SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场alphafold-database

alphafold-database

数据与分析

查看项目

更新于 10-15 10:24

技能介绍

用途

AlphaFold Database（AlphaFold DB）是一个公开的 AI 预测三维蛋白质结构仓库，收录超过 2 亿个蛋白质的结构预测，由 DeepMind 与 EMBL-EBI 维护。本技能用于访问这些预测结构，支持按 UniProt ID 或蛋白名称检索、下载坐标文件、分析置信度指标、获取批量数据集，并将预测整合进计算流程。

主要能力

  1. 检索与获取预测：可通过 Biopython 的 Bio.PDB.alphafold_db 模块获取某 UniProt 登录号的全部预测、下载 mmCIF 文件或直接获得 Structure 对象；也可直接调用 REST 接口 https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id} 获取元数据。若只有蛋白名称，可先通过 UniProt 的 uploadlists 接口查询登录号。

  2. 下载结构文件：每个预测提供多种文件，包括模型坐标（model_v4.cif，mmCIF/PDBx 格式）、置信度分数（confidence_v4.json，逐残基 pLDDT）、预测对齐误差（predicted_aligned_error_v4.json，PAE 矩阵），也可下载 PDB 格式。文件 URL 形如 https://alphafold.ebi.ac.uk/files/{alphafold_id}-model_{version}.cif。

  3. 置信度指标分析：pLDDT 为逐残基置信度（0-100），>90 为极高置信度，70-90 为高，50-70 为低，<50 为极低。PAE 表示残基对相对位置的置信度，<5 Å 表示相对定位可信，>15 Å 表示结构域相对位置不确定。AlphaFold 将 pLDDT 存储在 B-factor 列中，可用 BioPython 提取。

  4. 批量数据访问：可通过 Google Cloud Storage（gs://public-datasets-deepmind-alphafold-v4/）下载整个蛋白质组（按 taxonomy ID），或通过 BigQuery 的 bigquery-public-data.deepmind_alphafold.metadata 表查询元数据。

  5. 结构解析与分析：使用 BioPython 的 MMCIFParser 解析下载的结构，提取坐标、计算距离矩阵、识别接触（<8 Å）、提取 pLDDT 并识别高置信区域。

  6. 批量处理：可循环处理多个 UniProt ID，下载结构并统计平均 pLDDT、高置信残基比例等，汇总为 DataFrame。

使用方式

安装依赖：uv pip install biopython requests numpy matplotlib pandas scipy；如需 Google Cloud 访问，另装 google-cloud-bigquery gsutil。

简单单蛋白访问推荐使用 Biopython；大规模下载推荐使用 Google Cloud（比逐个文件快得多）。也可通过 3D-Beacons 联邦 API 访问：https://www.ebi.ac.uk/pdbe/pdbe-kb/3dbeacons/api/uniprot/summary/{uniprot_id}.json，并筛选 provider 为 AlphaFold DB 的结构。

适用场景

  • 结构蛋白质组学：下载完整蛋白质组预测、识别高置信结构区域、与实验数据比较、构建蛋白家族结构模型。
  • 药物发现：获取靶蛋白结构用于对接研究、分析结合位点构象、识别可成药口袋、比较同源物结构。
  • 蛋白质工程：利用 pLDDT 识别稳定/不稳定区域、在高置信区域设计突变、用 PAE 分析结构域架构、建模变体与突变。
  • 进化研究：比较跨物种直系同源结构、分析结构特征保守性、研究结构域演化、识别功能重要区域。

关键概念

  • UniProt Accession：蛋白质主标识符（如 "P00520"），查询 AlphaFold DB 必需。
  • AlphaFold ID：内部标识格式 AF-[UniProt accession]-F[片段号]（如 "AF-P00520-F1"）。
  • pLDDT：逐残基置信度指标（0-100）。
  • PAE：残基对相对位置置信度矩阵。
  • 数据库版本：当前为 v4，文件 URL 含版本后缀。
  • 片段号：大蛋白可能被拆分，片段号出现在 AlphaFold ID 中（如 F1、F2）。

限制与注意事项

  • 预测为计算模型，非实验结构；高 pLDDT 不保证功能准确性，低置信区域在体内可能无序。
  • PAE 表示相对结构域置信度，而非绝对定位。
  • 预测不含配体、翻译后修饰和辅因子；不预测多链复合物（仅单链）。
  • 数据以 CC-BY-4.0 许可免费开放，需引用 Jumper et al. (2021) Nature 与 Varadi et al. (2022) Nucleic Acids Research。
  • 当前版本 v4（截至 2024-2025），旧版本可能被弃用，需定期检查更新。
  • BigQuery 免费额度为每月 1 TB 处理数据；大规模下载需考虑网络带宽。
  • 建议本地缓存已下载文件以避免重复下载。

资源

  • AlphaFold DB 网站：https://alphafold.ebi.ac.uk/
  • API 文档：https://alphafold.ebi.ac.uk/api-docs
  • 3D-Beacons API：https://www.ebi.ac.uk/pdbe/pdbe-kb/3dbeacons/
  • Biopython 文档：https://biopython.org/docs/dev/api/Bio.PDB.alphafold_db.html
  • GitHub 仓库：https://github.com/google-deepmind/alphafold
  • 技能内参考文件：references/api_reference.md（含完整 REST API 端点、文件格式、Google Cloud 数据集结构、批量处理策略、限流与缓存最佳实践、常见问题排查）