3. 轨迹文件格式详解：DCD、XTC、TRR、H5、PRMTOP、PSF、PDB 等格式的特点与适用场景
做分子模拟的人，迟早都会遇到一个头疼的问题：文件格式太多。我早期做蛋白质模拟时，常用的是 CHARMM 和 AMBER，后来转 GROMACS，再后来做混合方法模拟。你想想看，每个软件都有自己的“方言”。
本章我不打算罗列枯燥的格式规范，而是从实战角度聊聊，这些格式到底该怎么选。说白了，选错格式，轻则多花时间转换，重则数据丢失。嗯，这里要注意，有些坑真的不能踩。
3.1 轨迹文件：DCD、XTC、TRR、H5
轨迹文件存的是运动数据。帧、坐标、速度、盒子大小。这些东西在模拟中不断产生，所以轨迹文件往往很大。我见过最大的 XTC 文件超过 500 GB。怎么选格式？看你的核心需求。
3.1.1 DCD：CHARMM/NAMD 的原生格式
DCD 是 CHARMM 和 NAMD 的“母语”。我在早期做蛋白质配体结合自由能计算时，天天跟 DCD 打交道。这个格式有几个特点：
- 二进制文件，读取快，体积中等
- 只存坐标，不存速度、力、能量
- 固定步长，所有帧必须等间隔
- 跨平台兼容性不太好，字节序要注意
我个人建议，如果你用 NAMD 跑模拟，直接用 DCD 出结果，别转来转去。但如果你需要连续帧分析，比如看构象变化，DCD 的固定步长其实是个优点——索引简单，随机访存快。
有一次我分析一个膜蛋白的长时间模拟，NAMD 产生了多个 DCD 文件。我用 MDTraj 加载时发现原子顺序和拓扑文件对不上。后来查明，是因为 DCD 文件的原子顺序在某些版本的 NAMD 输出中变了。我的教训是：加载 DCD 前，务必用
md.load() 同时传入拓扑文件做“锚定”。
import mdtraj as md
# 正确做法：拓扑+轨迹同时加载
traj = md.load('trajectory.dcd', top='system.psf')
print(traj)
# 常见错误：只给 DCD，不给拓扑
# md.load('trajectory.dcd') # 会报错，或者给出一堆乱序号3.1.2 XTC vs TRR：GROMACS 的“兄弟”
GROMACS 用户基本都会遇到这两个格式。很多人问我：XTC 和 TRR 到底选哪个？
我一般这么回答：
| 特征 | XTC | TRR |
|---|---|---|
| 存储内容 | 坐标（压缩） | 坐标+速度+力+盒子 |
| 压缩比 | 非常高（丢失精度） | 无压缩或有损小 |
| 文件大小 | 小 | 大 |
| 读取速度 | 快（得益于压缩） | 中等 |
| 典型场景 | 长期模拟存档 | 重启/扩展模拟 |
我个人习惯是：日常分析用 XTC。因为大部分分析只需要坐标，XTC 的压缩比能节省很多磁盘。但如果你需要做能量分析或者需要精确速度做温度校正，那就必须用 TRR。
MDTraj 加载 XTC 时，可以通过
stride 参数跳帧读取。比如 md.load('traj.xtc', top='topol.pdb', stride=10)，只读每 10 帧。这在处理几十万帧的大轨迹时特别有用。
3.1.3 H5：HDF5 复合格式
H5 格式可能很多初学者不熟悉，但我认为它是未来趋势。HDF5 的底层结构允许你把轨迹、拓扑、力场参数塞进一个文件里。我参与的一个项目，需要同时存 500 条短轨迹和相应的拓扑，全放一个 H5 文件里，管理起来比分散的几十个文件方便多了。
MDTraj 也原生支持 H5 格式：
# 保存为 H5
traj.save('output.h5')
# 加载 H5，不需要再传拓扑
traj = md.load('output.h5')H5 的好处：
- 自包含——一个文件搞定所有
- 支持大文件——几十 GB 级别没问题
- 分层索引——可以只读部分数据
3.2 拓扑文件：PRMTOP、PSF、PDB
拓扑文件描述分子怎么连、原子类型、电荷、质量。没有拓扑，轨迹坐标就是一堆漂浮的数字。
3.2.1 PRMTOP：AMBER 的“户口本”
PRMTOP 是 AMBER 生态的核心拓扑文件。它记录了：
- 原子类型和参数
- 键、角、二面角
- 非键相互作用参数
- 残基序列和连接
我建议，如果你用 AMBER 做模拟，一定要保留 PRMTOP 原始文件。不要试图自己改写，里面的格式很脆弱，一个符号错位就全废了。MDTraj 加载 PRMTOP 很简单：
traj = md.load('prod.nc', top='prmtop_file.prmtop')
# 或者单独加载拓扑
top = md.load_prmtop('prmtop_file.prmtop')3.2.2 PSF：CHARMM/NAMD 的“身份证”
PSF 是 CHARMM 系列软件的拓扑。它和 PRMTOP 类似，但结构不同。PSF 文件一般分为两个部分：段头（ATOM、BOND、ANGLE等）和数据行。我在项目中遇到过一个问题：
PSF 文件中水的残基名通常是 TIP3 或 SPCE。如果在 PSF 里写成了 TIP3P（多了一个P），MDTraj 会报错说原子类型不匹配。我曾经排查了整整半天才发现是一个字符的差异。所以，手动修改 PSF 时一定要小心残基名称。
MDTraj 加载 PSF：
traj = md.load('traj.dcd', top='structure.psf')
# 或者直接用 psf 构建拓扑
top = md.load_psf('structure.psf')3.2.3 PDB：通用但“粗糙”
PDB 是万能格式。几乎所有分子模拟软件都支持。但它有两个痛点：
- 只能存单帧——一个 PDB 文件就是一个静态结构
- 信息有限——只存坐标、残基、链，不存键参数和力场信息
不过 PDB 在快速检查时很香。我经常用它做“预览”：
# 保存轨迹的第 0 帧为 PDB
traj[0].save('frame0.pdb')
# 从 PDB 加载拓扑
top = md.load_pdb('reference.pdb').topology如果你只是需要看一眼分子长什么样，PDB 就够了。但要是做正规模拟分析，请用 PRMTOP 或 PSF。
3.3 格式选择速查表
| 你的需求 | 推荐格式（轨迹） | 推荐格式（拓扑） |
|---|---|---|
| CHARMM/NAMD 模拟 | DCD | PSF |
| GROMACS 模拟 | XTC（分析）/ TRR（重启） | PDB/GRO |
| AMBER 模拟 | NetCDF (NC) | PRMTOP |
| 跨平台交换 | H5 | PDB |
| 存档长期保存 | XTC（最小体积） | PRMTOP/PSF |
不管是哪种格式，拓扑文件和轨迹文件必须一致。原子数量、顺序、残基编号要对齐。MDTraj 在加载时会自动检查，但万一你用的是其他软件，手动验证一下总没错。
我个人建议：每次开始新项目时，花 2 分钟用
md.load() 测试一下，确保格式兼容。比事后发现数据全废要划算得多。
本章聊了常见的轨迹和拓扑格式。其实没有“最好”的格式，只有“最适合”你当前任务的格式。我个人经过这么多年的折腾，养成一个习惯：分析阶段优先用 H5，因为一个文件搞定；存档阶段用 XTC，因为省空间；生产模拟阶段，尊重原始软件的格式。记住，格式转换是有代价的。能不转，就别转。