2. 蛋白质结构比较的基础概念：RMSD、全局比对与局部比对

聊蛋白质结构比较，有几个基础概念绕不开。我这些年做结构预测评估，发现很多人一上来就盯着TM-score，结果连 RMSD 怎么算的、比对策略选了啥都没搞清楚。嗯，这就像写代码不看数据手册直接跑模型——迟早翻车。

所以我们先把地基打牢。这一章我会把 RMSD、全局比对和局部比对这三个东西拆开讲，顺便说说我踩过的坑。

2.1 均方根偏差（RMSD）

RMSD，全称 Root Mean Square Deviation。说白了就是计算两个结构对应原子坐标差异的均方根。它是结构比较里最老牌、最直观的指标之一。

数学公式长这样：

RMSD = sqrt( (1/N) * Σ ||xi - yi||² )

其中 xi 和 yi 分别是实验结构和预测结构中第 i 个对应原子的坐标向量，N 是参与比较的原子对数。

我个人习惯在比较同源模型或对接构象时先用 RMSD 扫一遍。它很敏感，哪怕只有一小段 loop 飘出去了，RMSD 就会猛涨。我曾经在一个酶设计项目上吃过亏——预测结构核心折叠很好，就一个末端环区偏了 3 Å，RMSD 直接飙到 4.8 Å，差点被我误判成坏模型。

RMSD 有哪些毛病？

• 对局部偏差敏感：一个 loop 歪了，整体值就失控。
• 不归一化：你不能说 RMSD=2 Å 就一定好，因为小蛋白天然比大蛋白更难算低。
• 要求结构长度一致：两个结构残基数不同时，RMSD 根本没法直接比较。

既然是课后章节，我写个 Python 小例子吧。

import numpy as np

def compute_rmsd(coords_a, coords_b):
    """
    计算两组原子坐标的 RMSD。
    coords_a, coords_b: Nx3 的 numpy 数组
    """
    assert coords_a.shape == coords_b.shape
    diff = coords_a - coords_b
    rmsd = np.sqrt(np.mean(np.sum(diff**2, axis=1)))
    return rmsd

# 虚拟坐标
a = np.array([[0.0, 0.0, 0.0], [1.0, 0.0, 0.0]])
b = np.array([[1.0, 0.0, 0.0], [2.0, 0.0, 0.0]])
print(f"RMSD = {compute_rmsd(a, b):.4f} Å")

输出是：

RMSD = 1.0000 Å

别小看这个例子。我在教学时发现，很多人以为 RMSD 一定要用专业软件算，其实自己写核心逻辑也就十来行。

2.2 全局比对

全局比对（Global Alignment）追求的是 完整结构整体对齐。它假设两个结构整体上是可比的，然后找一个刚性变换（旋转 + 平移），让它们尽可能重叠。

典型算法：Kabsch 算法、四元数方法。

特点：

• 所有残基一视同仁，都参与优化。
• 对结构域重排、大尺度构象变化不友好。
• 计算速度快，适合做初步筛查。

我记得之前有个项目，需要对比一系列突变体的主链构象。全局比对很高效，直接就能看出哪个突变导致整体折叠变了。但如果突变只影响一个活性位点 loop，全局比对会把其他部分的好结果给“稀释”掉。

2.3 局部比对

局部比对（Local Alignment）不要求整体对齐。它只找出两个结构中最相似的 子结构，然后基于这些子结构做比对。TM-score、GDT_TS 这些指标本质上都是局部比对的产物。

典型算法：LGA (Local Global Alignment)、TM-score 的旋转搜索、以及各种 seed-extension 方法。

为什么需要局部比对？

你想想看，如果两个蛋白质大小差很多，比如一个 100 残基，另一个 300 残基。全局比对会把全部 300 残基都算进去，结果大蛋白把 RMSD 拉得奇高。但实际上它们共享的核心折叠可能非常完美。局部比对就能抓住这个核心，把多出来的部分直接忽略掉。

局部比对 vs 全局比对

2.4 从 RMSD 到 TM-score 的演进 —— 一张图看懂

讲了这么多理论，我把它画成一张 SVG 结构图，方便你一眼看清整个知识体系。

2.5 小结：怎么选？

这一章我尽量把概念讲得直白。你可能会问：“那我到底用哪个？”

我的建议是：别只用 RMSD。尤其是在结构长度差异大时，RMSD 会骗人。我自己在 CASP 评估中更习惯先用 TM-score 做全局排序，再用 RMSD 做局部精度的定量参考。两种视角结合，比只盯一个指标安全得多。