1. 蛋白复合物结构预测工程导论

蛋白复合物结构预测工程，研究的不是“跑一次预测软件”，而是把序列、模板、多链组装、置信度评估、实验约束与下游验证组织成一条可重复、可审计、可交付的技术链路。单体蛋白预测关注一条链如何折叠；复合物预测还要回答更困难的问题：哪些链会结合、以什么化学计量比结合、界面在哪里、相对取向如何、是否存在构象变化，以及预测结果在什么条件下可信。工程化的意义在于，把这些问题的输入、方法、参数、评价指标和失败处理方式固定下来，使不同批次、不同靶标、不同人员之间的结果可以比较和复现。

课程定位：从算法使用者到流程设计者

本课程面向已经了解蛋白质结构基础、并希望把预测能力用于真实课题的学习者。核心目标不是记住某一个模型的网络结构，而是建立三层能力：第一层是问题建模能力，能把生物学问题转写为“输入序列/多序列比对/模板/约束 + 输出复合物模型 + 评价标准”的任务描述；第二层是流程实现能力，能组织数据准备、模型推理、结果筛选、界面分析和报告输出；第三层是工程判断能力，能根据置信度、界面指标和实验证据决定模型是可直接使用、需要局部修正，还是必须重新设计输入或更换策略。

因此，课程中的“工程”有明确含义：输入可追溯、参数可记录、中间结果可检查、评价指标可量化、失败模式可归类。一个典型复合物预测任务，至少应记录目标复合物名称、链组成与化学计量比、序列来源、是否使用模板、是否提供接触/交联约束、使用的模型与版本、随机种子或采样数量、输出模型数量、筛选阈值以及最终保留的模型编号。缺少这些记录，即使得到看似合理的结构，也难以在后续实验或论文中支撑结论。

核心任务：复合物预测到底在解什么

从计算角度看，复合物结构预测是在高维空间中搜索满足物理化学约束和进化统计规律的多链构象。实际工程中通常拆成四个相互关联的子任务：链间配对判断哪些链形成稳定复合物；界面残基预测定位参与结合的残基；相对取向预测确定各链在空间中的排布；构象与化学计量评估判断是否存在多聚状态、对称性或结合诱导的构象变化。不同模型对这四个子任务的覆盖程度不同，有的侧重端到端联合预测，有的依赖模板或对接打分，工程流程必须根据任务类型选择组合。

以二聚体为例，输入可以是两条链的 FASTA 序列，也可以附带同源模板、交联质谱距离约束或突变实验信息。输出通常是一组候选模型及其置信度。此时不能只看全局打分，还要检查界面埋藏面积、氢键与盐桥数量、界面残基的进化保守性、链间 PAE（预测对齐误差）以及局部 pLDDT。一个常见判断是：全局 pLDDT 高但链间 PAE 矩阵在界面区域偏大，说明单链折叠可信而相对取向不可信，应优先补充模板或界面约束，而不是直接接受该模型。

工程化流程：从任务定义到可交付模型

一个可复现的复合物预测流程通常包含六个阶段，但阶段之间不是单向流水线，而是带反馈的迭代。第一阶段是任务定义：明确复合物组成、化学计量比、是否包含核酸或配体、目标物种和分辨率需求。第二阶段是数据准备：收集序列、构建多序列比对、检索同源模板、整理实验约束，并检查序列是否有信号肽、跨膜区或无序区需要特殊处理。第三阶段是模型推理：选择合适模型，设置采样数量、模板使用策略和约束权重，输出候选模型集合。第四阶段是结果筛选：按全局置信度、界面 PAE、BSA 和约束满足率排序，剔除明显不合理构象。第五阶段是界面分析：识别界面残基、氢键网络、盐桥和疏水核心，检查是否与已知突变或交联数据冲突。第六阶段是报告与交付：保存模型、参数、日志、评价表和最终判断，形成可追溯记录。

以“预测一个同源二聚体”为例，教学示例参数可以设为：两条链各 320 个残基，使用 5 个同源模板，采样 20 个模型，界面 PAE 阈值设为 8 Å，BSA 阈值设为 800 Ų。若前 5 个模型中，模型 3 的全局 pLDDT 为 88，界面 PAE 为 6.5 Å，BSA 为 1050 Ų，且满足 12 条交联约束中的 11 条，则可优先保留模型 3 进入下一轮分析。若模型 1 的 pLDDT 为 91 但界面 PAE 为 14 Å，则说明单链折叠可信而链间取向不可信，应回到数据准备阶段补充界面约束或更换模板，而不是仅凭全局分数选择模型 1。

评价体系：不能只看一个分数

复合物预测的评价必须分层。第一层是局部置信度，如 pLDDT，用于判断单链折叠是否可信；第二层是链间相对置信度，如 PAE 或 pTM，用于判断相对取向是否可信；第三层是界面质量，包括 BSA、氢键数、盐桥数、界面残基保守性和形状互补性；第四层是实验一致性，包括交联距离、突变效应、SAXS 曲线或冷冻电镜密度。四层指标之间可能矛盾，工程判断的关键是识别矛盾来源：是输入信息不足、模板不匹配、采样不充分，还是模型本身对某类复合物不适用。

常见失败模式与处理方向

复合物预测的失败往往不是“软件报错”，而是“结果看似合理但生物学上错误”。常见模式包括：链配对错误，把不结合的链放在一起；界面取向错误，单链折叠正确但相对位置偏差大；化学计量比错误，把二聚体预测为单体或把四聚体预测为二聚体；构象变化遗漏，忽略了结合诱导的 loop 重排；无序区干扰，把柔性区域强行折叠成稳定结构。对应的处理方向包括：补充交联或突变约束、使用模板引导、增加采样数量、分域预测后再组装、对无序区进行屏蔽或单独建模。工程流程的价值，正在于把这些失败模式显式化，使每次迭代都有明确假设和验证点。

本课程后续将围绕这条主线展开：从输入准备、模型选择、约束注入、结果筛选，到界面分析、实验验证和报告交付。学习时建议始终带着一个真实或教学用的复合物靶标，把每一节的工具、参数和判断标准应用到同一对象上，最终形成一份完整的复合物预测工程记录。