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 10-16 04:03

技能介绍

用途

AlphaFold Database 是由 DeepMind 与 EMBL-EBI 维护的公共蛋白质结构数据库，收录超过 2 亿个由 AI 预测的蛋白质三维结构。本技能用于在计算工作流中访问这些预测结构，主要适用于以下场景：

  • 按 UniProt ID 或蛋白质名称检索蛋白质结构预测
  • 下载 PDB/mmCIF 坐标文件用于结构分析
  • 分析预测置信度指标（pLDDT、PAE）以评估可靠性
  • 通过 Google Cloud Platform 获取批量蛋白质组数据集
  • 将预测结构与实验数据进行比较
  • 进行基于结构的药物发现或蛋白质工程
  • 为缺乏实验结构的蛋白质构建结构模型
  • 将 AlphaFold 预测集成到计算流程中

主要能力

搜索与检索预测

推荐使用 Biopython，其提供最简单的检索接口。通过 Bio.PDB.alphafold_db 可按 UniProt 登录号获取预测列表、下载 mmCIF 文件或直接获取结构对象。也可使用 REST API 直接查询，例如访问 https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id} 获取预测元数据并提取 AlphaFold ID。此外可先通过 UniProt 搜索蛋白质登录号（https://www.uniprot.org/uploadlists/），支持从 PDB ID、基因名等查询类型转换为登录号。

下载结构文件

每个预测提供多种文件格式：模型坐标（model_v4.cif，mmCIF/PDBx 格式）、置信度分数（confidence_v4.json，逐残基 pLDDT 分数）、预测对齐误差（predicted_aligned_error_v4.json，PAE 矩阵）。下载 URL 格式为 https://alphafold.ebi.ac.uk/files/{alphafold_id}-model_{version}.cif 等，同样支持 PDB 格式。

置信度指标

pLDDT 为逐残基置信度（0-100）：pLDDT > 90 表示非常高置信度，70-90 为高置信度，50-70 为低置信度，< 50 为非常低置信度。PAE 表示残基对相对位置的置信度，可通过 matplotlib 可视化 PAE 矩阵；低 PAE 值（< 5 Å）表示相对定位可信，高 PAE 值（> 15 Å）提示结构域排布不确定。

批量数据访问

大规模分析可使用 Google Cloud。通过 gsutil 可列出并下载 gs://public-datasets-deepmind-alphafold-v4/ 下的数据，如按分类 ID 下载整个蛋白质组 tar 包。通过 BigQuery 可查询元数据，例如查询 bigquery-public-data.deepmind_alphafold.metadata 中高置信度的人类蛋白质。BigQuery 免费额度为每月处理 1 TB 数据。

结构解析与分析

使用 Biopython 解析 mmCIF 文件，可提取原子坐标、计算距离矩阵与接触（< 8 Å）、从 B-factor 列提取 pLDDT 值并识别高置信区域。支持批量处理多个蛋白质并汇总统计（平均 pLDDT、高置信比例、长度等）。

其他访问方式

可通过 3D-Beacons 联邦 API 访问 AlphaFold 结构，URL 为 https://www.ebi.ac.uk/pdbe/pdbe-kb/3dbeacons/api/uniprot/summary/{uniprot_id}.json，并可筛选 provider 为 "AlphaFold DB" 的结构。

安装与设置

安装 Biopython、requests 以及可视化分析库（numpy、matplotlib、pandas、scipy）；如需 Google Cloud 访问，安装 google-cloud-bigquery 和 gsutil。

关键概念

  • UniProt 登录号：蛋白质主要标识符（如 "P00520"），查询 AlphaFold DB 所必需
  • AlphaFold ID：内部标识格式 AF-[UniProt 登录号]-F[片段号]（如 "AF-P00520-F1"）
  • pLDDT：逐残基置信度指标（0-100），值越高预测越可信
  • PAE：指示残基对相对位置置信度的矩阵
  • 数据库版本：当前为 v4，文件 URL 包含版本后缀（如 model_v4.cif）
  • 片段号：大型蛋白质可能被拆分为多个片段（F1、F2 等）

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
  • 药物发现：检索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
  • 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、利用 PAE 分析结构域架构
  • 进化研究：比较不同物种同源结构、分析结构特征保守性、研究结构域进化

限制与注意事项

  • AlphaFold DB 为免费公开资源，采用 CC-BY-4.0 许可
  • 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
  • 预测不包含配体、翻译后修饰和辅因子
  • 不预测多链复合物（仅单链）
  • 使用前应始终评估置信度指标
  • 当前数据库版本为 v4，旧版本可能被弃用，应定期检查更新
  • 引用：Jumper et al. (2021) Nature 与 Varadi et al. (2022) Nucleic Acids Research

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

references/api_reference.md 提供完整 API 文档，涵盖 REST 端点规格、文件格式与数据模式、Google Cloud 数据集结构与访问模式、高级查询与批处理策略、速率限制与缓存最佳实践、常见问题排查。