Boltz输出文件解读：PDB/MMCIF格式与亲和力预测结果分析

概述

Boltz作为生物分子相互作用模型（Boltz-1 biomolecular interaction model），其输出文件包含丰富的结构信息和预测结果。本文将详细解读Boltz生成的PDB/MMCIF格式文件以及亲和力预测结果，帮助用户更好地理解和利用模型输出。

输出文件结构

Boltz的预测结果默认保存在predictions目录下，每个输入文件对应一个子目录。典型的输出文件结构如下：

out_dir/
├── predictions/
│   ├── [input_file1]/
│   │   ├── [input_file1]_model_0.cif       # MMCIF格式结构文件
│   │   ├── confidence_[input_file1]_model_0.json  # 置信度分数文件
│   │   ├── affinity_[input_file1].json     # 亲和力预测结果文件
│   │   ├── pae_[input_file1]_model_0.npz   # 预测的PAE分数
│   │   ├── pde_[input_file1]_model_0.npz   # 预测的PDE分数
│   │   └── plddt_[input_file1]_model_0.npz # 预测的pLDDT分数

结构文件格式

Boltz支持两种主要的结构输出格式：MMCIF（默认）和PDB。用户可以通过--output_format选项指定输出格式。

MMCIF格式

MMCIF（Macromolecular Crystallographic Information File）是一种灵活的、可扩展的格式，能够存储丰富的结构信息和相关元数据。Boltz生成的MMCIF文件包含以下关键信息：

• 原子坐标和位移参数（B因子，存储pLDDT分数）
• 链和残基信息
• 化学组件定义
• 结构置信度信息（如pLDDT）

MMCIF文件的写入逻辑在src/boltz/data/write/mmcif.py中实现。该模块使用modelcif库构建符合规范的MMCIF文件，并将pLDDT分数以B因子的形式嵌入到文件中。

PDB格式

PDB（Protein Data Bank）是一种广泛使用的蛋白质结构格式。Boltz生成的PDB文件包含标准的原子坐标记录（ATOM/HETATM）、连接信息（CONECT）以及链终止记录（TER）。

PDB文件的写入逻辑在src/boltz/data/write/pdb.py中实现。与MMCIF类似，pLDDT分数也存储在B因子字段中。

置信度文件

置信度文件（confidence_*.json）包含多种结构置信度指标，如：

• confidence_score: 综合置信度分数（用于排序预测结果）
• ptm: 预测的TM分数
• iptm: 界面加权的TM分数
• complex_plddt: 复合物的平均pLDDT分数
• chains_ptm: 各链的TM分数
• pair_chains_iptm: 链间界面TM分数

这些指标有助于评估预测结构的可靠性和质量。

亲和力预测文件

当在输入YAML文件中指定properties: - affinity:时，Boltz会生成亲和力预测文件（affinity_*.json）。该文件包含以下关键指标：

• affinity_pred_value: 预测的结合亲和力（log10(IC50)）
• affinity_probability_binary: 配体作为结合剂的概率

亲和力预测的实现细节可参考src/boltz/data/crop/affinity.py中的AffinityCropper类，该类负责为亲和力预测准备输入数据。

PDB/MMCIF文件解析

原子坐标记录

在PDB和MMCIF文件中，原子坐标是最核心的信息。以PDB格式为例，典型的ATOM记录如下：

ATOM   1000  N   ALA A  10     -10.000  20.000  30.000  1.00  90.00           N  

这里：

• 第7-11列：原子序号
• 第13-16列：原子名称
• 第17列：替代位置指示符
• 第18-20列：残基名称
• 第22列：链标识符
• 第23-26列：残基序号
• 第31-38列：X坐标
• 第39-46列：Y坐标
• 第47-54列：Z坐标
• 第55-60列：占有率
• 第61-66列：温度因子（B因子），在Boltz输出中存储pLDDT分数

pLDDT分数解读

pLDDT（predicted Local Distance Difference Test）是一种每残基的局部结构置信度分数，范围从0到100。较高的pLDDT值（如>90）表示该区域的结构预测较为可靠，而较低的值（如<50）表示该区域的结构不确定性较高。

在Boltz输出的PDB/MMCIF文件中，pLDDT分数存储在温度因子（B因子）字段中。可以通过分析这一字段来评估结构各部分的可靠性。

上图展示了pLDDT分数与实验结构一致性的关系，进一步验证了pLDDT作为结构置信度指标的有效性。

亲和力预测结果分析

结合亲和力（affinity_pred_value）

affinity_pred_value表示预测的结合亲和力，单位为log10(IC50)。这个值与IC50（半数抑制浓度）的关系如下：

• IC50 = 10^y μM，其中y是affinity_pred_value
• 例如：y = -3 对应 IC50 = 10^-3 μM = 1 nM（强结合）
• y = 0 对应 IC50 = 1 μM（中等结合）
• y = 2 对应 IC50 = 100 μM（弱结合）

可以使用公式(6 - y) * 1.364将affinity_pred_value转换为pIC50（单位：kcal/mol）。

结合概率（affinity_probability_binary）

affinity_probability_binary表示配体作为结合剂的概率，范围从0到1。较高的值（如>0.8）表明配体很可能是一个有效的结合剂，而较低的值（如<0.2）则表明配体可能是一个非结合剂（诱饵）。

亲和力预测的实现

Boltz的亲和力预测模块在src/boltz/data/crop/affinity.py中实现。AffinityCropper类负责准备结合口袋区域的数据，为亲和力预测模型提供输入。

该模块采用了一种基于距离的裁剪策略，优先选择靠近配体的蛋白质残基，以捕捉关键的结合相互作用。

实际案例分析

输出文件解读示例

假设我们使用以下命令运行Boltz预测：

boltz predict examples/ligand.yaml --output_format pdb --use_potentials

预测完成后，我们得到以下关键文件：

1. predictions/ligand/ligand_model_0.pdb: PDB格式的结构文件
2. predictions/ligand/confidence_ligand_model_0.json: 置信度文件
3. predictions/ligand/affinity_ligand.json: 亲和力预测文件

结构文件分析

在PDB文件中，我们可以查看配体结合口袋区域的原子坐标和B因子（pLDDT）值：

ATOM    100  N   LYS A  45     -15.234  22.345  30.123  1.00  95.67           N  
ATOM    101  CA  LYS A  45     -14.876  21.001  30.567  1.00  94.23           C  
...
HETATM 2000  C1  LIG B   1      -20.123  25.678  32.890  1.00  88.45           C  

高pLDDT值（如95.67）表明这些残基的结构预测较为可靠。

置信度分析

置信度文件中的关键值：

{
  "confidence_score": 0.876,
  "ptm": 0.892,
  "iptm": 0.854,
  "complex_plddt": 0.887,
  "ligand_iptm": 0.832
}

高ligand_iptm值（0.832）表明配体-蛋白质界面的预测质量较好，支持该结合模式的可靠性。

亲和力分析

亲和力预测文件中的关键值：

{
  "affinity_pred_value": -1.5,
  "affinity_probability_binary": 0.92
}

affinity_pred_value为-1.5，对应IC50约为0.03 μM（30 nM），表明较强的结合亲和力。affinity_probability_binary为0.92，表明配体极有可能是一个有效的结合剂。

可视化分析

Boltz提供了一些可视化工具来帮助分析预测结果。例如，docs/pearson_plot.png展示了预测pLDDT与实验数据的相关性，验证了模型的可靠性。

此外，docs/plot_test_boltz2.png展示了Boltz-2模型在测试集上的性能评估结果，进一步验证了模型的准确性。

总结与最佳实践

关键指标解读

• 结构质量评估：优先关注confidence_score、complex_plddt和iptm
• 结合亲和力：affinity_pred_value越低（越负），结合越强
• 结合可能性：affinity_probability_binary越高，配体越可能是结合剂

结果可靠性判断

• 高pLDDT值（>90）区域的结构预测较为可靠
• 高iptm和ligand_iptm值表明界面预测质量好
• 结合亲和力预测在配体大小适中（<56个重原子）时更为可靠

高级分析建议

1. 结合结构可视化工具（如PyMOL）分析结合模式
2. 比较多个预测模型（--diffusion_samples > 1）的一致性
3. 结合PAE（预测的原子误差）分析结构柔性区域

通过综合运用这些分析方法，用户可以更全面地理解Boltz的预测结果，并将其应用于药物发现、蛋白质工程等研究领域。

更多详细信息，请参考官方文档：docs/prediction.md