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 2 亿多个蛋白质。该技能用于按 UniProt ID 或蛋白名检索预测结构、下载坐标文件、评估置信度，并将预测整合进计算流程，适用于结构蛋白质组学、药物发现、蛋白质工程与进化研究等场景。
主要能力：1) 检索与获取：可用 Biopython 的 Bio.PDB.alphafold_db 获取预测、下载 mmCIF 或直接得到 Structure 对象；也可直接调用 REST 接口 https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id}。2) 文件下载：模型坐标 model_v4.cif（或 .pdb）、置信度 confidence_v4.json、预测对齐误差 predicted_aligned_error_v4.json，URL 形如 https://alphafold.ebi.ac.uk/files/{alphafold_id}-model_v4.cif。3) 置信度分析：pLDDT 为逐残基置信度（0-100，>90 很高、70-90 高、50-70 低、<50 很低）；PAE 表示残基对相对位置置信度（<5 Å 可靠、>15 Å 不确定）。4) 批量访问：通过 Google Cloud Storage（gs://public-datasets-deepmind-alphafold-v4/）下载蛋白质组，或用 BigQuery 查询 bigquery-public-data.deepmind_alphafold.metadata 元数据。5) 结构解析：用 MMCIFParser 提取坐标、计算距离与接触，pLDDT 存于 B-factor 列。
使用方式：安装 uv pip install biopython requests numpy matplotlib pandas scipy；批量可选 uv pip install google-cloud-bigquery gsutil。也可经 3D-Beacons 联邦 API 访问。
限制：预测为计算模型而非实验结构；高 pLDDT 不保证功能准确；低置信区可能无序；PAE 仅反映相对域置信；预测不含配体、翻译后修饰与辅因子；仅单链，不预测多链复合物；当前版本 v4，旧版本可能弃用；数据为 CC-BY-4.0，需引用 Jumper et al. (2021) 与 Varadi et al. (2022)。