用途：AlphaFold DB 是由 DeepMind 与 EMBL-EBI 维护的公开蛋白质三维结构预测库，覆盖 200M+ 蛋白质。该技能用于按 UniProt ID 或蛋白名检索 AI 预测结构，下载坐标文件，评估置信度，并将预测结果接入计算生物学流程。
主要能力：通过 REST API 或 Biopython 的 Bio.PDB.alphafold_db 查询预测并获取 mmCIF/PDB 坐标；下载 confidence_v4.json（逐残基 pLDDT）与 predicted_aligned_error_v4.json（PAE 矩阵）；通过 Google Cloud Storage 与 BigQuery 获取蛋白质组级别的批量数据与元数据；解析结构、提取 CA 坐标或 B-factor 中的 pLDDT、计算接触与距离矩阵；批量处理多个蛋白并汇总统计。
使用方式：安装依赖，例如 uv pip install biopython requests numpy matplotlib pandas scipy，批量访问可选 gsutil 与 google-cloud-bigquery。单蛋白可用 alphafold_db.get_predictions("P00520") 与 download_cif_for 获取文件，或用 REST 端点 https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id}。文件 URL 含版本后缀，如 {alphafold_id}-model_v4.cif 与 {alphafold_id}-confidence_v4.json。批量下载可用 gsutil -m cp gs://public-datasets-deepmind-alphafold-v4/proteomes/proteome-tax_id-9606-*.tar .
适用场景：结构蛋白质组学、药物发现中的靶点结构获取、蛋白质工程中基于 pLDDT 的稳定性区域识别、PAE 用于结构域相对位置分析，以及缺少实验结构的蛋白建模。
限制：预测为计算模型而非实验结构；不含配体、翻译后修饰与辅因子；不预测多链复合物；高 pLDDT 不保证功能准确性，低置信区域可能天然无序。当前数据库版本为 v4，文件 URL 带版本后缀，旧版本可能被弃用。数据采用 CC-BY-4.0 许可，需按资料引用 Jumper 等（2021）与 Varadi 等（2022）。具体速率限制与缓存策略暂未提供。