2. TM-score概述：定义、意义与应用场景

咱们做蛋白质结构比对，绕不开两个核心指标。一个是RMSD，另一个就是TM-score。RMSD大家可能更熟悉，但说实话，TM-score在评估整体拓扑相似性上，要比RMSD靠谱得多。我在项目里吃过亏——有一次筛选候选模型，RMSD看着都挺好，结果一跑TM-score，好几组直接被刷掉了。从那以后我再也不单信RMSD。

2.1 TM-score是什么

TM-score全称是Template Modeling Score，中文叫模板建模评分。它衡量的是两条蛋白质链在全局拓扑结构上的相似程度。

核心公式长这样：

TM-score = max[ 1/N ∑(1/(1 + (d_i/d0)²)) ]
其中 d0 = 1.24 × ³√(N - 15) - 1.8
N 是比对上的残基对数
d_i 是第 i 对残基的Cα距离

你看这个公式，它用了一个距离依赖的权重函数，把残基对之间的偏差压缩到0~1之间。偏差小的残基贡献大，偏差大的贡献小——相当于自动忽略了那些“尾巴”上的噪声。这就比RMSD那种简单平均聪明得多。

2.2 为什么需要TM-score——它解决了什么痛点？

做结构预测的人都知道，RMSD有一个致命弱点：它假设所有残基的偏差权重一样。但实际结构中，末端残基本来就容易晃动，一个摆动就拉高RMSD，其实核心区折叠得很好。

我给你们讲个真实案例。我手头有个蛋白C末端延长了5个残基，预测模型在核心区几乎完美，RMSD却飙到了4.8 Å。按照RMSD标准，这模型算“差”。但TM-score给了0.72——明显是“好”。后来湿实验验证，模型是对的。你说RMSD坑不坑？

简单列个对比表：

指标	RMSD	TM-score
单位/值域	Å (0 ~ ∞)	无量纲 (0, 1]
权重策略	所有残基等权	距离越小权重越高
对末端晃动	非常敏感	不敏感
全局拓扑判别	弱	强
常用阈值	通常 <2 Å 算好	≥0.5 算拓扑一致

所以TM-score在设计上就天然适合评估蛋白质结构预测的质量，尤其是在CASP和AlphaFold这类比赛中，TM-score已经是标准输出之一。

2.3 应用场景：你在哪些地方会用到它？

我个人经验，TM-score有三种最常见的用法：

1. 模型质量评估：拿着预测结构跟实验结构做比对，看你的模型靠不靠谱。我每次跑完一个batch，第一件事就是看TM-score分布。
2. 模型选择与排序：当你有几百个候选模型时（比如从AlphaFold的多重种子输出中），用TM-score做聚类和排序，能快速挑出“最佳拓扑代表”。
3. 结构相似性搜索：像DALI、TM-align这类工具，都用TM-score来度量两个蛋白是否属于同一个超家族。我在做跨物种同源建模时，就用TM-score来验证模板是否合适。

2.4 知识体系图：TM-score在结构评估中的位置

下面这张图可以帮助你理解TM-score在整个结构预测评估链条中的角色。它是从原始坐标到最终决策的核心桥梁。

2.5 使用TM-score时你需要注意什么

嗯，这里有两个容易踩的坑，我亲身体会过：

• 不要只看一个阈值：0.5是经验值，但具体问题要结合链长和功能域分析。我习惯对每个系统做一遍自比对校准。
• 比对算法很重要：TM-score的分数取决于你用的比对程序（比如TM-align还是DeepAlign）。不同工具可能给出不同分数。建议同一批比较用同一个工具。