software

FoldX 的突变能量差为什么算反了?先把每个突变体配回自己的野生型

作者:发布于 2026-11-18约 10 分钟阅读
FoldX 读表人工示例。候选B用对应野生型得到平均差值负1,误用固定参考得到负11。候选C三次差值负2、3、2,平均1但方向跨零。未运行FoldX。

整理一批 FoldX 结果时,有人先取一份野生型结构的能量,再让所有突变体减去这个数。计算过程很整齐,某个突变却得到特别大的稳定化效果。另一位同事查看软件输出的差值文件,发现结论没有那么强。两边未必是谁少保留了小数,可能从一开始就用了不同的参考状态。

本文以 BuildModel 结果审阅为主线,说明如何连接突变体与对应野生型、如何解释重复计算,以及怎样区分稳定性变化和相互作用变化。附件中的能量表全部由作者设定,只用于检验配对与算术。我们实际执行了自编 Python 练习,没有安装或运行 FoldX,没有产生真实突变结构或预测能量,教学数字不能作为任何蛋白的稳定性证据。

每个突变为什么会有对应的野生型

BuildModel 官方文档强调,构建突变时会让野生型和突变体处理相同的邻近区域。不同突变涉及的邻近残基可能不同,因此会产生与各突变体对应的野生型参考。这个设计让比较尽量针对同一局部处理条件下的差异,而不是把不同程度整理过的两个结构直接相减。BuildModel 的参考配对说明

因此,结果里的野生型不能只理解成项目最开始输入的那一个文件。原始野生型、修复后的起始结构,以及某次突变建模对应的野生型参考,是不同用途的对象。它们都可能具有相同氨基酸序列,但坐标处理过程不同。序列相同不保证能量完全一样,也不能自动成为彼此可替换的差值基线。

一个实用的整理原则,是先保留文件关系,再计算指标。让每个突变体明确指向其对应野生型、起始结构、重复编号和运行条件。不要仅凭文件名里出现 WT 就挑第一份,也不要因为只有一份参考文件被复制到汇总目录,就让它承担整批比较。缺少对应关系时,应先补齐来源,而不是用最方便取得的数值填空。

四类输出文件各自回答不同问题

官方列出的结果包括原始能量分解、对应突变差值、多次运行的汇总,以及突变体和参考结构的文件列表。读表时可以先用文件列表建立关系,再从原始结果核查几组差值,最后使用汇总进行展示。这样的顺序能把计算定义和最终图表连接起来,避免一开始只留下平均值,出问题时却找不到原始比较对象。

输出前缀 主要用途 审阅重点
PdbList 找突变与参考关系 一一配对是否完整
Raw 看各结构能量分解 对象和条件是否一致
Dif 查看对应能量差 减法方向与配对
Average 汇总多次运行 重复数量及离散情况

实际文件可能包含说明行和多个能量分项,不能假定第一行必定是表头,也不能只按固定列号读取所有版本。先查看当前文件的标题与字段,把总能量列、结构标识和运行编号辨认清楚。本文的 CSV 练习采用简化字段,不是直接解析任意原生输出的工具,不能把练习解析代码原封不动套到未经检查的真实文件上。

能量分项还可以用于追查异常。某个突变的总变化很大时,查看是碰撞、溶剂化还是其他项出现明显改变,再回到局部结构检查。分项提供线索,并不意味着只要某一列看起来有利,就可以忽略其他不利因素。也不要不看定义就把所有显示列重复相加,有的诊断项与总能量的关系需要按具体文档确认。

先定义减法方向,再讨论稳定或不稳定

本文将突变能量差定义为突变体能量减去对应野生型能量。按这个定义,正值表示突变体的模型能量更高,负值表示更低。讨论稳定化或去稳定化时,必须同时交代采用的量与符号约定。不同工具、不同指标以及历史输出的约定可能不同,不能根据列名都叫能量差,就直接合并符号。FoldX 对符号约定的说明

FoldX 官方结果以千卡每摩尔描述能量项,但这仍是模型估计,不是对每个突变做过实验测定。数值带有物理单位,不代表误差已经消失,更不等于可以直接推导细胞中的蛋白丰度、酶活变化或致病性。写结果时,先说模型支持的结构能量变化,再说明还缺哪些实验或功能证据。

检查符号最直接的办法是挑一对原始数值手算。例如野生型为负一百一十,突变体为负一百一十一,按本文定义差值为负一。如果表中出现正一,就要检查是减法方向改变,还是你选错了参考行。先把一对小例子算通,再处理几万个候选,通常比从最终热图反推错误位置更省力。

用三组人为能量检查配对是否正确

练习设置 A、B、C 三个教学候选,各有三次记录。A 的野生型为负一百、负一百零二、负九十八,突变体分别为负九十八、负一百、负九十六,每次差值都是正二。B 的对应野生型为负一百一十、负一百一十二、负一百零八,突变体分别比它们低一,每次差值都是负一。

如果错误地让 B 的三个突变体统一减去负一百,得到的平均差值会变成负十一,比正确结果多出十个单位的负向变化。这个差额不是突变效果突然增强,而是换了基线。脚本实际核对了这两种算法,保留了原始表和配对键,读者可以直接修改数字观察参考变化如何传递到最终结论。

教学候选 三次对应差值 平均差值
A 2,2,2 2
B -1,-1,-1 -1
C -2,3,2 1

候选 C 的三次差值跨过零,平均值为一,中位数为二,样本标准差约为二点六五,范围从负二到正三。只留下平均值会掩盖方向变化。它不证明这个候选一定无效,也不意味着取最有利的负二就有合理依据。更合适的行动是检查产生差异的结构与局部构象,并明确当前估计对重复结果的敏感程度。

FoldX 读表人工示例。候选B用对应野生型得到平均差值负1,误用固定参考得到负11。候选C三次差值负2、3、2,平均1但方向跨零。未运行FoldX。
全部能量是作者设定的教学值,只核对减法与配对,不是软件预测或实验测量。

先求差再平均,不等于平均永远不能相减

这里有一个常见但不准确的说法,需要主动纠正。如果同一组突变体与野生型记录完整、一一对应,而且使用相同权重,平均差值确实等于突变体平均值减去野生型平均值。这是基本算术恒等式,不能把两种写法本身说成错误。练习也核对了三组完整记录中的这项相等关系。

真正的风险在于平均之前丢失了配对信息。例如某个突变体缺少一次运行,野生型却保留全部记录,分别求平均就不再代表同一批比较。即使记录完整,错误配对也可能恰好保持组平均值不变,却改变每次差值的波动与范围。最终平均数对得上,并不足以证明逐次配对是对的。

因此,推荐先建立严格连接键,确认每次比较都有两边记录,再计算差值和汇总。练习故意打乱突变体行序,依靠候选、重复、起始结构和运行条件连接,仍得到相同答案。随后分别制造缺失行、重复键和条件不匹配,三种情况均被明确拒绝。自动化应让不完整关系暴露出来,而不是用排序位置、最近行或固定参考偷偷补齐。

重复计算反映探索稳定性,不是生物重复

官方的运行次数参数可用于重复构建并观察结果是否稳定。多次运行的价值在于看算法对局部搜索结果的敏感性,不能把同一输入的计算重复视为独立蛋白样本。十次输出得到很小的离散程度,也不能单独证明预测与实验之间的误差很小。运行次数参数的官方解释

汇总时同时保留次数、均值、中位数、离散程度和范围,尤其关注方向改变的候选。对接近零或跨零的结果,报告其不稳定性比多写几位小数更有用。不要从许多次中挑最有利的一次代表该突变,也不要把软件输出的标准差自动当成预测误差或实验置信区间。它对应的是当前数据和计算设置下的变化。

若手里有多个实验结构或不同构象,可以按起始结构分组处理,再比较候选在各组中的方向和排序。这样能够区分同一结构内的计算波动与不同结构状态带来的变化。把所有起始结构直接混在一起求一个平均数,会掩盖这种层次。候选只在某一个构象下有利,可能正是值得继续研究的信息,不应被平均操作轻易抹去。

修复结构和定位突变,必须在结果之前验收

FoldX 官方推荐建模前进行结构修复,处理部分局部扭转与碰撞问题。修复有助于准备输入,但不能凭空补齐缺失的生物学状态,也不等于结构已经正确。应保留修复前后的文件,检查关键位点附近是否发生影响研究解释的变化,而不是只看命令有没有结束。RepairPDB 的作用与输出

写突变列表时,要确认野生型残基、链和结构编号三者一致。官方的单独列表形式将它们与突变后残基连在一起,例如 FA39L 表示链 A 的三十九号苯丙氨酸变成亮氨酸。这个位置是结构中的目标位置,未必等于参考蛋白序列的第三十九位。遇到缺失片段、插入码或不同链编号时,应先建立并人工抽查映射。突变列表格式

同一行中的逗号与行末分号也有实际含义。多个突变写在同一条组合记录里,与分成多个独立单突变,是不同的计算问题。下面仅展示官方格式的组织方式,位置属于格式示例,没有对应本文的真实结构,不能直接执行后当作生物学结果。

FA39L;
AA40V;
FA39L,AA40V;

前三行分别表达两个单突变及它们的组合。不能把两个单突变的能量差简单相加,就宣称得到了双突变预测。组合后局部环境和相互作用可能改变,若研究问题涉及组合效应,需要对组合本身建模并保留对应参考。加和可以作为明确声明的比较基线,但不能冒充已完成的组合计算。

稳定性改善与结合改善,可能出现相反方向

BuildModel 的稳定性相关差值和 AnalyseComplex 的相互作用能量回答不同问题。官方将后者用于比较所选分子或分子组的相互作用,并要求明确链分组。分析复合物时,不能因为整个复合物模型的总能量下降,就直接得出链间结合增强的结论。AnalyseComplex 的量与链分组

用一个纯算术例子即可看出区别。设野生型复合物能量为负二百,分开组分能量之和为负一百八十八,相互作用量为负十二。突变复合物变为负二百零二,但分开组分之和变为负一百九十二,相互作用量为负十。复合物总量变化为负二,相互作用变化却是正二,两者方向相反,脚本也实际核对了这个例子。

因此,在给候选写标签前,先把公式、参考状态和链分组写出来。研究折叠稳定性、结合变化和功能效应时,可以组织多类证据,但不应让其中一类指标替代其余全部。FoldX 的优势在于围绕已知结构快速组织突变假设与比较,局限则包括输入结构、局部处理及模型假设会影响估计。用它安排验证优先级,比把一列数值直接当成最终实验结论更合适。

下载原创结果审阅练习与核验结果(ZIP)。使用 Python 标准库即可运行,按本文工具名称选择目录。包内说明逐项列出人为数据、已执行的检查和适用边界,不包含对应软件的安装包或预测模型。

当结构、配对规则和候选筛选标准已经明确,需要持续开展多结构与多突变批次计算时,可了解云生信生物信息分析服务器,按软件许可、候选数量和重复方案沟通环境需求。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗