OpenFold2输出PDB文件后看什么?预测结果验证与pLDDT置信度解读完全指南

原创2026-10-19 23:05:211,971 阅读
文章标签:深度学习人工智能

OpenFold2输出PDB文件后看什么?预测结果验证与pLDDT置信度解读完全指南

OpenFold2 是一款开源的蛋白质结构预测工具,从氨基酸序列出发预测蛋白质的三维结构。推理完成后,你会得到一个 PDB 文件——但打开它之后看什么、怎么看,才是本文要解决的 5 个核心问题:输出文件清单、肉眼检查结构、pLDDT 置信度解读、pTM 全局打分,以及与实验结构的最终验证。

OpenFold2 输出文件一览:推理成功后生成了什么

运行推理脚本 run_pretrained_openfold.py 并看到 Output written to ...unrelaxed.pdb... 字样,即代表推理成功:

OpenFold2 推理成功输出 PDB 文件的终端日志与 predictions 目录

输出统一落在 output/predictions/ 目录下,文件名由「序列标签 + 配置预设」拼接而成:

文件 命名规则 作用
xxx_unrelaxed.pdb {标签}_{preset}_unrelaxed.pdb 模型原始预测坐标,B-factor 列保存 pLDDT
xxx_relaxed.pdb {标签}_{preset}_relaxed.pdb 经 OpenMM 能量优化后的坐标(加 --skip_relaxation 则不生成)
xxx_output_dict.pkl 需加 --save_outputs 参数 模型全部中间输出,供科研分析
output/timings.json 固定名称 各阶段耗时统计,如 {"inference": 64.99}

以仓库内置示例 output/predictions/test_target_seq_model_1_ptm_unrelaxed.pdb 为例,文件首行 REMARK 注释记录了关键运行信息:

REMARK no_recycling=3, max_templates=4, config_preset=model_1_ptm
  • no_recycling:迭代回收次数,越大计算越精细
  • max_templates:最多使用的结构模板数量
  • config_preset:推理预设,带 ptm 说明启用了 pTM 全局置信度打分

💡 快速确认输出是否完整:ls output/predictions/,核对文件后缀是 unrelaxed.pdb(跳过了松弛)还是同时有 relaxed.pdb。

第一步:用可视化软件打开 PDB,3 点肉眼检查

将 PDB 文件拖入 PyMOL、ChimeraX 等免费可视化软件,优先检查 3 件事:

  1. 骨架是否连续——肽链 backbone 应是一条连贯的曲线,出现断裂或"打结"说明坐标异常;
  2. 有无严重空间位阻——原子之间是否重叠、键长是否明显拉伸(relaxed 版本已做能量优化,位阻通常更少);
  3. 二级结构是否合理——α 螺旋应呈规则螺旋、β 链应呈片状,与预期功能域大致对应。

注意 PDB 是固定列格式,每行每个空格都有含义,原子行的坐标、占位率与 B-factor 由 openfold/np/protein.py 统一格式化写出,其中 B-factor 字段正是下一节的重点。

第二步:解读 pLDDT 置信度——分数就藏在 B-factor 列

pLDDT 分数在 PDB 的哪个位置?

OpenFold2 在写出 PDB 前,会把每个残基的 pLDDT 值(0–100)复制到该残基所有原子的 B-factor(温度因子)列,逻辑见 run_pretrained_openfold.py 中的 prep_output:

ATOM      1  N   GLU A   1      14.239  19.645   8.309  1.00 40.23           N
#                                                                    ^^^^^^
#                                                          B-factor 列 = pLDDT

也就是说:同一残基的所有原子 B-factor 相同,直接代表该残基的 pLDDT。在 PyMOL 中可用 show cartoon; color by b 一键按 pLDDT 着色(高置信蓝绿、低置信橙红)。

pLDDT 四个区间对照表

pLDDT 区间 置信等级 典型含义与使用建议
90 – 100 极高 结构非常可靠,活性位点、配体结合位点通常落在此区间
70 – 90 高 骨架方向可信,侧链取向可能有偏差
50 – 70 中等 骨架基本可信,适合做拓扑分析,不建议做精细对接
< 50 低 连接环、无序区常见,实验验证前谨慎使用

一行命令算出平均 pLDDT

无需写脚本,用 awk 取 B-factor 列求均值即可:

awk '/^ATOM/{s+=$11; n++} END{printf "平均 pLDDT: %.1f (n=%d)\n", s/n, n}' \
  output/predictions/test_target_seq_model_1_ptm_unrelaxed.pdb

经验参考:平均 pLDDT > 80 通常意味着整体折叠可靠;但均值会掩盖局部问题,务必结合逐残基检查(可视化着色)判断关键功能区域。

pLDDT 与 pTM 的区别:逐残基 vs 全局

这是新手最容易混淆的一组概念:

  • pLDDT:逐残基置信度,告诉你"哪一段可靠、哪一段是乱区",写在 B-factor 列;
  • pTM(Predicted TM-score):整条链的全局相似度打分(0–1),衡量预测结构与真实结构的整体拓扑是否一致,受局部无序区影响小。

使用 model_*_ptm 预设(如本例的 model_1_ptm)配合带 PTM 的权重(如 finetuning_ptm_2.pt)时,模型才会同时输出这两类信号。pTM 依赖结构模板输入——模板即已解析的三维同源结构,例如仓库示例 template_mmcif_dir/pdb_mmcif/mmcif_files/1aki.cif:

OpenFold2 项目目录中模板结构文件与 output 输出目录位置

最终验证:与已知实验结构对比

置信度分数只是"自检",最硬的验证是 RMSD 对比实验结构:

  1. 从 PDB 数据库下载同源的实验结构(mmCIF/PDB 格式);
  2. 用 ChimeraX 的 superpose 或 PyMOL 的 align 做骨架叠加;
  3. 查看 CA 原子 RMSD:同源蛋白预测值 < 2 Å 通常说明预测质量优秀,与仓库 README 中"与 pdb 数据库中的结构文件对比确认结果符合预期"的验证方式一致。

本例测试序列(data/test_target.fasta)是简化胰岛素类似物(PDB ID: 1AKI),其模板结构 1aki.cif 就在仓库内,可直接作为叠加基准。

常见问题速查清单

问题 排查方向
只有 unrelaxed 没有 relaxed 文件 命令中加了 --skip_relaxation,属正常配置
想在 B 列存 100−pLDDT 加 --subtract_plddt 参数,部分可视化工具约定按"不确定度"显示
某些环区 pLDDT < 50 柔性无序区属正常现象,重点核对功能域分数即可
想看逐残基置信度曲线 用 --save_outputs 生成 _output_dict.pkl,读取 plddt 键画图
REMARK 中 config_preset 不含 ptm 未启用全局打分,建议换 model_1_ptm 预设复跑

✅ 一句话总结:先看文件清单是否齐全,再用可视化软件检查骨架连续性,然后按 B-factor 列读 pLDDT 分级定位可靠区域,最后用实验结构 RMSD 完成闭环验证。

相关入口:推理主脚本 run_pretrained_openfold.py、PDB 写出逻辑 openfold/np/protein.py、模板检索实现 openfold/data/templates.py。

登录后查看全文
OpenFold2