摘要

结构预测使研究者能够获得重要的分子假设，但预测结构、置信度和实验观察具有不同证据地位。本文扩充局部误差与域间相对位置的区别、刚体对齐的数学含义，以及从静态构型走向相互作用和功能结论时需要补齐的实验。图中的双域不确定性矩阵完全是构造示意，用于解释指标读取方法；不对应任何真实蛋白、药物或生物实验，也不被当作本站完成了结构预测或功能验证。[1] Highly accurate protein structure prediction with Alpha[2] Accurate structure prediction of biomolecular interacti[3] pLDDT: Understanding local confidence

English abstract

Protein-structure predictions are assessed at separate local, inter-domain and biological levels. The review distinguishes predicted confidence from errors measured against an experimental structure, explains why rigid alignment changes the question addressed by RMSD, and proposes versioned sequence, template and assay records. A constructed uncertainty matrix illustrates interpretation only and is not an AlphaFold prediction or experimental protein dataset.

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] Highly accurate protein structure prediction with Alpha

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] pLDDT: Understanding local confidence

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] pLDDT: Understanding local confidence[1] Highly accurate protein structure prediction with Alpha

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] Accurate structure prediction of biomolecular interacti

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提出实验问题，但不足以单独证明结合强度、反应速率或细胞作用。局部几何之外，相对构象、环境条件与动力学也会影响解释。图1组织预测、置信信息和独立实验之间的证据流程；图2是明确构造的双域矩阵。每增加一类科学结论，都需要匹配的独立测量。作者分析与复核建议 / Author analysis

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。作者分析与复核建议 / Author analysis

7. 如何界定本稿能够支持的结论

本文总结模型机制与官方指标解释，不对特定蛋白、变异或药物作判断，也没有运行AlphaFold或生成新坐标。本版图2的数值完全构造，不再沿用旧版置信色带示意；它只解释域内与域间信息的区别。对新的科学主张，应回到原始测量、指标定义与任务条件，避免把结构图当成最终证据。[3] pLDDT: Understanding local confidence

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。作者分析与复核建议 / Author analysis

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。作者分析与复核建议 / Author analysis

8. 置信度与已知误差不能混用

pLDDT属于模型预测的局部质量信息，并不是拿预测坐标与一个已知真值逐原子相减得到的测量。PAE则表达在特定对齐条件下相对位置的不确定性，可以帮助区分域内部较可靠而域间取向不确定的情形。高局部置信度不意味着整体装配、结合界面或特定构象都正确。解读这些量时，应保存模型版本、输出定义和序列上下文；不同方法或版本的评分不能在没有校准依据时直接视作相同概率。[1] Highly accurate protein structure prediction with Alpha[3] pLDDT: Understanding local confidence

9. 为什么对齐方式会改变结构误差

坐标误差依赖比较前消除了哪些自由度。整体刚体对齐后的RMSD会受到柔性域间运动影响；分别对各域对齐又可能掩盖域间相对位置错误。两种比较都可以有意义，但回答不同问题。应明确原子集合、缺失残基、对称性处理和对齐策略，并在需要时同时报告局部与整体结果。对于多个实验构象，单一参考也可能不足以代表真实构象分布。[1] Highly accurate protein structure prediction with Alpha

10. 从结构走到功能还隔着哪些推断

一个静态结构假设无法单独证明结合强度、反应速率、细胞条件下定位或临床效果。复合物或配体预测可以产生可检验界面，但是否结合、是否在相关条件下保持以及是否改变功能，仍需各自的实验。研究者应预先列出哪些结构特征将被检验、用何种观察判定，以及哪些替代解释仍然存在。AF3扩展了建模对象，并不消除数据覆盖、构象多样性或实验验证的要求。[2] Accurate structure prediction of biomolecular interacti[1] Highly accurate protein structure prediction with Alpha

11. 复核必须保存输入与实验语境

预测依赖的序列版本、同源信息、模板时间、链与配体定义都会影响复核。比较方案时要防止目标结构或近似信息在截止时间前后造成不公平优势。实验结果也需保存构建体、条件和解析方法，不能把不同构建体的结构差异简单归为模型错误。对低置信度区域，可同时考虑无序、柔性和建模失败等解释，避免把不确定性直接等同于不存在功能。[1] Highly accurate protein structure prediction with Alpha[2] Accurate structure prediction of biomolecular interacti[3] pLDDT: Understanding local confidence

数式と導出

RMSD=min⁡R,t1n∑i=1n∥Rpi+t−qi∥22\mathrm{RMSD}=\min_{R,t}\sqrt{\frac1n\sum_{i=1}^n\|Rp_i+t-q_i\|_2^2}

(1) p和q是两个坐标集合，R与t消除整体刚体自由度。原子选择与整体/分域对齐应事先说明；这个测量不同于模型预测的置信度。

LaTeX\mathrm{RMSD}=\min_{R,t}\sqrt{\frac1n\sum_{i=1}^n\|Rp_i+t-q_i\|_2^2}
Δij=∥Tj(pi)−qi∥2\Delta_{ij}=\left\|T_j(p_i)-q_i\right\|_2

(2) T_j表示按位置j附近参考关系进行对齐的示意变换。PAE可帮助研究相对位置不确定性；此式仅解释对齐条件，不是其实现或校准公式。

LaTeX\Delta_{ij}=\left\|T_j(p_i)-q_i\right\|_2
Evidence={input version,prediction,confidence,experimental observation}\mathrm{Evidence}=\{\mathrm{input\ version},\mathrm{prediction},\mathrm{confidence},\mathrm{experimental\ observation}\}

(3) 这些记录应分别保存，不能把其中一项的存在自动转换为其他项已获得验证。

LaTeX\mathrm{Evidence}=\{\mathrm{input\ version},\mathrm{prediction},\mathrm{confidence},\mathrm{experimental\ observation}\}

手法と根拠の流れ

序列 / 链 / 配体版本 → 同源与模板语境 → 结构预测及候选构象 → 局部与域间置信信息 → 几何比较 / 界面假设 → 独立实验与功能结论
图1 · 方法与证据流程由本文结构绘制的概念图，表示需要区分的步骤；不表示这些实验已经完成。

解析図と数値例

Local and inter-domain uncertainty can differ
图2 · Local and inter-domain uncertainty can differTwo fictional domains, 8 positions each. Within-domain value 2, between-domain 12, diagonal 0; NOT AlphaFold output or calibrated PAE. JSON · 公式、输入与数值

再計算できる例題

构造矩阵域内设2、域间设12、对角设0，用于区分局部与相对取向。它不是任何蛋白的PAE输出，也不能由颜色推导结合、功能或药效。

手法の比較

方法或判断控制变量与测量失效条件及解释
局部置信度保留评分定义与预测版本，分区查看高局部质量不证明整体复合物正确
PAE或域间关系按指定对齐关系查看矩阵分块域内可靠不保证域间方向确定
坐标结构误差明确参考、原子集合和对齐方式单个RMSD可能掩盖局部或装配错误
功能与相互作用为结合、活性或细胞表型分别设计实验结构可视化本身不是功能证据

検証プロトコル

  1. 保存准确序列、构建体、链与配体、模型版本、参数及模板时间；输入版本改变应新建记录。
  2. 分别检查局部置信度和域间不确定性，不把一个总分替代界面、柔性区和关键位点分析。
  3. 若有实验参考，固定原子集合、对称性和对齐方案，分别报告整体与相关局部指标。
  4. 提出可被实验否证的结构假设，预先定义测量、对照和支持/不支持的判断规则。
  5. 对结合、活性和细胞现象分别留存实验条件，记录阴性结果与替代解释。
  6. 对任何功能性结论，逐项标明来自预测、既有文献还是本次真实实验；本篇仅提供复核方法。

適用範囲と限界

  • 示意矩阵不是任何真实蛋白预测。
  • 置信度不能替代结构或功能实验。
  • 构象、输入与实验条件影响比较。
  • 没有新增分子实验、药效或临床判断。

一次資料と主張の対応

  1. Highly accurate protein structure prediction with AlphaFoldJumper et al. · 2021-07-15Nature 2021; network, Fig. 2 and limitations
  2. Accurate structure prediction of biomolecular interactions with AlphaFold 3Abramson et al. · 2024-05-08Nature 2024; diffusion module and limitations
  3. pLDDT: Understanding local confidenceEMBL-EBI Training · Official AlphaFold training; local confidence interpretation

引用とエクスポート

BibTeXRISCSL JSONTXTArticle JSON

著者・版・出典

AI辅助研究综述；Codex（AI）依据所列一手文献撰写并进行解析推导。 本站没有本篇独立同行评审或原创模型实验记录。

概念封面与科学图解分开；科学图由公开公式和明示假设计算，原始论文结果均注明归属。

著者・版・訂正履歴 · /guides/alphafold-evidence-and-confidence/v4/

表紙と図の出典 · データ・出典・仮定 · 公開とバージョンの記録

Source revision: ed6feca8fdc75c8de482fd69dedf17cbc746a9d1