第3章 TM-score 数学公式详解：长度归一化、距离权重、缩放因子 d0 的计算
TM-score 这个指标，很多人第一眼看到公式就头大。其实它背后的逻辑非常朴素——说白了就是回答一个问题：
两个蛋白质结构叠在一起后，那些对齐的残基对，到底有多“近”？
但直接算平均距离肯定不行。小蛋白和大蛋白的尺度不一样，误差容忍度也不一样。所以 TM-score 用了三个巧妙的招数：长度归一化、距离权重和动态缩放因子 d0。把这三点搞明白，你就掌握了 TM-score 的核心。我当年第一次实现这个公式时，就是在 d0 的计算上踩了坑，折腾了好几天才调对。
3.1 长度归一化——把不同大小的蛋白拉到同一把尺子上
两个结构叠加后，先找出所有匹配的残基对。假设有 N 对，每对残基间的欧氏距离是 d_i（单位 Å）。
如果我们直接算平均距离，结果肯定被大蛋白“撑大”。举个例子：一个 100 残基的蛋白和一个 500 残基的蛋白，同样 RMSD = 2 Å，但后者的匹配对更多，天然就有更大的总距离值。
TM-score 的解决方法是——用 N 的 1/4 次方做归一化分母。公式里是这样写的：
TM-score = (1 / N) * Σ_{i=1}^{N} [1 / (1 + (d_i / d0)^2)]
其中 d0 = 1.24 * (N - 15)^(1/3) - 1.8
注意：这里的 N 是匹配的残基对数，不是蛋白全长。为什么是 1/4 次方？其实 d0 里面已经隐含了 N 的 1/3 次方，再配合外面的 (1/N) 因子，整体效果等价于 长度归一化因子为 N^(1/4)。我个人习惯把这个因子理解为“把不同大小的蛋白压缩到同一个数值范围里”——好比把不同尺寸的图纸缩放到同一张标准纸上，便于比较。
3.2 距离权重——越近的残基贡献越大，远距离直接忽略
归一化之后，每个残基对的得分用权重函数计算：
w(d_i) = 1 / (1 + (d_i / d0)^2)这个函数长什么样？你想想看：当 d_i = 0 时，w = 1；当 d_i = d0 时，w = 0.5；当 d_i = 3*d0 时，w = 0.1；当 d_i → ∞ 时，w → 0。
说白了，就是让距离很近的残基对贡献接近满分，距离超过 3 倍 d0 的直接被“砍掉”。这种设计非常实用——实际结构比对中，局部匹配的误差通常很小，而局部大偏差往往意味着该区域根本没叠好。权重函数自动把后者“降权”，避免它们干扰整体评分。
我在项目中遇到过一种情况：两个同源蛋白的核心区域 RMSD 只有 1 Å 出头，但 loop 区偏差很大。如果用 RMSD 评分，loop 区会把平均值拉得很高；而 TM-score 用权重函数后，loop 区得分几乎为零，核心区得分接近 0.95，最终 TM-score = 0.86——完美反映了两者实际的结构相似度。
3.3 缩放因子 d0——自适应阈值，大蛋白更“宽容”
d0 是 TM-score 里最精妙的设计。它不是一个固定值，而是根据匹配残基数 N 动态计算：
d0 = 1.24 * (N - 15)^(1/3) - 1.8为什么会这样？
- 当 N 很小时（比如 N = 30），d0 ≈ 1.24 * 15^(1/3) - 1.8 ≈ 1.24 * 2.47 - 1.8 ≈ 1.27 Å。小蛋白允许的误差很小，比较“严格”。
- 当 N 很大时（比如 N = 400），d0 ≈ 1.24 * 385^(1/3) - 1.8 ≈ 1.24 * 7.28 - 1.8 ≈ 7.23 Å。大蛋白的允许误差变大，比较“宽松”。
我个人觉得这个公式的灵感来自概率统计——蛋白质残基对的距离分布大致服从一种长尾分布，d0 的立方根关系刚好让相同 TM-score 值对应不同大小蛋白的“同等统计显著性”。换句话说，TM-score = 0.5 在小蛋白和大蛋白里代表的相似程度在统计上是一致的。
3.4 完整公式与计算流程
把上面三部分组合起来，TM-score 的完整计算公式：
TM-score = (1 / N) * Σ_{i=1}^{N} [1 / (1 + (d_i / d0)^2)]
其中 d0 = 1.24 * (N - 15)^(1/3) - 1.8，且 N ≥ 15计算步骤很清楚：
- 输入两个蛋白质的三维坐标，通过叠合算法得到刚性变换，计算所有匹配残基对的欧氏距离 d_i。
- 统计匹配残基对数 N。
- 根据 N 计算 d0。
- 对每一个 d_i，计算 w_i = 1 / (1 + (d_i / d0)^2)。
- 求所有 w_i 的平均值，得到 TM-score。
下面这张图把整个流程串起来，方便你对照理解：
3.5 一个计算实例
假设我们比对两个结构，得到 N = 100 对匹配残基，各距离 d_i 如下（简化数据）：
| d_i 范围 (Å) | 频次 | 权重因子 (d0≈4.0Å) | 加权和 |
|---|---|---|---|
| 0.5 ~ 1.5 | 30 | 1/(1+(1/4)^2) ≈ 0.94 | 28.2 |
| 1.5 ~ 3.0 | 40 | 1/(1+(2.25/4)^2) ≈ 0.76 | 30.4 |
| 3.0 ~ 5.0 | 20 | 1/(1+(4/4)^2) = 0.50 | 10.0 |
| 5.0 ~ 8.0 | 10 | 1/(1+(6.5/4)^2) ≈ 0.28 | 2.8 |
总和 = 28.2 + 30.4 + 10.0 + 2.8 = 71.4
TM-score = 71.4 / 100 = 0.714
这个值落在“结构显著相似”区间（通常 TM-score > 0.5 认为两个结构属于同一折叠类型）。你想想看，如果直接用 RMSD 算，这些距离的平均值大约是 2.8 Å，但两个蛋白大小不同，单看 RMSD 很难判断相似程度。而 TM-score 直接给了一个 0~1 之间的数值，非常直观。