ProDy 是一个用于蛋白质动力学与结构生物学分析的 Python 工具包。其设计目标是对蛋白质的集体运动进行建模：将蛋白质视为弹性网络，从而可以从单个 PDB 文件或一组结构中预测功能性运动与结构柔性。
用途
根据资料，ProDy 适用于以下任务：预测蛋白质柔性与集体运动（ANM/GNM）；对结构系综或分子动力学（MD）轨迹进行主成分分析（PCA）；分析结构保守性与共进化（Evol）；比较多个蛋白质结构（系综分析）；识别蛋白质中的铰链区与刚性结构域；对接准备与结合位点分析（可成药性）；基于集体模式过滤 MD 轨迹。
主要能力
ProDy 提供了一套强大的原子选择语法，风格类似 VMD 或 PyMOL，可按链、残基、属性或空间邻近关系选择原子，例如 'protein and resname TRP and within 5 of resname HEM'。弹性网络模型方面，GNM（高斯网络模型）用于预测涨落幅度（B 因子），ANM（各向异性网络模型）用于预测运动的方向与幅度。系综（Ensemble）用于存储多个结构（如多个 NMR 模型或 MD 帧），以便进行快速统计分析与 PCA。此外还包含进化分析能力，可加载多序列比对（MSA），计算保守性（Shannon 熵）与互信息（共进化）。
使用方式
安装命令为：pip install prody。标准导入方式为 import numpy as np 与 from prody import *，可选配置绘图可写 confProDy(auto_show=False)。
简正模式分析的基本流程为：先用 parsePDB('1p38') 解析结构，用 atoms.select('protein and calpha') 选择 C-alpha 原子；然后创建 ANM 对象 anm = ANM('p38_anm')，调用 anm.buildHessian(calphas) 构建 Hessian 矩阵，调用 anm.calcModes(n_modes=20) 计算模式；随后可遍历模式获取索引与方差；最后用 writeNMD('p38_modes.nmd', anm, calphas) 保存为 NMD 格式以供 VMD 或 PyMOL 可视化。
GNM 用法类似：gnm = GNM('1p38_gnm')，gnm.buildKirchhoff(calphas, cutoff=10.0)，gnm.calcModes()，可用 calcCrossCorr(gnm) 计算互相关、calcSqFlucts(gnm) 计算理论 B 因子。ANM 可用 anm.buildHessian(calphas, cutoff=15.0)，并用 findHinges(anm[0]) 从最慢模式中找出铰链区。
系综与 PCA：解析多个结构后，将其加入 Ensemble，并使用 matchAlign(s, structures[0]) 对齐与匹配原子，再 pca.buildCovariance(ensemble) 与 pca.calcModes()，可通过 ensemble.getProjection(pca[:2]) 把结构投影到主成分上。
进化分析：用 parseMSA('p38_alignment.fasta') 加载多序列比对，用 calcShannonEntropy(msa) 计算保守性，用 calcMutualInformation(msa) 计算互信息。资料中提到直接耦合分析（DCA）需要外部工具或特定插件，示例中相关调用被注释。
关键规则与限制
应使用的做法包括：对大型体系做 NMA 时仅选择 C-alpha 原子；对结构系综做 PCA 前先用 ensemble.iterpose() 对齐到参考结构；尽早使用 select() 过滤 PDB 对象以节省 Hessian 计算内存；检查特征求解器收敛性；比较结构时用 matchAlign() 保证原子索引匹配。
不应做的做法包括：不要在原始 PDB 上直接运行 NMA（PDB 常有缺失环或多个占据状态，应先清理或选择特定链）；不要忽略零模式（ANM 前 6 个模式为刚体平移/旋转，频率为零，真实生物运动从模式索引 6 开始）；不要对大型蛋白质做全原子 Hessian 计算（全原子 ENM 会生成 3N×3N 矩阵，对 1000 残基蛋白即为 30000×30000 矩阵，内存开销很大）。
常见问题与解决
原子映射不匹配：比较同一蛋白质的两个 PDB 时可能有缺失残基，此时应使用 matchAlign(pdb2, pdb1)，并用 matches[0][0] 作为坐标集加入系综。非标准残基：ProDy 可能无法识别不常见配体为 'hetero' 或 'protein'，可用具体残基名或 'all' 选择，例如 atoms.select('resname MYL')。Hessian 奇异性：若蛋白质存在不连通部分，Hessian 会有超过 6 个零特征值，应先检查连通性。
最佳实践
资料给出的最佳实践包括：大型蛋白质做 NMA 时总是选择 C-alpha 原子以降低计算成本；PCA 前用 iterpose() 对齐系综内所有结构；尽早用选择语法过滤 PDB 以减少内存占用；记住 ANM 模式 0-5 是刚体运动，生物运动从模式 6 开始；比较原子数不同或存在缺失残基的结构时使用 matchAlign()；构建 Hessian 前检查是否存在不连通组件；使用合适的截断距离（C-alpha 网络通常为 10-15 Å）；验证特征求解器收敛性；将模式保存为 NMD 格式以便在 VMD 或 PyMOL 中可视化；对非常大的体系考虑使用稀疏矩阵表示。
参考资料
官方文档：http://prody.csb.pitt.edu/ ；手册：http://prody.csb.pitt.edu/manual/ 。常用检索模式：prody.parsePDB、prody.ANM、prody.GNM、prody.select、prody.Ensemble。