MolProbity 是什么？一个结构生物学者的工具箱

我做结构生物学这行也有十几年了。刚入行那会儿，大家对结构质量的把控远没有现在这么严格。那时候，一个结构提交到 PDB，只要 R-factor 差不多，Ramachandran 图看着不特别离谱，基本就能通过。但现在不一样了。你想想，一篇 CNS 级别的文章，审稿人拿到你的结构，第一件事是什么？打开 MolProbity 跑一遍校验。如果报告不好看，文章基本就悬了。

说白了，MolProbity 就是结构生物学领域的一个“裁判员”。它会告诉你你提交的模型哪里不合理，哪里跟电子密度对不上，哪里原子撞在一起了。我个人的看法，这个工具的出现，让整个领域的结构质量上了一个大台阶。很多老结构，你用 MolProbity 跑一遍，会发现一堆问题，有些问题甚至会影响生物学结论。

发展历史：从 Richardson 实验室到行业金标准

MolProbity 最初是由 David Richardson 和 Jane Richardson 的实验室开发出来的。Richardson 夫妇是谁？他们是著名的结构生物学家，在蛋白质结构分析领域耕耘了几十年。Jane Richardson 就是那个创造了“丝带图”的人，没有她，我们看结构还只能看那些乱七八糟的线。

我给你们捋一下时间线：

• 2003年：MolProbity 的第一个版本发布。那时候功能还很基础，主要就是做 Ramachandran 图分析和原子碰撞检测。
• 2007年：加入了侧链旋转异构体分析，这个功能非常关键。你知道的，侧链常常会被建在不可能的低能构象上。
• 2010年：整合了 C-beta 偏差分析，模型与电子密度之间的拟合度可以定量评估了。
• 2015年：开始大规模支持 RNA 和 DNA 结构的校验。
• 2020年至今：全面转向“caBLAM”和更精细化的几何校验，可以告诉你每一个残基哪里“痛”了。

我记得有一年，我去参加一个结构生物学会议，Richardson 教授亲自做了一个报告，演示如何用 MolProbity 发现一个原子模型中的致命错误。那个例子给我的印象太深了，从那以后，我再也不敢不做结构校验就直接发文章了。

核心功能：它能检查什么？

MolProbity 能干的事很多。我把它归纳为几个核心模块：

功能模块	具体检查项目	我为什么觉得它重要
几何校验	键长、键角、平面性、手性	最基本，但也最容易被忽略。很多新手会把脯氨酸的平面性搞错。
Ramachandran 图分析	主链二面角 Phi/Psi 的合理区域	我见过一个结构，某个 loop 区域的 Phi/Psi 全部落在不允许区。这就是一个红牌警告。
旋转异构体分析	侧链 Chi 角的 Rotamer 分布	比如，亮氨酸的侧链卡在了一个不可能的角度，MolProbity 会直接告诉你。
原子碰撞检测	“clashscore”——原子间距离太小	低分辨率的晶体最容易出这个问题。
脱靶和缺失检测	电子密度缺失、原子模型与密度不匹配	我曾经遇到过一个结构，金属离子明明在密度里，模型里却没有建进去。

在结构生物学中的地位：一张图看懂

下面这张图是我自己梳理的，展示了 MolProbity 在整个结构生物学工作流中的位置。你会发现，它处于“模型构建”和“结构提交发布”之间，像一个过滤器，把不合格的模型挡在门外。

批量校验：为什么我们需要它？

刚才讲的都是单个结构的校验。但在实际工作中，我们常常要处理大量结构。比如：

• 你解析了一个蛋白质的几十个突变体晶体结构；
• 你用分子动力学跑了一堆构象；
• 你要写一篇综述，从一个家族里筛选质量可靠的结构；
• 你处理了同一蛋白在不同配体下的共晶结构。

这时候，一个一个跑 MolProbity 网页版，效率就太低了。我上次帮一个合作团队做这件事，他们手里有 80 多个结构。如果每个平均花 10 分钟校验和收集报告，那就是 13 个小时的纯手工操作。而且很容易漏掉某个指标，或者报告格式不统一。

所以，我在这门课里要教你们的，就是如何批量、自动化地完成 MolProbity 校验。我们会用到命令行工具，写脚本，最终生成一个统一的、可比较的报告。

好了，这一章的内容就到这里。MolProbity 的价值已经讲得很清楚了。接下来，我们会进入实操环节，从命令行开始，教你如何批量调用 MolProbity，而不是一个一个在网页上点鼠标。那是我最喜欢的部分。