AlphaFold 蛋白质设计怎么筛选突变方案4 个判断阈值与 5 个易踩的坑【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold这是 AlphaFold 蛋白质设计流程里最典型的起点一支工业脂肪酶超过 60℃ 活性掉掉 40%你改了序列却没有实验结构能告诉你它到底死在哪。只能先靠计算把候选方案筛出来再把头部选手送去实验验证。下面的操作全部基于 AlphaFold 2 开源实现v2.3.2跑一次run_alphafold.py你就能拿到设计所需的全部基准。酶在 60℃ 上不工作时设计从哪里开始上图为 CASP14 测试中的两个靶点蓝色预测结构与绿色实验结构几乎完全重合GDT 分别达到 90.7 和 93.3。这意味着即便是较难的靶点预测结构的骨架也足够可靠可以直接作为突变设计的依据。跑通一次预测后输出目录里有三样东西ranked_0.pdb置信度最高的模型、confidence_model_*.json逐残基 pLDDT、pae_model_*.json(逐残基对 PAE)。这套文件就是后续所有突变的基准——每个突变体都要拿它当参照物对比。如何用 pLDDT、PAE 和 pTM 判断一个突变方案好不好设计突变之前先学会读这三组指标否则后面所有筛选都没有依据指标输出位置读法pLDDTconfidence_model_*.json同时写入 PDB 的 B-factor 列0-50 为 D无序/低置信50-70 为 L70-90 为 M≥90 为 HPAEpae_model_*.json单位 Å数值越大该残基对的预期误差越大两个结构域交叉区块偏高说明两者相对取向不确定pTM / iPTMranking_debug.json0-1 的全局得分monomer_ptm预设输出 pTM多聚体用 iptm 衡量界面置信度围绕这三组数字给你三条可以直接执行的判断阈值pLDDT 50 的区域不要直接用作突变设计对象突变体 pLDDT 均值较野生型下降超过 10 分回炉重审该突变PAE 在两个结构域交叉区块偏高时不要设计横跨该界面的环区基准怎么跑单点与组合突变怎么筛先跑野生型的基准结构python run_alphafold.py \ --fasta_pathswild_type.fasta \ --data_dir/path/to/databases \ --output_diraf_out \ --model_presetmonomer--fasta_paths输入序列单个 FASTA 含多条序列时会被当作多聚体处理--model_preset可选monomer/monomer_casp14/monomer_ptm/multimer常规蛋白质设计从monomer起步--random_seed固定种子可让 MSA 流程可复现配合相同输出目录还能复用已算好的 MSA上面命令是简写实际运行还需要传入 MSA 数据库Uniref90、MGnify、BFD 等与模板目录路径完整参数注释见 run_alphafold.py仓库里scripts/download_*.sh系列脚本负责数据下载。单点突变候选怎么选先用基准结构圈定范围做稳定性就看高 pLDDT 区域的疏水核心堆积做表面电荷就看暴露残基20 种标准氨基酸的属性常量在 residue_constants.py一次只改一个位点预测一遍与野生型逐残基比对 pLDDT并核对 PAE 矩阵和 pTM如有✅ 建议只保留感兴趣区域 pLDDT 相对野生型降幅小于 5 分的候选⚠️ 别用单次运行下结论换 2-3 个--random_seed重跑结论一致才算稳定增益组合突变怎么拼、规模怎么控只组合已经单独通过筛选的单点候选3-5 个位点为宜组合突变控制在 5 个位点以内再多则结构扰动大pLDDT 变化无法归因到单个位点组合后整体重新预测pLDDT 均值不低于野生型、PAE 矩阵形态与野生型接近才进入下一轮目标、策略与误区的快速决策表设计目标推荐起手策略重点看的指标常见误区提高热稳定性高 pLDDT 区域扫核心堆积与表面残基残基级 pLDDT、PAE 对角区块为 Tm 牺牲活性降幅集中在活性位点提高结合亲和力突变口袋界面残基强化氢键/疏水接触PAE 交叉区块、结合口袋 pLDDT把活性位点柔性环过度刚性化降低免疫原性中和表面电荷、局部序列特征pLDDT 应接近野生型、表面电荷分布电荷向局部集中导致聚集倾向上升做 AlphaFold 蛋白质设计最常踩的 5 个坑Q1突变体 pLDDT 均值比野生型低 1-2 分还能用吗A小于 5 分的随机降幅多数来自运行噪声但如果降幅集中在你关心的口袋或界面直接放弃。✅ 判断口诀看降在哪里而不是只看均值。Q2pLDDT 低是不是说明预测错了A不是。pLDDT 50 通常意味着该区域本身柔性或无序D 类并非预测错误。对这类区域做突变设计以实验数据为准。⚠️Q3怎么加大采样量Arecycle 次数在模型配置内部生效不是命令行参数。正确做法是换不同的--random_seed多次运行取ranked_0.pdb与对应的 confidence 文件。Q4PAE 显示两个结构域之间误差很高怎么办A说明这两个结构域的相对取向不确定别在上面设计跨界面环区确实需要的话先补该界面的实验结构或约束信息。Q5一定要跑 relax 吗A默认--models_to_relaxbest只对置信度最高的模型做 AMBER 松弛立体化学违例多时改all松弛太慢或不稳定就设none。下一步做什么基准结构和筛选规则在手后就可以开始预测 → 突变 → 再预测的循环。完整参数与技术细节见技术说明文档 docs/technical_note_v2.3.0.md单蛋白快速试验可以从notebooks/AlphaFold.ipynb入手多聚体体系则把--model_preset切到multimer并参考alphafold/data/pipeline_multimer.py了解多聚体数据管线的差异。【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
AlphaFold 蛋白质设计怎么筛选突变方案：4 个判断阈值与 5 个易踩的坑
AlphaFold 蛋白质设计怎么筛选突变方案4 个判断阈值与 5 个易踩的坑【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold这是 AlphaFold 蛋白质设计流程里最典型的起点一支工业脂肪酶超过 60℃ 活性掉掉 40%你改了序列却没有实验结构能告诉你它到底死在哪。只能先靠计算把候选方案筛出来再把头部选手送去实验验证。下面的操作全部基于 AlphaFold 2 开源实现v2.3.2跑一次run_alphafold.py你就能拿到设计所需的全部基准。酶在 60℃ 上不工作时设计从哪里开始上图为 CASP14 测试中的两个靶点蓝色预测结构与绿色实验结构几乎完全重合GDT 分别达到 90.7 和 93.3。这意味着即便是较难的靶点预测结构的骨架也足够可靠可以直接作为突变设计的依据。跑通一次预测后输出目录里有三样东西ranked_0.pdb置信度最高的模型、confidence_model_*.json逐残基 pLDDT、pae_model_*.json(逐残基对 PAE)。这套文件就是后续所有突变的基准——每个突变体都要拿它当参照物对比。如何用 pLDDT、PAE 和 pTM 判断一个突变方案好不好设计突变之前先学会读这三组指标否则后面所有筛选都没有依据指标输出位置读法pLDDTconfidence_model_*.json同时写入 PDB 的 B-factor 列0-50 为 D无序/低置信50-70 为 L70-90 为 M≥90 为 HPAEpae_model_*.json单位 Å数值越大该残基对的预期误差越大两个结构域交叉区块偏高说明两者相对取向不确定pTM / iPTMranking_debug.json0-1 的全局得分monomer_ptm预设输出 pTM多聚体用 iptm 衡量界面置信度围绕这三组数字给你三条可以直接执行的判断阈值pLDDT 50 的区域不要直接用作突变设计对象突变体 pLDDT 均值较野生型下降超过 10 分回炉重审该突变PAE 在两个结构域交叉区块偏高时不要设计横跨该界面的环区基准怎么跑单点与组合突变怎么筛先跑野生型的基准结构python run_alphafold.py \ --fasta_pathswild_type.fasta \ --data_dir/path/to/databases \ --output_diraf_out \ --model_presetmonomer--fasta_paths输入序列单个 FASTA 含多条序列时会被当作多聚体处理--model_preset可选monomer/monomer_casp14/monomer_ptm/multimer常规蛋白质设计从monomer起步--random_seed固定种子可让 MSA 流程可复现配合相同输出目录还能复用已算好的 MSA上面命令是简写实际运行还需要传入 MSA 数据库Uniref90、MGnify、BFD 等与模板目录路径完整参数注释见 run_alphafold.py仓库里scripts/download_*.sh系列脚本负责数据下载。单点突变候选怎么选先用基准结构圈定范围做稳定性就看高 pLDDT 区域的疏水核心堆积做表面电荷就看暴露残基20 种标准氨基酸的属性常量在 residue_constants.py一次只改一个位点预测一遍与野生型逐残基比对 pLDDT并核对 PAE 矩阵和 pTM如有✅ 建议只保留感兴趣区域 pLDDT 相对野生型降幅小于 5 分的候选⚠️ 别用单次运行下结论换 2-3 个--random_seed重跑结论一致才算稳定增益组合突变怎么拼、规模怎么控只组合已经单独通过筛选的单点候选3-5 个位点为宜组合突变控制在 5 个位点以内再多则结构扰动大pLDDT 变化无法归因到单个位点组合后整体重新预测pLDDT 均值不低于野生型、PAE 矩阵形态与野生型接近才进入下一轮目标、策略与误区的快速决策表设计目标推荐起手策略重点看的指标常见误区提高热稳定性高 pLDDT 区域扫核心堆积与表面残基残基级 pLDDT、PAE 对角区块为 Tm 牺牲活性降幅集中在活性位点提高结合亲和力突变口袋界面残基强化氢键/疏水接触PAE 交叉区块、结合口袋 pLDDT把活性位点柔性环过度刚性化降低免疫原性中和表面电荷、局部序列特征pLDDT 应接近野生型、表面电荷分布电荷向局部集中导致聚集倾向上升做 AlphaFold 蛋白质设计最常踩的 5 个坑Q1突变体 pLDDT 均值比野生型低 1-2 分还能用吗A小于 5 分的随机降幅多数来自运行噪声但如果降幅集中在你关心的口袋或界面直接放弃。✅ 判断口诀看降在哪里而不是只看均值。Q2pLDDT 低是不是说明预测错了A不是。pLDDT 50 通常意味着该区域本身柔性或无序D 类并非预测错误。对这类区域做突变设计以实验数据为准。⚠️Q3怎么加大采样量Arecycle 次数在模型配置内部生效不是命令行参数。正确做法是换不同的--random_seed多次运行取ranked_0.pdb与对应的 confidence 文件。Q4PAE 显示两个结构域之间误差很高怎么办A说明这两个结构域的相对取向不确定别在上面设计跨界面环区确实需要的话先补该界面的实验结构或约束信息。Q5一定要跑 relax 吗A默认--models_to_relaxbest只对置信度最高的模型做 AMBER 松弛立体化学违例多时改all松弛太慢或不稳定就设none。下一步做什么基准结构和筛选规则在手后就可以开始预测 → 突变 → 再预测的循环。完整参数与技术细节见技术说明文档 docs/technical_note_v2.3.0.md单蛋白快速试验可以从notebooks/AlphaFold.ipynb入手多聚体体系则把--model_preset切到multimer并参考alphafold/data/pipeline_multimer.py了解多聚体数据管线的差异。【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
