第1章：MolProbity报告简介
说实话，刚开始接触结构生物学的时候，我并没有太重视“验证”这一步。总觉得模型建好了、精修完成了，剩下的事情交给审稿人和数据库就好。直到有一次，我拿到一份解析好的晶体结构，看起来完美无缺，结果跑了一遍MolProbity，发现好几个残基的Ramachandran图异常，还有几处明显的立体化学冲突。
嗯，从那以后，我再也不敢跳过MolProbity了。今天我们就从最基础的部分说起——MolProbity到底能做什么？它的报告长什么样？
MolProbity功能概述
MolProbity是什么？说白了，它是一个结构验证工具。专用于检查生物大分子三维模型的“健康度”。我个人习惯把它理解成分子结构的体检医生——从原子坐标出发，逐项检查键长、键角、二面角、原子碰撞、水分子合理性等指标。
它的核心功能可以概括为以下几点：
- 模型验证：通过Ramachandran图、Rotamer分析、Cβ偏差等指标，判断主链和侧链构象的合理性。
- 几何质量检查：检查键长、键角、平面度是否偏离理想值。我遇到过不少模型，看起来没问题，结果键角偏差超过允许范围。
- 所有原子接触分析：检测空间冲突（Clash Score），判断原子之间是否靠得太近。这是MolProbity的看家本领。
- 自动修正工具：比如自动旋转侧链来减少冲突，或者重新构建主链构象。
| 功能模块 | 检查内容 | 常见问题 |
|---|---|---|
| Ramachandran分析 | 主链φ/ψ二面角分布 | 异常区域残基、Outlier比例高 |
| Rotamer分析 | 侧链二面角构象 | 低概率Rotamer、扭曲侧链 |
| Clash分析 | 所有非键原子对间距 | Clash Score > 5或更高 |
| 几何指标 | 键长、键角、平面度 | 与理想值的RMSD过大 |
报告生成方式
MolProbity报告是怎么生成的？有三种常见方式：
- 在线提交（Web界面）：直接访问molprobity.biochem.duke.edu，上传PDB文件，等几分钟就能看到HTML报告。适合单次检查。
- 本地运行（命令行）：如果你手头有大量的结构文件需要批量处理，在线方式显然不现实。本地安装MolProbity套件，用命令行一键搞定。
- 集成到管道：不少实验室把它嵌入了自动化流程，比如精修完成后自动跑一遍MolProbity，再决定是否继续。这个我在项目里用过，效果很好。
对于批量解析课程来说，我们重点关注后两种方式。尤其是命令行模式，它输出的报告格式是标准的文本文件，适合我们后续写Python来解析。
# 典型的本地运行命令
molprobity.multi_criterion my_structure.pdb -outfile my_report.txt
# 批量处理示例
for pdb in *.pdb; do
molprobity.multi_criterion "$pdb" -outfile "${pdb%.pdb}_report.txt"
done报告格式与内容组成
MolProbity报告长得什么样？我拆开给你看。一份完整的报告通常包含以下几个核心模块：
| 模块名称 | 内容 | 作用 |
|---|---|---|
| Residue Statistics | 残基总数、Outlier数量、比例 | 快速了解整体质量 |
| Geometry Metrics | 键长RMSD、键角RMSD、平面RMSD | 判断立体化学准确性 |
| Clash Score | 所有原子碰撞的加权分数 | 评估空间冲突严重程度 |
| Ramachandran Summary | Favored、Allowed、Outlier区域的残基列表 | 判断主链构象质量 |
| Rotamer Summary | 每个侧链的Rotamer概率等级 | 检测侧链构象异常 |
| Connection Report | 共价连接检查结果 | 检查是否正确连接 |
你看，这些模块覆盖了从整体到局部的各个方面。我个人习惯先看Clash Score——这是MolProbity最独特的指标。如果一个结构的Clash Score超过10，基本上可以判定它质量堪忧。
还有一个重要概念——Percentile Rank。MolProbity会给每个指标一个百分位排名，表示你的结构在已知PDB结构中处于什么水平。比如Clash Score的百分位是95%，意味着你的结构比95%的已发布结构都要好。
你想想看，如果没有这种批量验证工具，人工逐一检查几百个残基的构象是不是噩梦？MolProbity相当于给了你一套自动化打分系统。我们后续几章要做的，就是把这些报告中的分数、列表、统计信息，用Python提取出来，统一管理。
报告的输出格式主要有两种：
- 文本格式（.txt）：纯文本表格，适合用正则表达式或简单的字符串处理来解析。
- HTML格式（.html）：带页面样式的报告，信息更丰富，但解析起来稍微复杂些。
我们课程的批量解析部分，会以文本报告为切入点，因为它的结构更规整，适合初学者。等你掌握了基础，我们再升级到HTML解析。
知识体系一览
为了帮你快速建立全局印象，我画了一张结构图。它把MolProbity报告的核心概念和生成解析流程串了起来。你一看就明白我们这门课的骨架长什么样。
从这张图你可以看到，我们的核心工作流是：
- 拿到PDB文件 → 送入MolProbity处理 → 生成文本或HTML报告 → Python批量解析并提取关键指标。
- 最后把解析后的结果存入结构化的数据格式，方便后续统计分析。
说实话，我个人觉得这个框架最妙的地方在于——一旦你写好了解析脚本，几百个结构的验证数据，十分钟就能全部处理完毕。你不用再一个个地翻网页报告，手动复制粘贴数值了。