实验提示两个蛋白可能通过某些残基相互作用,把这些位点写进对接约束,再挑出分数最低的复合物,看上去是一条很直接的分析路线。但约束文件里的编号是否对应实际结构,选择语句是否真的选中了原子,不同任务的评分条件是否相同,这些问题如果没有检查,最后的低分就很难解释。
HADDOCK 的特点是把实验或生物学信息纳入对接过程。信息正确、表达合理时,它可以帮助缩小搜索范围。信息有误或被过度解释时,也可能把搜索引向错误界面。本文用官方文档和已经运行的原创 Python 审阅练习,说明如何从输入证据一路核对到簇排名。没有安装或运行 HADDOCK、CNS,也没有生成复合物结构。
先把实验观察和直接接触区分开
一个残基发生突变以后,结合信号减弱,并不唯一对应“这个残基直接接触另一方”。突变也可能改变折叠、局部稳定性或构象分布。若把所有影响结合的位点都写成严格的一对一距离约束,就把实验尚未回答的问题提前写成了模型条件。
整理证据时,可以为每个位点记录实验类型、原始编号、结构中的对应编号、是否表面可及,以及还有哪些解释没有排除。多个实验是否来自相互独立的证据也值得区分。把同一条观察换几种形式重复输入,不会自动增加信息量,却可能让某一类假设在建模中受到过强强调。
HADDOCK 使用活性和被动残基表达界面信息。活性位点用于表达较直接的界面依据,被动位点通常用于涵盖其附近可能参与接触的表面区域。具体选取仍需结合实验和结构,不能把所有表面残基无差别设为活性,也不能把被动列表理解为每个残基都必须接触另一方。官方约束准备建议
原始序列编号不一定等于建模文件编号
实验文章可能使用完整蛋白编号,而输入结构去掉了信号肽、标签或缺失片段,编号也可能在准备过程中被重排。把论文中的十号残基直接写进当前文件,并不能保证选中同一个位置。应该保存原序列到实际结构的映射,再把约束转换到最终用于建模的文件上。
同一复合物还可能包含多个片段拥有相同残基编号的情况。仅写残基号,不限定链或片段,会选中多于预期的对象。相反,链名在准备时改变以后继续使用旧标识,可能一个原子都选不到。因此,约束检查需要报告选择结果的数量和身份,不能只检查文本里有没有数字。
原创练习构造了六个带身份标记的原子,A 片段含十、十一、二十号,B 片段含三十、三十一、四十号。选择 A 的十号或 B 的三十号,分别命中一个对象。把链名改成不存在的 C,或者把 A 的十号误写成一号,都会得到空选择,脚本明确拒绝这两种情况。
这些只是人工身份表,没有真实坐标,也不是 CNS 选择语法解析器。练习展示的是检查思路。真实工作中需要让实际工具报告所选原子,并核对当前输入文件。官方文档提醒某些没有选中对象的选择并不一定产生错误提示,不能把“没有报错”当成约束生效的证据。约束选择与距离字段说明
距离后面的两个数是偏差,不是直接上下界
下面给出一条仅用于解释字段的单原子对选择示意。两个选择分别限定片段、残基和原子名,后面三个数为目标距离以及允许向下、向上偏离的量。它不是本文实际执行的 CNS 输入,也不代表某个真实体系应当采用这些数值。
assign (segid A and resi 10 and name CA)
(segid B and resi 30 and name CA) 5.0 1.0 2.0
按这个字段定义,允许范围是五减一到五加二,即四到七。不是一到二,也不是四到六。配套练习实际检查了三点五、四、五、七和七点五,只有四、五、七落在这个闭区间内。读入后先把目标与偏差展开成明确的范围,是很容易实施的防错步骤。
这里故意限定为单原子对的距离范围算术。多个原子参与的模糊约束使用的是相应定义下的有效距离,不能把上述单对检查直接推广成“每个原子对都必须在范围内”。也不能拿所有候选原子之间距离的普通平均值,未经核对就替代软件实际使用的量。
| 检查对象 | 本例结果 | 能发现的问题 |
|---|---|---|
| A 片段十号原子 | 命中一个 | 身份对应是否符合预期 |
| C 片段十号原子 | 空选择,拒绝 | 链或片段标识错误 |
| 目标 5、下偏差 1、上偏差 2 | 范围 4 到 7 | 把偏差误读成上下界 |
| 测试距离 3.5 和 7.5 | 不满足本例范围 | 边界判断写错 |
同一个分数里包含了对约束的响应
HADDOCK 的总分由多个项按权重组合,相关项包括相互作用能量、去溶剂化、埋藏面积以及约束惩罚等。不同模块或阶段的权重可以不同,也可以由用户调整。因此,一列名为 HADDOCK score 的数值,必须连同生成阶段、约束集合和权重一起阅读。官方评分组成说明
原创练习只保留四个作者设定的项,使用范德华项加零点二倍静电项,再加去溶剂化项和加权约束项。这里的公式是为了演示权重影响而人为选定的简化表达,不是任何模块完整默认评分函数。练习没有从坐标计算这些能量,所有数值都由作者构造。
模型 M1 的前三项合计负六十,约束项为一千。模型 M2 的前三项合计负三十五,约束项为零。约束权重设为零点一时,两者总分分别为四十和负三十五,M2 排在前面。只把权重降为零点零一,M1 总分变为负五十,排名便超过 M2。

这不表示 M1 的结构变好了,因为练习根本没有改变模型数据,只改变了评分规则。实际项目如果更换约束或调整权重,就不能直接把新任务更低的总分当成生物学上更好的证据。评分下降可能主要反映惩罚变轻,而不是原来不满足的实验条件已经得到解释。
脚本还实际拒绝了三个上下文不一致的比较,来自不同阶段、不同约束标识以及不同权重设置。使用真实文件时,可以把约束文件摘要与参数记录关联到结果表,让比较是否成立有依据。文件名叫同一个名字不等于内容相同,单独记录任务编号也不足以恢复评分条件。
如果某个模型总分很高,先展开各项贡献和约束违反明细,确认是少数异常条件主导,还是多个条件同时无法满足。高分本身不能告诉你哪条实验解释有问题。也不宜不断降低权重,直到总分变得好看,因为这样改变的是接受偏差的规则。任何调整都应能对应明确的证据修订或建模假设,并保存调整前的结果。
簇分数先问平均了哪些成员
挑选单个最低分模型可能受到极端值影响,因此很多流程会结合聚类和簇内代表模型来审阅结果。但一看到“簇平均分”仍不能停止追问,平均的是全部成员,还是评分最好的若干个成员?对每个簇是否采用了相同规则?这些选择会影响最终顺序。
练习设置 C1 的六个分数为负一百、负九十九、负九十八、负九十七、五十、六十。C2 的六个分数从负九十依次到负八十五。如果只取各簇最好的四个,C1 平均负九十八点五,C2 平均负八十八点五,C1 更靠前。把全部六个都纳入,结果则相反。
| 人工簇 | 最好四个的均值 | 全部成员均值 |
|---|---|---|
| C1,六个成员 | -98.5 | -47.33 |
| C2,六个成员 | -88.5 | -87.5 |
| 按低分优先的排序 | C1 在前 | C2 在前 |
这两种统计回答不同问题。前者偏重该簇较好的代表集合,后者同时受到较差成员影响。本文不把其中一种宣布为所有任务的唯一正确答案,而是强调应与实际流程的选择规则保持一致,并保留成员分布。C1 后两个值为何与前四个差别很大,仍然值得回到具体模型与日志中解释。
簇内分数离散程度可以帮助描述这批模型,但它不等于实验误差,也不能直接换算成结构正确的置信区间。成员可能共享初始构象、采样条件和系统误差。汇总表中的均值与标准差应和成员数、取样范围一起报告,避免让一个紧凑的统计数字掩盖来源上的相似性。
再增加一个只有三个成员的 C3,分数为负一百一十、负一百零九、负一百零八。若本例预设最少四个成员,它不会进入合格簇排序。它被排除的原因是成员数量条件,不是分数较差。报告未聚类或被过滤的模型时,应当把规则和实际去向说清楚,不能让它们无声消失。
接触相似和坐标相似不是同一件事
HADDOCK3 提供基于坐标偏差和共同接触的聚类路径。前者需要明确参与对齐和计算的原子或残基范围,后者关注界面接触模式。对于整体有局部柔性、但界面关系相近的一组模型,这两种描述可能产生不同的分组,因此簇编号不能脱离方法直接比较。官方聚类与成员选择说明
采用坐标偏差时,应该问清楚对齐的是整个复合物、受体还是指定区域,之后又在哪一部分计算距离。不同选择可以改变偏差的含义。采用接触指标时,也要保存接触定义和聚类阈值。只有分组规则明确,才有可能解释为什么某些模型进入同一簇,或者为何一个簇被拆开。
簇成员多只能说明当前采样与分组条件下有较多模型落在那里,不能直接当作热力学占据概率。重复采用相似初始条件也可能产生大量接近模型,这不等于增加了相同数量的独立证据。比较多个任务时,还应留意每个任务的采样数量是否相当,以及是否使用了同一套筛选规则。
满足输入约束不等于完成了独立验证
如果模型就是在某套约束引导下生成的,再用“满足这些约束”来证明模型正确,最多说明它与输入条件相容,不能替代独立验证。适合保留作验证的信息,应在设计阶段就明确,不要看见结果后才挑选支持当前模型的实验。验证也应考虑实验本身的分辨率和不确定性。
当不同约束方案给出明显不同界面时,可以先追查哪组证据主导了变化,而不是只选择分数最低的一组。某些约束可能互相冲突,某些位点可能通过间接作用影响结合。把证据来源、约束表达与模型响应对应起来,往往比继续增加模型数量更有助于识别问题所在。
HADDOCK2.4 网页结果和 HADDOCK3 本地流程的报告字段也不应机械照搬。官方问答专门指出两者在 Z 分数提供方式上的区别,并提醒不同约束条件下的总分不能直接比较。读取旧教程时,应确认软件代际、流程模块和实际表头,不要因为文件里缺一列就自行套用另一版定义。官方结果解读问答
本文练习只核对身份、区间、加权算术和簇汇总,没有解析真实 CNS 文件、计算能量或评价界面结构。读者可以把这些检查作为项目审阅的起点,再连接到真实输出。交付时保留输入结构、编号映射、约束来源、参数和成员明细,才能让一个候选复合物的选择理由接受复核。
下载原创审阅练习与核验结果(ZIP)。按本文工具名称选择目录,Python 标准库即可运行,使用新的工作目录保存结果。包内逐项说明人工输入与实际检查范围,不包含对应软件程序或模型。
当约束准备和结果审阅规则已经明确,需要组织多组建模与重复分析时,可了解云生信生物信息分析服务器,结合软件许可、模型数量和保存计划沟通计算环境。
