AlphaFold 预测跑完，结构敢不敢用？pLDDT 与 PAE 置信度判读速查指南（完整实用版）-育师

AlphaFold 预测跑完，结构敢不敢用？pLDDT 与 PAE 置信度判读速查指南（完整实用版）

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold

你刚跑完一条 AlphaFold 蛋白质结构预测，屏幕上转着一根漂亮的彩色带状图，心里却犯嘀咕：这图看着挺像那么回事，到底敢不敢直接拿去用？这套开源实现（入口见 run_alphafold.py）除了吐出坐标，还给结构附上了 pLDDT 与 PAE 两项置信度指标，它们才真正决定"敢不敢用"。本文不讲公式，只讲一件事：拿到预测结果后，怎么用这两个指标快速下判断。

上面这张对比图，其实就是你要回答的问题：预测（蓝）和实验（绿）叠在一起，到底像不像。而 pLDDT 与 PAE，就是模型自己给你的"像不像"量化答案。

看数字前，先想清楚：为什么"知道自己没把握"比"算得准"更值钱

对结构预测来说，算得准只是及格线，真正值钱的是模型敢承认自己哪里没把握。一个会自报风险的工具，你敢放心用它去做下游实验；一个从不告诉你风险的预测，再漂亮的图也只是装饰。AlphaFold 属于前者，所以接下来两节只回答一个问题：哪些地方能信，哪些地方要当心。

pLDDT：每个残基的健康报告，0–100 分怎么读

把整条蛋白质想成一段录像，pLDDT 就是逐帧打的画质分：范围 0–100，每个氨基酸残基单独打分，越高越"清晰"。它衡量的是局部绝对置信——这一段结构本身模型有多大把握，跟别处对不对没关系。

想看它怎么算，核心就这几行（实现见 alphafold/common/confidence.py）：

num_bins = logits.shape[-1] bin_width = 1.0 / num_bins bin_centers = np.arange(0.5 * bin_width, stop=1.0, step=bin_width) probs = scipy.special.softmax(logits, axis=-1) plddt = np.sum(probs * bin_centers[None, :], axis=-1) * 100

一句话：把模型输出的分数先过一遍 softmax 变成概率，再对各分桶按桶中心加权平均，乘 100，就得到那个 0–100 的分。

pLDDT 四档颜色到底怎么读（pLDDT 怎么看）

模型会按分数把残基染成四档颜色，你一眼就能扫出哪段清楚、哪段模糊：

🟦蓝（90–100）：原子级可靠，坐标基本能直接拿去用。
🩵浅蓝（70–90）：主干（backbone）稳，侧链细节可能偏，大方向放心。
🟨黄（50–70）：只信整体折法和拓扑，具体原子位置别当真。
🟧橙红（0–50）：大概率是无序或柔性区，这一段基本是"猜"出来的。

低分不一定是算错了：柔性区、无序区与结构域边界

这是新手最容易踩的误区：看到一段橙红就以为是模型失误。其实低 pLDDT 常常是真实的生物学信号——

高 pLDDT 区：多半是结构保守的核心、规整的二级结构，最稳。
低 pLDDT 区：可能是天然无序区、柔性 loop，或功能上需要摆动的动态区。不是"错"，是"本来就动"。
分数骤变点：一处突然从蓝掉到橙红，常对应结构域边界或功能模块的接缝，值得标出来看。

所以低分先别删，先问一句：它是不是本来就软？

PAE 矩阵什么意思：模型在担心哪两"对"残基

pLDDT 盯着"单个残基自己准不准"，PAE 盯着"两个残基之间的相对关系稳不稳"。前者像核对每个地标本身画得准不准，后者像核对两个地标之间的相对距离可不可信。

一句话说清这个 N×N 矩阵在量什么

PAE 是一个 N×N 的方阵（N 是残基数），元素 (i, j) 的意思是：把预测结构和真实结构做最优对齐之后，残基 i 和残基 j 之间那段距离预计会偏多少，单位是埃（Å）。数值上，它就是把这对残基对各误差桶按概率加权平均得到的期望误差。误差越小，这对残基的相对位置越可信。

看 PAE 的三处：对角线、区块、非对角

对着这张矩阵，你主要看三个地方：

对角线（贴近主对角的那条带）：量的是相邻残基的局部质量，带子越窄，说明局部结构越扎实。
区块（矩阵切成的方格）：深浅突变的地方，往往就是结构域的边界。
非对角（远离主对角的大块）：量的是远距离残基、甚至不同链之间的相对可靠性。

多亚基复合物要单独说。矩阵会按链切成若干大方块：方块内部是亚基内质量，方块之间是亚基间关系，两块交界处的高低则直接反映界面（相互作用面）稳不稳。界面那块偏暗、偏低，通常说明这个复合物模型是可信的。

当 pLDDT 和 PAE 打架时：三种信号组合怎么判

两个指标各说各话时，别慌，基本逃不出这三种：

如果pLDDT 普遍偏高，但 PAE 某个区块误差偏大，通常意味着那段局部构象没把握（比如能摆动的 loop），建议对这一区域单独复核或多跑几轮再下结论。
如果pLDDT 局部偏低，但整张 PAE 误差都很小，通常意味着全局拓扑是对的、只是这段绝对坐标没把握，建议把它当"方向对、细节存疑"来用。
如果pLDDT 起伏很大，PAE 呈明显的棋盘分块，通常意味着多结构域蛋白，建议按区块分开解读，把高误差区块当柔性/动态区处理。