3. 坐标标准化缺失：没对齐的轨迹，特征全是噪点

我记得刚用深度学习做蛋白质构象分类那会儿，跑出来的模型在训练集上准确率接近100%，一换到测试集直接崩塌。我还以为是网络结构设计出了问题，折腾了整整两天。后来一位师兄路过看了一眼我的输入数据，说了一句话，我至今记得——「你对齐过轨迹吗？」

我当时的反应是：对齐？RMSD那种东西不是做分析才用的吗？结果你猜怎么着？我重新做了RMSD对齐，重新训了一遍模型，测试准确率从52%直接蹦到了89%。

说白了，坐标标准化这件事，在MD特征学习里是地基中的地基。地基没打好，房子多漂亮都得塌。

3.1 为什么「不对齐」会影响特征学习？

你想想看，分子动力学模拟里每一帧的坐标都是绝对坐标。如果蛋白质整体发生了旋转或平移，同一个氨基酸的原子在帧A和帧B里的坐标值可能天差地别。但对你模型来说，它哪知道这是整体运动还是内部运动？它只会死心眼地认为「这个位置的数值变了，说明有特征变化」。

这就引出一个核心问题：

我在一个激酶构象分类项目中亲眼见过这个现象。没做对齐时，主成分分析（PCA）的前两个主成分几乎完全对应了整体的旋转和平移。你想想看，这等于你把「纸张在桌面上转动」当成了纸上图案的变化去学习，怎么可能对？

3.2 两种常用的标准化方法

在MD特征学习的实践中，我一般把坐标标准化分为两类。它们的用途不同，但目标一致：消除整体刚体运动。

方法	原理	适用场景	注意事项
RMSD对齐	使用最小二乘拟合，将每帧坐标对齐到参考结构	蛋白质骨架、稳定折叠结构	参考结构的选择很重要
平移旋转归一化	去除质心平移，并使用旋转矩阵将主惯量轴对齐	小分子、配体、柔性较大的体系	对构象变化敏感时慎用

3.3 RMSD对齐——最常用的方案

RMSD对齐是现在MD社区的标配。它的核心步骤非常简单：

1. 选一个参考帧（通常取模拟的第一帧，或者实验结构）。
2. 对每一帧轨迹，通过最小二乘法找到一个旋转和平移变换，使得目标帧与参考帧的RMSD最小。
3. 将变换应用到所有原子上（或只应用到被选择的原子集上）。

嗯，这里要注意：对齐时选哪些原子直接决定了效果。我习惯只对齐骨架原子（CA、C、N），因为这些原子的构象波动相对较小，能给出稳定的对齐参考。如果你把侧链原子也算进去，柔性侧链的晃动会影响整体对齐质量。

下面是用MDAnalysis做RMSD对齐的典型代码片段：

import MDAnalysis as mda
from MDAnalysis.analysis import align

u = mda.Universe('topology.pdb', 'trajectory.dcd')
ref = mda.Universe('topology.pdb')

# 选择骨架原子进行对齐
aligner = align.AlignTraj(u, ref,
                          select='name CA C N',
                          in_memory=True)
aligner.run()

这段代码跑完之后，你轨迹里的每一帧都会被对齐到参考结构。你再拿出来做特征提取，就会干净很多。

3.4 平移旋转归一化——更严谨的数学方案

RMSD对齐虽然好用，但它有一个潜在问题：对齐的结果依赖于你选择的参考结构。如果参考结构选得不合适（比如一个远离平衡态的初态结构），对齐效果会打折扣。

平移旋转归一化则彻底不依赖参考——它把每一帧独立地去中心化和旋转对齐。具体来说：

• 平移归一化：每一帧减去自身质心坐标，使质心落回原点。
• 旋转归一化：计算该帧的惯量张量，将主惯量轴旋转到坐标系的标准方向（比如X、Y、Z轴）。

这样做的好处是每一帧的特征坐标具有严格的「旋转不变性」和「平移不变性」。缺点也有：分子取向变了，它的惯量轴方向也会跟着变，在某些情况下会引入突然的翻转。

我亲身经历过一个案例：有一个柔性环肽体系，它的主惯量轴在某个构象区间里忽然交换了顺序，导致归一化后的坐标产生了「跳跃」，把模型完全搞懵了。

3.5 常见错误与避坑指南

我把自己和身边同事踩过的坑总结了一下，你对照看看有没有中招的：

• 选择了错误的原子集做对齐——用相对运动大的原子，反而引入噪点
• 对齐之前就做了特征提取——提取的特征坐标都是绝对的
• 测试集和训练集用了不同的参考结构——会在两个集合之间引入系统性偏移
• 对配体轨迹做了全原子对齐——把配体的结合模式信息抹掉了
• 以为对齐了就万事大吉——对齐后还是要检查一下RMSD分布

这里我重点提一下「测试集和训练集参考不一致」的问题。我曾经有个项目，训练集用的第一个肽的晶体结构做参考，测试集换了另一个结构做参考。结果模型在测试集上的表现比随机还差。查了三天才发现，两个参考结构的骨架二面角差了20度，整个坐标空间都偏移了。

解决方式很简单：所有轨迹共享同一个参考结构。我一般用模拟的初态结构，或者实验测定的最稳定结构。

3.6 检查对齐效果的快速方法

做完对齐之后，我建议你立刻做一个快速验证。方法很简单：

1. 计算对齐后轨迹每一帧的RMSD值（相对于参考结构）。
2. 看这个RMSD的分布是否集中在低值区间（比如小于2-3 Å）。
3. 如果某个区间的RMSD突然飙升，说明那一块可能没有对齐干净。

对了，还有一个经验指标：对齐后整个轨迹的质心位移应该接近零。如果有系统性漂移，说明对齐有残留的平移误差。

from MDAnalysis.analysis.rms import RMSD

rmsd_analysis = RMSD(u, ref, select='name CA C N')
rmsd_analysis.run()

import matplotlib.pyplot as plt
plt.hist(rmsd_analysis.results.rmsd[:, 2], bins=50)
plt.xlabel('RMSD (Å)')
plt.ylabel('Frequency')
plt.show()

打开直方图看一下，如果大部分帧的RMSD都在合理范围内，那个别异常的帧你就心里有数了。

3.7 这一章的核心逻辑