TM-score 基本概念：定义、取值范围、物理意义与历史起源
聊 TM-score 之前，我先说一下自己的体会。几年前我刚开始做蛋白质结构预测的时候，面对一堆评估指标，说实话有点懵。RMSD、GDT-TS、MaxSub……每个都说自己好，但结果总对不上。后来深入看了 TM-score 的论文，才明白它为什么能成为行业默认标准。这章我带你把它彻底搞清楚。
1.1 TM-score 是什么？
TM-score 的全称是 Template Modeling Score。它用来衡量两个蛋白质结构的相似程度。最常见的使用场景，是把你的预测模型跟实验结构（也就是所谓的“真值”）做个比较。
名字里的“Template Modeling”透露出它的起源——最初是给蛋白质结构预测比赛（CASP）设计的。你想，大家拿同一个目标序列去预测，谁的结构更接近实验的真值？总得有个公道话
TM-score 的核心思想很简单：对两个结构里的残基对打分，权重取决于它们在链上的位置。说得直白一点——越靠近链中间的残基，对分数影响越大；远离的残基，误差容忍度更高。
我在项目中遇到过这样一种情况：两个预测模型，一个全局骨架好但末端灵活区域跑了，另一个局部细节准但整体偏移。RMSD 说后者好，GDT-TS 说前者好，纠结得要死。后来用了 TM-score 才发现——它确实更能“理解”蛋白结构比对的生物学直觉。
1.2 取值范围与物理意义
TM-score 的结果范围是 (0, 1]。不过在实际使用中，你几乎不可能看到刚好 1.0 或 0。
| TM-score 区间 | 物理含义 | 我的经验 |
|---|---|---|
| 0.8 - 1.0 | 几乎完全相同，通常只差几个残基的轻微微调 | 同一个蛋白的不同分辨率结构常有这个范围 |
| 0.5 - 0.8 | 显著相似，大骨架一致，但局部 loop 或侧链有差异 | 很多同源模型能达到这个水平 |
| 0.2 - 0.5 | 部分相似，核心区域可能对得上，但整体不对齐 | 跨家族比对时常见 |
| 0.0 - 0.2 | 不相关结构，相当于随机比对的结果 | 两个完全不同的折叠类型 |
为什么会这样？因为 0.5 被定义为一个统计阈值。作者计算后发现——如果两个结构来自同一个折叠类型族，分数大概率大于 0.5。如果小于 0.5，它们一般不属于同一个 SCOP/CATH 折叠类。
0.5 就是那条神奇的“同一折叠”分界线。记住了，之后做跨批次比较时，这条线是你分析的基础。
TM-score 的物理意义在于它对蛋白链长度的“不敏感”。嗯，这一点是 RMSD 做不到的。你想想，一个 100 残基的蛋白跟一个 400 残基的蛋白，RMSD 的绝对数值完全不在一个尺度上。但 TM-score 被归一化后，无论链多长，分数的解释尺度是一致的。
1.3 历史起源：一个不得不提的故事
TM-score 是张阳（Yang Zhang）教授团队在 2004 年提出的。他当时在密歇根大学，后来去了堪萨斯大学。我需要跟你说清楚背景——那时候蛋白质结构预测界正被 RMSD 支配。
RMSD 有个致命问题：它对局部偏移太敏感。一个 loop 动了几个埃，全局 RMSD 可能就崩了。但蛋白的整体折叠类型可能还是对的。你想想，难道一个末端晃动的结构就得被打成 0 分吗？这不合理。
张阳当时在搞 I-TASSER 系统，他也是 PROCHECK 和 ProSA 的联合开发者。他对结构评估的痛点理解很深。我记得他在早期的论文里写了一个很直白的例子：两个结构，一个是真值，一个是预测模型。它们仅有在蛋白链的一端的几个残基有偏差。RMSD 给了一个很高的惩罚，但重叠比对之后发现，其实大部分残基是对齐的。TM-score 把这部分“局部偏移”的惩罚做了加权衰减，因此得分更体现实际的全局相似性。
从 2004 年提出到现在，快二十年了。它在 CASP 比赛中一直是核心评估指标之一。很多工具比如 TM-align、DeepAlign 都直接用 TM-score 打分。你几乎找不到哪篇结构预测的文章里不出现 TM-score 的值。
一个小建议：如果你在写论文或者做汇报，引用 TM-score 原论文的时候，记得写 “Zhang & Skolnick, 2004, Proteins”。这篇文章的引用量已经快 4000 次了。它确实是这个领域的支柱文献。
1.4 为什么需要跨批次比较？
现在的生物信息学项目不是一次跑完就收工的。你可能今天用 AlphaFold2 跑了一批预测，下周换了个参数又跑了一次，或者接手了别人的预测结果。这些就是不同“批次”的数据。
跨批次比较最大的问题——不同批次的 TM-score，不能直接放一起排名。原因有三点：
- 目标蛋白链长不同，TM-score 计算时的归一化分母不一样
- 预测难度不同，简单蛋白全都能拿到高分，难的蛋白能达到 0.4 就很好了
- 批次之间的结构可能使用了不同的参考结构（实验模型版本不同）
我遇到过比较尴尬的情况——我让实习生把两个批次的 TM-score 合在一个表格里，然后发现排名靠前的全是短链蛋白。这不是因为预测得好，单纯是因为短的蛋白好算、链长一短，分母小，分数自然高。从那以后我就特别注意跨批次对比的归一化问题。这部分我们后面章节详细看公式和处理。
避坑指南：不要直接比较两份不同目标链长的蛋白质的 TM-score 绝对值。哪怕它们都来自同一个方法，结果也可能产生误导。我曾经被审稿人直接质疑过这一点，非常尴尬。
1.5 本章知识体系概览
这张图帮你理清 TM-score 在整个结构比对中的位置。它是评估流程里的核心打分环节。从真值和预测模型出发，经过对齐，最终落到 TM-score —— 再经过跨批次对齐得到可比结果。
看到这个图了吗？TM-score 不是孤立存在的。它依赖于结构比对的结果，再通过跨批次归一化，才能给出有意义的比较。这张图我会在后续章节反复引用。
1.6 几点提醒
这章对 TM-score 的定义、取值范围、物理意义和历史做了整体介绍。我有几个建议你记在心里：
- TM-score 不是 RMSD 的替代品，它是不同维度的评估工具。用对场景才有效。
- 单个 TM-score 值，意义有限。你需要结合很多结构来对比，或者做配对统计才有说服力。
- 跨批次比较时，链长归一化是基础。后面我会给出具体怎么做的代码示例。