AlphaFold2、ESMFold 与 RoseTTAFold 等结构预测方法
基于多序列比对的方法在有同源信息时精度较高，适合常规单体和同源复合物；蛋白语言模型类方法不依赖比对，速度快，适合大批量筛查或孤儿序列。设计序列和人工骨架常超出训练分布，结果要更谨慎看待。
19个分析 Skill · Codar 生信插件
结构生物学 AI 分析
结构生物学关注蛋白质、核酸及其复合物的三维构象，以及构象如何决定功能。常见数据是氨基酸序列、PDB 与冷冻电镜结构、配体小分子文件和分子动力学轨迹。在 Codar 里，这个方向覆盖结构预测与质量评估、结合口袋识别、分子对接、突变效应评估，以及蛋白设计和轨迹分析。
结构生物学能回答哪些研究问题
- 这条序列会折叠成什么结构，预测可信吗？
- 两条链是否可能形成稳定复合物？
- 候选小分子更可能结合在哪个口袋？
- 这个点突变会不会破坏结构稳定性？
- 能否设计一条序列折叠到指定骨架？
结构生物学分析流程
- 1
明确结构问题
先说清是要单体结构、复合物界面、口袋定位还是设计新序列，不同目标后续取舍完全不同。
- 2
整理输入数据
准备 FASTA 或已有结构并做预处理：补缺失残基、去水、拆链、统一编号与质子化状态。
- 3
预测或检索结构
可做单体、同源多聚体与复合物结构预测，也可检索结构数据库、冷冻电镜数据和结构相似序列。
- 4
评估结构质量
看置信度与几何合理性，低置信区段多为柔性环或无序区，不宜直接当作刚性构象使用。
- 5
口袋对接与设计
识别口袋后做配体对接与界面分析，按需做突变效应评估、逆折叠、结合蛋白设计或溶解度优化。
- 6
出图与留痕
输出结构图、分析表和可复现脚本，参数与版本一并留存，便于补算和投稿时复核。
常用方法与怎么选
pLDDT 与 PAE 等置信度指标
pLDDT 反映残基局部构象的可信程度，PAE 反映残基对之间相对位置的不确定性，判断域间摆放和复合物界面时更看 PAE。低置信区段通常对应柔性环、末端或天然无序区，不等于预测错误，但不宜当作确定构象。
分子对接与结合自由能估算
经典打分函数速度快，适合从大批化合物里排序富集；基于物理的自由能方法更接近实际，但计算量大，常用于少量候选的复核。打分值不是亲和力，跨靶点横向比较意义有限，姿势合理性要结合口袋形状和已知结构验证。
口袋识别与界面分析
几何与能量方法可找出表面凹腔并给出体积、深度等描述，用于判断可成药性；界面分析则统计埋藏面积、氢键和盐桥。静态结构常漏掉隐蔽口袋，必要时结合多个构象或动力学轨迹一起看。
需要准备的数据
- 蛋白或多肽的 FASTA 序列
- 已有 PDB / mmCIF 结构文件
- 配体小分子的 SDF 或 MOL2 文件
- 待评估的突变位点列表
- 分子动力学轨迹与拓扑文件
能得到的结果
- 带置信度的预测结构文件
- 结构质量与几何检查报告
- 结合口袋位置与体积清单
- 对接姿势文件与打分表
- 突变效应评分与位点排序
- 结构示意图与可复现脚本
结构生物学插件包含的分析能力
共 19 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- 蛋白质单体与同源多聚体结构预测
- 生物大分子复合物结构预测
- 全原子蛋白与复合物设计
- 蛋白质序列逆折叠设计
- 蛋白质溶解度优化
- 经典蛋白质-配体分子对接
- 蛋白质突变效应评估
- 冷冻电镜结构数据检索
- 蛋白质结合口袋识别
- 蛋白质结构可视化
- 蛋白质结构几何与界面分析
- 蛋白质结构质量评估
- 蛋白质结构数据库检索
- 蛋白质结构相似性搜索
- 蛋白质结构预处理
- 分子动力学轨迹分析
- 蛋白质–RNA相互作用预测与设计
- 结合蛋白生成设计
nf-core 标准流程（1 个）
- nf-core-proteinfold流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「结构生物学」
在插件页找到「结构生物学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我预测这条蛋白序列的结构，评估置信度，并识别可能的配体结合口袋。
结构生物学常见问题
AlphaFold 预测的结构能直接拿来做分子对接吗？
可以作为起点，但要先看口袋区域的置信度。主链折叠通常可靠，侧链朝向和柔性环的摆放不一定准，口袋处于低置信区时对接结果波动很大。实践中常先做结构预处理和质量评估，必要时取多个构象分别对接，再看结果是否一致。
预测蛋白复合物和预测单体有什么不同？
单体主要看链内折叠，复合物还要判断两条链是否真的结合、以什么界面结合。界面的不确定性通常明显高于链内结构，残基对误差估计是关键依据。生物学上不互作的两条链也会被摆出一个界面，所以还要有共表达、互作实验或同源复合物等独立证据。
预测结构置信度低是哪里出了问题？
常见原因有三类：序列确实缺少同源信息；该区段天然无序或高度柔性；需要配体、金属离子或翻译后修饰才能稳定折叠。前者可换用不依赖比对的方法试试，后两者属于真实的构象多样性，更合适的做法是把该区段按柔性处理，而不是强行追求单一构象。
其他生信插件
macOS 12+Mac
Windows 10+Windows