批量预测结构之前,最值得先确认的事情往往不是模型参数,而是程序究竟读进了哪些任务。两个蛋白写在同一个文件里,可能表示两个独立预测,也可能被误当成一个复合物。输入路径从文件改成目录,读取规则还可能变化。如果这些问题直到预测结束才被发现,后面再比较分数已经没有意义。
这篇文章安装了 ColabFold 1.6.3,直接调用该版本的输入解析和比对序列化函数,完成五种输入形式的对照。材料是八位和四位的人工序列,只用于检查格式语义。本次执行了安装后的真实代码,没有调用公共多序列比对服务,也没有运行结构预测模型,不能把这些短序列的处理当成折叠实验。

ColabFold 帮你连接流程,但输入仍需要自己核对
ColabFold 把序列检索、多序列比对和结构预测的使用过程组织起来,让批量分析更容易操作。它的便利之处在于减少了许多重复准备工作,但一个文件被成功读取,不意味着它表达的研究问题与预期一致。程序可以忠实执行错误的任务定义,而研究者直到查看结果时才发现少了一条链或少了一批样本。
对结构预测而言,输入至少有三个层级。第一层是准备运行多少个任务,第二层是每个任务包含哪些链及多少份拷贝,第三层是这些链使用哪些进化信息。前两层出错,会改变预测对象。第三层出错,则可能改变模型看到的链间信息。把它们都概括成“输入了序列”,不利于定位问题。
本篇只检查前端输入及比对存储规则。需要完整结构推断时,还应按官方项目说明安装对应预测组件并准备权重。基础包能够导入本文用到的函数,并不等于所有预测依赖已经就绪。这个边界应写进安装记录,避免把一次输入解析成功误报为整个流程部署完成。
安装与复现
本次环境为 Python 3.10.12,安装 ColabFold 1.6.3 后,实际依赖包括 NumPy 2.2.6、Biopython 1.85 和 pandas 2.3.3。我们还核对了安装包中的输入模块,与官方同版本源码在统一换行后具有相同校验值,避免将其他版本的行为混进本次解释。
python3 -m venv cf-input-env
cf-input-env/bin/pip install colabfold==1.6.3
cf-input-env/bin/python 232-colabfold/run.py ./cf-input-check
下载脚本与完整结果。驱动会生成不同输入文件,保存解析后的任务、警告信息以及带有拷贝数的比对文本。它不会提交预测任务。读者可以先用这些小材料熟悉输入规则,再把同样的检查放到真实批次前面。
这种安装方式使用独立环境,便于保留依赖版本。已有项目如果使用另一个版本,先在原环境里复核相同行为,不要仅因为本文使用较新的版本就直接升级整个预测流程。输入模块、模型依赖和已有缓存之间可能存在配套要求,升级应有明确目的与可重复的比较。
两条 FASTA 记录,首先表示两个任务
我们准备的文件包含两条普通记录,第一条序列八个氨基酸,第二条四个氨基酸。把这个文件路径直接交给输入函数,结果得到两个任务,复合物标志为假。也就是说,两条记录没有自动变成双链复合物。
>A_job
ACDEFGHI
>B_job
KLMN
还有一个容易忽略的细节,返回结果的顺序是较短的第二条在前,较长的第一条在后。这是该函数默认按总序列长度排序的表现。如果后续把返回列表第一行与原样本表第一行直接拼接,就可能把标识和结果错配。应按稳定的任务标识连接,而不是依赖文件中的原始顺序。
真实批次可以先生成一张解析清单,列出任务标识、链数、每条链长度和总长度,再与预期清单逐项比较。对于数十个构建体,这张表通常比一眼扫过长序列更容易发现问题。它还可以帮助识别同名任务、空序列和意外重复的构建体。
同一个文件放进目录,为什么只剩一条
第二组把完全相同的双记录文件放进一个目录,再把目录路径交给同一个函数。实际只返回一个任务,序列是原文件的第一条,任务名称使用文件名。日志给出警告,说明同一文件中的其他记录被忽略。程序并没有因此抛出异常。
| 输入形式 | 解析任务数 | 本次观察 |
|---|---|---|
| 直接传双记录文件 | 2 | 两个独立任务,按长度排序 |
| 传包含该文件的目录 | 1 | 只取文件第一条,出现警告 |
| 一个记录内用冒号连接三条链 | 1 | 一个复合物任务 |
这不是文件内容发生了变化,而是目录输入分支对每个文件采用不同的读取约定。只检查退出码会漏掉这个问题,因为警告不一定使流程失败。对于目录批处理,必须同时检查每个文件是否符合预期的记录数量,以及实际解析出的任务总数。
如果一个目录里有一百个文件,而每个文件本来都包含多个独立序列,不能假定程序会把所有记录自动展开。可以先按该版本支持的方式整理输入,或者明确地把每个目标拆成一份文件,再重新核对解析清单。关键是让输入组织与读取规则一致,而不是在日志里忽略这条警告后继续运行。
我们对照了同版本的输入实现,确认这是此次安装版本的实际分支行为。其他版本如果改变了规则,应以相应环境的输出为准,因此教程给出的版本号和小型对照都需要保留。
一个复合物任务,需要把链组成写在同一条记录里
第三组使用一个任务标识,在同一条序列记录中用冒号分隔三条链。前两条完全相同,第三条较短,表达的是两份甲链和一份乙链。输入函数返回一个任务,链列表中保留三条序列,复合物标志为真。
>A2B
ACDEFGHI:ACDEFGHI:KLMN
这里的重复不是多余的数据。两份相同甲链代表化学计量中的两份拷贝,如果为了“去重”只留下一个甲链,就把原本的三链体系改成了双链体系。任务名称写着二比一,不能弥补序列列表里已经丢掉的那份拷贝。
对于同源多聚体,尤其要把“不同序列的种类数”和“实际链的数量”分开记录。两种序列可以组成三条链,也可以组成更多条链。链数变化会改变模型要处理的对象,不能在不同构建体之间默默调整后仍把分数放在同一张表里比较。
输入还应对应真实研究中的构建体。如果实验使用截短片段,不能只在任务名称里写“截短”,却仍把完整序列放入文件。最直接的核对方法是把解析出的链序列重新导出,再与准备提交的实验序列逐位比较。一个可运行的小检查,往往比靠文件名判断更可靠。
复合物 A3M 的首行,为什么不能当普通注释删掉
第四组把两种唯一序列和二比一的拷贝数写入复合物多序列比对。生成文本的首行包含两个长度及两个拷贝数,示意为长度八、四,拷贝数二、一。它们之间使用制表符分隔。首条查询行却只有十二个匹配列,等于两种唯一序列长度之和。
这并没有少写八个残基。该存储形式保留唯一序列,并把重复信息放在首行。按链拷贝数计算,这个体系实际对应二十个残基,而不是十二个。仅凭首条比对序列的字符串长度判断复合物总长度,会丢失化学计量信息。
接着我们只删除首行,其他内容完全不动。再次解析时,查询字符串依然是同样的十二个字符,但复合物标志从真变成了假。这次变化没有依赖预测模型,也没有任何坐标参与,仅仅是元数据丢失就改变了任务解释。以井号开头并不意味着这一行可以安全忽略。
因此,复制、清洗或重新保存复合物比对文件时,要保留格式要求的首行信息。通用的“删除所有注释行”脚本不一定适合这类文件。转换前后可以同时比较唯一序列长度、拷贝数和解析出的复合物标志,不能只比较剩余的序列文本。
本次没有进入后续特征展开和模型推断阶段。我们观察到的是存储与解析层面的区别,不据此声称删除首行后一定会产生某一种具体错误结构。这个区分能够让故障定位更准确,先确认输入对象,再讨论模型行为。
小写插入和横杠,也有各自的作用
练习中的一条比对序列含有一个小写插入字符。它在文本中占一个位置,但不应直接当作普通匹配列计入查询长度。未配对序列的另一条链区域则用横杠补齐,用来表达这一行只为某个链区段提供信息。
如果为了让文件“整齐”而把所有字母统一改成大写,或把横杠全部删除,会改变原有比对含义。这个风险在从电子表格复制序列时尤其容易被忽略。建议使用保留原始文本的工具处理比对,并通过解析后的匹配列数验证,而不是用每行字符总数判断长度是否一致。
这也说明比对深度不等于独立信息量。多条高度相似的序列、重复的查询和填充行,不会简单地变成同样多份进化证据。本文没有评估它们对预测精度的影响,但输入检查至少应该区分原始文本行数、有效匹配列和不同链的信息来源,避免把文件很长直接解释成数据很好。
配对辅助函数会拼接行,不会替你判断生物学对应
我们还调用了安装包中的配对格式辅助函数。两套人工比对都按查询、第一组示例、第二组示例的顺序排列时,对应行被拼接在一起。然后只交换第二套比对中的两条示例行,输出也随之变成第一套的第一组接到第二套的第二组。
这并不是该函数做错了物种配对,因为它本来就假设输入行已经配对完成,职责是组织文本。实验说明的是,不能把“按行拼接成功”当成“找到了正确的进化配对”。如果前处理阶段独立排序了两条链的比对,文件仍然可能正常写出,而原来的对应关系已经被破坏。
真实的链间配对需要依据相应流程所使用的标识与规则,并考虑旁系同源、多拷贝和缺失成员等情况。不能仅凭两份比对行数相同,就把第几行对第几行当作可靠关系。对于自己编写的中间脚本,应保留配对标识,抽查被拼接的两侧是否仍然来自预期对象。
这个例子也提醒我们区分“格式转换”和“推断关系”。许多辅助函数名字中包含配对、组合或合并,但其职责可能只是处理已经确定好的输入。解释结果时应查看实际调用的功能边界,而不是根据名称赋予它额外的生物学判断能力。
怎样把这些检查放进真实批次
在开始序列检索前,先列出预期任务数,并核对解析后的标识集合。接着逐任务核对链数、唯一序列数、拷贝数和总长度。对于已经准备好的复合物比对,再检查首行、查询行和链区段是否一致。最后查看警告,特别是“忽略其他记录”这类不会导致非零退出的提示。
如果使用公共比对服务,还应遵循项目当前公布的使用约定,并记录比对来源与生成时间。相同序列使用不同版本的比对库或不同的配对策略,后续结果可能不同。把比对文件与结构结果一起留存,能够避免以后只剩一份坐标却无法追溯输入信息。
ColabFold 的优点是让批量结构分析的多个环节更容易连接,局限在于这种便利无法替代任务定义和数据整理。此次实跑最实际的收获,是在预测前核对了三类不会靠结构评分自动说明的问题,目录读取少了记录,链种类数与拷贝数不同,删除元数据改变了复合物解释。把这些问题提前检查清楚,后面的预测和比较才是在回答预定的研究问题。
当这套输入核验需要接入多个构建体的批量结构分析时,云生信的生物信息学分析服务器服务可以承接环境部署、流程衔接和结果留存。
