ColabFold多聚体结构预测中的MSA反序列化问题解析

问题背景

在使用ColabFold进行蛋白质复合物结构预测时，当用户提供自定义的A3M格式多序列比对(MSA)文件和自定义模板路径时，系统在处理三聚体或更高阶复合物时会出现HHsearch解析错误。这一错误会导致模板搜索阶段失败，影响最终的结构预测结果。

技术细节分析

该问题的核心在于MSA反序列化处理过程中的逻辑缺陷。具体表现为：

1. 当输入A3M文件包含三聚体或更高阶复合物时，unserialize_msa函数未能正确分离配对(paired)和非配对(unpaired)的MSA序列
2. 原始代码中的条件判断sum(has_amino_acid) == 1过于严格，导致查询序列未被正确保留在非配对MSA中
3. 由于缺少查询序列，后续HHsearch处理模板时无法正确解析.hhr结果文件

解决方案实现

开发团队通过修改条件判断逻辑解决了这一问题：

1. 将判断条件从sum(has_amino_acid) == 1放宽为sum(has_amino_acid) > 1
2. 这一修改确保了三聚体及以上复合物的MSA能够被正确分离为配对和非配对部分
3. 同时保留了查询序列在非配对MSA中的存在，为后续模板搜索提供必要信息

影响范围

该修复主要影响以下使用场景：

• 使用自定义A3M输入文件
• 同时启用模板搜索功能(--templates参数)
• 提供自定义模板路径(--custom-template-path参数)
• 预测目标为三聚体或更高阶复合物结构

用户建议

对于遇到类似问题的用户，建议：

1. 更新至最新版ColabFold以获取修复
2. 检查输入A3M文件的格式是否正确，特别是对于复合物预测
3. 确保查询序列在MSA中完整存在
4. 对于复杂案例，可考虑分步验证MSA处理结果

该修复显著提升了ColabFold在处理复杂复合物结构预测时的稳定性和可靠性，为研究人员提供了更强大的结构预测工具。