Alphafold database access

何时使用

适用：

• 按 UniProt 登录号检索 AI 预测蛋白结构，下载 mmCIF/PDB 用于结构分析或对接。
• 分析预测置信度：pLDDT（每残基）、PAE（结构域级相对定位）。
• 经 Google Cloud 批量下载整个物种蛋白组预测。
• 为缺乏实验数据的蛋白搭建结构模型、识别高可信结合位点、与 PDB 实验结构比对。

不该用（负边界）：

• 只需实验结构 → 直接用 PDB，不要用预测模型。
• 要自己运行 AlphaFold 预测 → 用 ColabFold 或本地 AlphaFold，本技能只做"访问已有数据库"。
• 预测模型不含配体、PTM、辅因子与多链上下文；高 pLDDT 不等于功能正确性，勿据此直接下功能结论。

步骤 / 指令

1. 装依赖：pip install biopython requests numpy matplotlib；批量另装 pip install google-cloud-bigquery google-cloud-storage（BioPython 需 ≥1.80）。
2. 检索预测元数据（单蛋白首选 BioPython）。
3. 下载坐标文件（优先 mmCIF）与置信度/PAE JSON。
4. 分析 pLDDT 分级、绘制 PAE 矩阵、抽取高可信区域。
5. 大批量（>100 蛋白或整蛋白组）改走 Google Cloud（gsutil/BigQuery），顺序请求间隔 100–200ms，并发 ≤10。

关键约束：

• AlphaFold ID 格式 AF-{UniProt}-F{片段号}（如 AF-P00520-F1）；大蛋白（>2700 残基）拆 F1/F2…须逐片段检查。
• 当前库版本 v4，所有文件 URL 必须带 _v4 后缀，可复现分析中固定版本号。
• pLDDT 以 B-factor 存于结构文件。
• 文件基址 https://alphafold.ebi.ac.uk/files/。

置信度判读表

指标	范围	判读	适用
pLDDT >90	极高	主链+侧链可靠	精细分析、对接
pLDDT 70–90	高	主链总体可靠	折叠/结构域识别
pLDDT 50–70	低	谨慎使用	可能柔性/无序
pLDDT <50	极低	很可能无序	从分析中剔除
PAE <5Å	可信	结构域相对位置可靠	多域装配
PAE 5–10Å	中等	排布不确定	各域独立处理
PAE >15Å	不确定	域可能可动	勿信朝向

示例

检索 + 下载 + 看置信度：

from Bio.PDB import alphafold_db
import requests, numpy as np

uniprot_id = "P00520"  # ABL1 激酶
preds = list(alphafold_db.get_predictions(uniprot_id))
af_id = preds[0]['entryId']                                   # AF-P00520-F1
cif_file = alphafold_db.download_cif_for(preds[0], directory="./structures")

conf = requests.get(f"https://alphafold.ebi.ac.uk/files/{af_id}-confidence_v4.json").json()
scores = conf['confidenceScore']
print(f"平均 pLDDT: {np.mean(scores):.1f}, 高可信残基: {sum(1 for s in scores if s>90)}/{len(scores)}")

REST API（取下载 URL，便于集成）：

data = requests.get(f"https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id}").json()
pred = data[0]
print(pred['cifUrl'], pred['pdbUrl'], pred['paeDocUrl'])

下载文件（mmCIF 推荐；PDB 仅限 <99999 原子；bcif 体积小约 70%）：

base = "https://alphafold.ebi.ac.uk/files"
cif = requests.get(f"{base}/{af_id}-model_v4.cif")
open(f"{af_id}.cif", "w").write(cif.text)
pae = requests.get(f"{base}/{af_id}-predicted_aligned_error_v4.json").json()
pae_matrix = np.array(pae['distance'])   # N×N，按设计非对称，聚类前需对称化

PAE 可视化（低 PAE 区=可信相对定位）：

import matplotlib.pyplot as plt
plt.imshow(pae_matrix, cmap='viridis_r', vmin=0, vmax=30)
plt.colorbar(label='PAE (Å)'); plt.savefig(f'{af_id}_pae.png', dpi=300, bbox_inches='tight')

批量经 Google Cloud：

gsutil ls gs://public-datasets-deepmind-alphafold-v4/
# 按物种 taxonomy ID 下载整蛋白组（人 9606 / E.coli 83333 / 小鼠 10090）
gsutil -m cp gs://public-datasets-deepmind-alphafold-v4/proteomes/proteome-tax_id-9606-*_v4.tar .
gsutil cp gs://public-datasets-deepmind-alphafold-v4/accession_ids.csv .

BigQuery 筛高可信人源蛋白：

SELECT entryId, uniprotAccession, gene, globalMetricValue, fractionPlddtVeryHigh
FROM `bigquery-public-data.deepmind_alphafold.metadata`
WHERE organismScientificName = 'Homo sapiens'
  AND fractionPlddtVeryHigh > 0.8 AND isReviewed = TRUE
LIMIT 100

注意事项

• 单蛋白用 BioPython，>100 蛋白/整蛋白组用 Google Cloud（并行快若干数量级）。
• 下游分析前务必先查 pLDDT，剔除 <50 的无序区，再做对接/接触图/结合位点预测。
• 多域蛋白用 PAE 而非仅 pLDDT 判断域朝向是否可信。
• 本地缓存已下载文件（同版本文件为静态），避免重复下载。
• 常见错误：404=该 UniProt 无预测；429=超速率限制，加 time.sleep(0.2) 或转 GCS；预测列表空=ID 不在库内或用规范同种型；ModuleNotFoundError: Bio.PDB.alphafold_db=升级 biopython>=1.80；GCS 失败=gcloud auth login 或用公共数据匿名访问。

互见

• autodock-vina：以 AlphaFold 结构为受体做分子对接。
• biopython：AlphaFold 之外的通用蛋白结构解析与分析。
• 参考：AlphaFold DB https://alphafold.ebi.ac.uk/ ；Jumper et al. (2021) Nature 596;583 ；Varadi et al. (2024) NAR 52,D368。

---

采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0）。