信息速览

数据集名称AlphaFold DB 蛋白质结构预测数据库 — AI-Ready Wikipedia

数据类型2.14 亿结构预测,220 万复合物,CC-BY-4.0 开放,pLDDT 置信分级,UniProt 全覆盖

规模不适用（蛋白质结构预测数据库；无患者数据）

接入方式https://alphafold.ebi.ac.uk/

AI 就绪度

# AlphaFold DB — 蛋白质结构预测数据库 AI-Ready Wiki DB — 蛋白质结构预测数据库 AI-Ready Wikipedia

INFOBOX

属性	内容
全称	AlphaFold Protein Structure Database（AFDB）
发布方	EMBL-EBI + Google DeepMind 合作（2021-07 首发并持续维护）
现行口径	约 2.14 亿单蛋白结构预测（2025-10 对齐约 2.14 亿单蛋白结构预测*（2025-10 对齐 UniProt 2025_03）；官网通用口径「over 200 mill 2025_03）；官网通用口径「over 200 million」
复合物扩展	2026-03：约 220 万同源二聚体 + 约 7.9 万异源二聚体高置信 entries；全套约 3,100 万复合物预测开放下载（4,777 proteomes）
isoforms/MSA	2025-10 首次纳入蛋白 isoform 模型 + MSA（多序列比对）下载
覆盖范围	几乎全部 UniProt 已知蛋白序列；16 模式生物 + 30 个 WHO 优先 proteomes
置信机制	残基级 pLDDT（0-100）+ 复合物 pTM/ipTM 接口置信
质量	约 35% entries 高准确 + 约 45% 多数用途可靠（官方口径）
许可	CC-BY-4.0（学术与商业可用，需署名；AF Data © 2022 DeepMind）
用户规模	190+ 国 300 万+ 研究者；支撑 2 万+ 篇论文引用
生成模型	常规条目由 AlphaFold2 / AF-Multimer 生成（AF3 走 AlphaFold Server，见 §2.6）
姊妹收录	Kinetoplastid、AllTheBacteria、BFVD（病毒）、Viro3D 专题数据集
本库关联	D（病毒）、Viro3D 专题数据集
本库关联	PDBbind（实验结构对照）、DrugBank（成药靶点）、gnomAD（实验结构对照）、据集
本库关联	PDBbind（实验结构对照）、DrugBank（成药靶点）、gnomAD（变异×结构）

§0 （成药靶点）、gnomAD（变异×结构） |

§0 E-E-A-T 信任声明与免责声明

本页所有规模数字、版本信息与许可表述均核实自一手来源：AlphaFold DB 官网（alphafold.ebi.ac.uk，2026-09-19 检索）、EMBL 官方新闻稿（EBI-DeepMind 合作续约与 UniProt 2025_03 同步更新）、NAR 2025 数据库论文（Bertoni et al. NAR 54:D358-D362, 2026；DOI 10.1093/nar/gkaf1226；PMID 41273079）、DeepMind AlphaFold 页面，以及 Jumper 2021 / Abramson 2024（AlphaFold 3）原始论文。检索核实时间为 2026-09-19。

AFDB 的数字随更新滚动（「2 亿+」「2.14 亿」「复合物 220 万」并存），本页在各处显式标注口径时点；第三方转引的「2.41 亿」「180 万复合物」等数字来自不同统计时点，本页在 §3.6 口径对齐表逐条澄清。本页为技术参考文档，不构成生物学或医学决策依据——结构预测不是实验结构：任何基于 AFDB 模型的结合位点、突变效应或药物设计结论都应经实验验证（§2.3、§5）。

关于 AI 预测的边界：AFDB 常规条目由 AlphaFold2/AF-Multimer 生成，AlphaFold 3 的能力（配体/DNA/RNA 复合预测）与 AFDB 是两套发布体系——本页 §2.6 专述这一容易混淆的边界。

§1 数据集概览

§1.0 📌 30 秒速览

是什么：结构生物学的「折叠革命」公共底座——几乎每个已知蛋白序列都有一条对应的预测三维结构，免费开放。
体量：约 2.14 亿单蛋白预测（2025-10）+ 约 220 万高置信二聚体复合物 entries（2026-03，全套约 3,100 万预测可下载）。
许可：CC-BY-4.0——学术与商业都能用，署名即可（与 AlphaFold 3 权重/服务的非商业限制形成鲜明对比，§2.6）。
杀手锏：proteome 级覆盖 + 残基级 pLDDT 置信——「序列空间的结构化」一次性完成，无序区都可读。
适用：结构注释与功能推断、口袋预测与虚拟筛选准备、突变效应解释、蛋白质设计参照、复合物界面假设。
不适用：高分辨率实验细节（配体/水分子/构象系综——用 PDB/PDBbind）、AF3 级别的蛋白-配体预测（走 AlphaFold Server）。

§1.1 摘要

2020 年 11 月，DeepMind 的 AlphaFold2 在 CASP14 上以 median GDT 92.4 的成绩「基本解决」了困扰结构生物学五十年的蛋白质折叠问题；2021 年 7 月，EMBL-EBI 与 DeepMind 合作把这一能力变成公共数据库——AlphaFold DB 上线，首期发布人类与 20 种模式生物的 35 万条结构预测。到 2025-10，AFDB 对齐 UniProt 2025_03，收录约 2.14 亿条预测，覆盖几乎全部已知蛋白序列，并首次纳入 isoform 模型与 MSA 下载；2026-03 的复合物扩展又把「分子间的相互作用」带进库：约 220 万同源二聚体与 7.9 万异源二聚体高置信结构入 entries，全套约 3,100 万复合物预测开放批量下载。

对 AI 团队，AlphaFold DB 的价值在三个维度：

结构表征的零成本基线：2.14 亿结构使「这个蛋白长什么样」从「数年晶体/电镜工程」变成「一次下载」——功能注释、口袋预测、突变解释的先验全部就位；canSAR 分析显示 AF 模型使可成药蛋白比例从 19.8% 翻倍到 41.8%。
置信度自带的诚实协议：每条结构的每个残基带 pLDDT 置信分——「哪里可信、哪里存疑」内嵌在数据格式里（b-factor 列），这是「AI 生成数据公共化」的置信工程教科书。
开放许可的极限规模：CC-BY-4.0 + 190 国 300 万用户——AFDB 是「AI 大模型产物作为公共科研基础设施」的全球首例与标杆。

数据的第一性事实：预测结构 ≠ 实验结构——pLDDT 高只说明模型自洽，不保证物理正确；无序区低 pLDDT 是信息不是缺陷。用 AFDB 的方法论核心是「带置信度用结构」（§2.2、§6.5）。

§1.2 战略价值

实验结构空白的系统性填补：PDB 实验结构约 23 万条 vs AFDB 2.14 亿预测——三个数量级的缺口被一次填平；结构生物学从「选靶点解析」转向「对预测结果做实验验证」的范式迁移。
药物发现的靶点面扩容：可及口袋预测从实验结构扩展到全蛋白质组——canSAR 口径的可成药蛋白比例翻倍（19.8% → 41.8%）；虚拟筛选的对接准备不再受限于「有没有晶体」。
变异解释的结构层：gnomAD/没有晶体」。
变异解释的结构层：gnomAD/ClinVar 的变异位点落到 AFDB 结构上做定位（活性位点/界面/折的变异位点落到 AFDB 结构上做定位（活性位点/界面/折叠核）——变异性状解释的结构证据层从「少数有结构的蛋白」扩展到全组。
蛋白质设计的对照空间：设计新蛋白（Baker 线 RFdiffusion 等）需要「天然结构长什么样」的参照分布——AFDB 是最大的天然结构经验库。

§1.3 同类数据集横向对比

资源	定位	规模量级	与 AFDB 的关系
AlphaFold DB	AF2/Multimer 预测结构（全 proteome）	2.14 亿 + 复合物	—
PDB	实验解析结构（X-ray/冷冻电镜/NMR）	~23 万条	实验金标准；AFDB 的验证与对照面
PDBbind	实验复合物结合常数	数万条	结合研究用实验数据；AFDB 提供口袋准备
AlphaFold Server（AF3）	蛋白-配体/DNA/RNA 交互预测	在线按条	能力更强但学术限制、无批量
ESM Atlas（Meta）	语言模型预测结构（宏基因组）	6 亿+（大肠杆菌 6.5 亿序列库等）	更大更粗——AFDB 策展度与置信工程更强
BFVD / Viro3D	病毒蛋白预测结构	数十万-百万级	已被 AFDB 收录为专题数据集
ModBase/SWISS-MODEL	同源建模	百万级	旧一代同源建模——精度与覆盖远不及 AFDB
AlphaMissense	错义变异效应预测	全蛋白组变异	AFDB 页面关联的变异效应层

§1.4 版本时间轴

2020-11  AlphaFold2 CASP14 登顶（median GDT 92.4）
2021-07  AFDB Phase 1 上线（人类 + 20 模式生物，35 万结构；Jumper Nature 2021）
2021-12  Phase 2：Swiss-Prot 全库 + 热带病 proteomes
2022-07  Phase 3：2 亿+（几乎全 UniProt 覆盖）
2024-05  AlphaFold 3 发布（Nature；AF3 与 AFDB 分轨）
2024-10  AlphaFold 化学 Nobel（Hassabis/Jumper/Baker）
2025-10  UniProt 2025_03 同步：2.14 亿 + 首次 isoforms + MSA 下载 + 入口页重设计
2026-01  NAR 2025 数据库论文（Bertoni et al. NAR 54:D358-D362）
2026-03  复合物扩展：220 万二聚体 entries + 全套约 3,100 万预测开放（EBI+DeepMind+NVIDIA+SNU）

§1.5 应用场景矩阵

结构注释与功能推断：未知功能蛋白 → AFDB 模型 → 域/口袋/定位比对（UniProt/InterPro 联查）。
口袋预测与筛选准备：可成药口袋扫描（fpocket/siteMap 类工具）→ 对接库准备 → 虚拟筛选。
变异效应解释：变异位点映射到结构（活性位点/界面/折叠核/IDR）——临床变异分类的结构证据。
复合物界面假设：二聚体 entries（ipTM 过滤）→ 蛋白互作的结构假设 → 实验验证队列。
蛋白质设计参照：天然结构分布参照 + 设计结果的结构合理性检查。
结构 ML 语料：2 亿级「序列→结构」监督对——结构预测模型/折叠评分器的训练与评测数据。

§1.6 组件全景

AFDB 的六个数据层：

单蛋白结构层：约 2.14 亿 mmCIF/PDB 条目——坐标 + 残基级 pLDDT（b-factor 列）+ 序列比对元数据。
复合物结构层：2026-03 起——约 220 万高置信二聚体 entries（同源 ~220 万/异源 ~7.9 万），全套约 3,100 万预测 bulk 下载；pTM/ipTM 置信。
isoform 层（2025-10 新增）：蛋白 isoform 模型——组织特异/剪接变体的结构差异。
MSA 层（2025-10 新增）：每条预测的多序列比对下载——进化约束分析、重评分与自定义再预测的原料。
专题收录层：Kinetoplastid（锥虫/利什曼）、AllTheBacteria（细菌组）、BFVD/Viro3D（病毒）——第三方 AF2/Multimer 数据集经资格审查入库。
服务与 API 层：网页检索/3D viewer、FTP bulk、Google Cloud 公共数据集、API（经 PDBe，2025-2026 变更中）。

§1.7 开放许可的经济学

AFDB 是「大模型产物公共化」的独特案例，其经济学结构与任何公共策展库都不同：

成本结构：预测算力由 DeepMind 承担（一次性批量推理），存储与运维由 EMBL-EBI 承担（公共科研经费）——没有人工策展的持续成本（对比 ChEMBL 的文献抽取与 DrugBank 的卡片维护），这是 2.14 亿条目能完全开放的物质基础。
许可对齐：数据 CC-BY-4.0（学术+商业）——但上游模型 AlphaFold 3 的权重与服务是学术限制/商业授权——「数据库开放、模型限制」的错位（§2.6）要求使用者区分「用数据」与「用模型」两条合规线。
网络效应：UniProt/PDBe/InterPro 内嵌 AF 模型——AFDB 成为蛋白质信息学的默认结构层；190 国 300 万用户形成事实标准，替代性资源（ESM Atlas）难以撼动。
使用者的隐性成本：数据免费但「用对」有成本——pLDDT 解读、IDR 处理、预测-实验边界的方法学投入是真实工作量（§5、§6.5）。

§1.8 AFDB 在研究流程中的定位

序列获得 → 结构表征 → 功能假设 → 药物发现 → 实验验证
   │            │            │           │
   │            ├─ AFDB：预测结构（秒级替代数年解析工程）
   │            ├─ AFDB：口袋与域注释（可成药性初筛）
   │            ├─ AFDB：复合物界面（互作假设生成）
   │            └─ AFDB：变异定位（结构证据层）
   └─ UniProt（序列与注释主源）→ PDB/PDBbind（实验结构验证层）

流程阶段	AFDB 角色	典型用法	验收标准
靶点评估	结构可得性画像	有无高置信结构/口袋（pLDDT>70 区域）	可成药性初筛有数
功能注释	域与定位参照	与已知结构比对（DALI/TM-score）	注释可溯源到比对打分
变异解释	结构证据层	变异落点（活性/界面/核/IDR）分类	分类规则与 pLDDT 联动
筛选准备	对接结构源	口袋识别 + 侧链修整 + 对接库	与实验结构对照过偏差
实验对接	假设生成器	截短体设计/构建选择/突变验证队列	预测假设进入实验清单

定位纪律：AFDB 覆盖「结构假设」最厚，「物理化学细节」最薄——结合常数与复合物热力学交给 PDBbind/PDB（§2.3），别让预测结构背实验的锅。

§2 医学与科学背景

§2.1 结构预测革命：从 CASP 到 proteome

CASP14 的分水岭（2020-11）：AlphaFold2 median GDT 92.4——「与实验结构难以区分」的水平；此前 50 年蛋白质折叠是未解难题，GDT 从 CASP13 的 ~60 跳升近 30 分。
从论文到数据库（2021-07）：DeepMind 开源 AF2 代码与权重的同时，与 EMBL-EBI 建库——「能力公共化」与「产物公共化」同步发生，后者影响更大（不是每个实验室都有批量推理算力）。
proteome 级覆盖的三阶段：35 万（人类+模式生物）→ Swiss-Prot+热带病 → 2 亿+（全 UniProt）——热带病 proteomes 的 Phase 2 优先是全球健康导向的公共政策决策（利什曼/查加斯等被忽视疾病的研究者最先受益）。
Nobel 的加冕（2024-10）：Hassabis 与 Jumper（与 Baker 共享）获诺贝尔化学奖——AI 结构预测从工具变成学科基础设施。

§2.2 pLDDT：内嵌的诚实协议

定义：pLDDT（predicted lDDT）是残基级置信分（0-100）——预测的局部结构与「真值」的相似度期望；存储在 PDB/mmCIF 的 b-factor 列——所有结构查看器直接按色彩渲染。
四级语义：very high（>90，蓝）：骨架与多数侧链可信；confident（70-90，青）：骨架可信、侧链细节谨慎；low（50-70，黄）：拓扑可能对、细节不可信；very low（<50，橙）：多半是无序区（IDR）。
工程读法：pLDDT 是「模型自洽度」不是「物理正确性」——低同源区的高 pLDDT 也可能是系统性错误；统计口径约 35% 条目高准确、45% 多数用途可靠——剩余 20% 不是废料而是「带警示的假设」。
复合物的两把尺：pTM（整体折叠）与 ipTM（接口）——2026-03 复合物发布用「联合 cutoff 优先接口置信」筛假阳性：接口置信不够的二聚体预测不进 entries（但仍在 bulk 下载集里）。

§2.3 预测 ≠ 实验：边界管理

缺的东西：配体、水分子、离子、辅因子、翻译后修饰、构象系综、膜环境的取向——AFDB 模型是「 apo 蛋白的静态快照」。
对接研究的偏差：用 AF 模型做口袋对接，侧链构象是「预测态」不是「结合态」——induced fit 效应全靠对接软件自己补；文献共识是：AF 模型对接可做初筛，命中复核必须回到实验结构或重新对接（侧链重排 + 柔性）。
** cryptic pockets 的两面**：AF 模型能揭示实验结构没见过的口袋（canSAR 的可成药性翻倍就来自这里），但「预测有口袋」≠「物理上有口袋」——分子动力学与片段筛选是必要验证。
边界协议：报告 AF 模型结论时，pLDDT 域标注 + 「未考虑配体/柔性」声明 + 与最近实验结构的 RMSD 对照（若存在）三件套——审稿人查的就是这个。

§2.4 无序区（IDR）：低置信是信息

生物学背景：真核蛋白 30%+ 区段是内在无序区（IDR）——不折叠、靠无序发挥功能（信号转导/翻译调控）。
AF2 的读出：IDR 的 pLDDT 天然 <50——这不是预测失败，而是模型「知道这里没有唯一结构」；IDR 段的坐标应视为「示意」而非结构。
常见误用：把 IDR 当坏数据裁掉 → 丢失功能位点（很多磷酸化位点/线性 motif 在 IDR）；把 IDR 坐标当真结构做对接/界面分析 → 假阳性。
正确姿势：IDR 段用「有无 + 长度 + 位置」做特征（不是坐标）；IDR 区变异解释走序列层（AlphaMissense）不走结构层。

§2.5 复合物与界面：2026-03 扩展的科学意义

从单体到互作组：蛋白功能多在复合物中实现——AF-Multimer（AF2 时代）与 AF3（扩散架构）使多链预测成为可能；AFDB 2026-03 把它做成 proteome 级公共供给。
发布口径：4,777 proteomes 上的 ~19M 同源多聚体 + ~8M 异源多聚体系统预测；经接口置信联合 cutoff 筛出约 220 万同源二聚体 + 约 7.9 万异源二聚体高置信 entries；全套约 3,100 万预测（含未入 entries 的）开放 bulk——「金标准层」与「全量探索层」分开发布。
覆盖设计：16 模式生物 + 30 个 WHO 优先 proteomes（全球健康导向，延续 Phase 2 热带病传统）——被忽视病原体的互作组结构首次成规模可查。
使用纪律：entries 里的二聚体可信度高但仍是预测——界面残基的突变验证实验（丙氨酸扫描）是确认路径；bulk 全集里的低置信预测只做探索假设。

§2.6 AF3 与 AFDB：容易混淆的边界

两条发布线：AFDB 常规条目 = AF2/AF-Multimer 生成（批量、proteome 级、CC-BY-4.0）；AlphaFold 3 = 交互预测（蛋白-配体/DNA/RNA/离子），经 AlphaFold Server 提供——学术免费、非商业限制、权重不开放。
2024 年的开放争议：AF3 论文（Nature 2024-05）发布时权重不公开——1000+ 科学家联名公开信抗议；DeepMind 后续开放学术使用但商业授权仍受限。
工程后果：想用 AF3 能力做商业产品的团队只能走授权谈判（或等待开放替代品如 Boltz 类开源模型）——而用 AFDB 数据商业落地完全合法（CC-BY）——「数据开放、模型限制」的错位是 AFDB 生态最重要的合规事实。
AFDB 收录资格审查：第三方专题数据集必须是 AF2/AF-Multimer 生成（不是 AF3）、主题连贯、经 afdbhelp@ebi.ac.uk 审查——收录层保持「同代模型 + 统一置信协议」的一致性。

§2.7 AI 视角的科学定位

对医疗 AI，AFDB 是「序列空间的结构化先验」：任何涉及蛋白的任务（靶点评估、突变效应、互作预测、设计）都可以从 AFDB 拿到结构层的初始条件。它的短板（静态、无配体、置信≠正确）都是「预测产物」的固有属性——用它的方法论核心与 ChEMBL 同构：「带置信度用数据」——pLDDT/ipTM 过滤是 AFDB 世界的 confidence score，实验验证是唯一的闭环。

§2.8 变异 × 结构：精准医学的连接层

变异分类的结构证据：ACMG/AMP 分类里 PM1（热点无变异区）/PS3（功能破坏）等证据可从结构层获得——变异落点是否在活性位点/折叠核/界面（pLDDT>90 域内）直接影响致病性判断。
AFDB 的扩展：2.14 亿结构使「任何基因的变异都能落结构」——gnomAD/ClinVar 变异 × AFDB 结构的交集分析成为临床解释的标准动作（本库 gnomAD 条目 §2 详述）。
AlphaMissense 的衔接：DeepMind 的错义效应预测（Science 2023）与 AFDB 同源共享置信工程——序列层（AlphaMissense）+ 结构层（AFDB pLDDT）双证据是当前变异解释的最强 AI 组合。
陷阱：IDR 区变异别用结构层解释（§2.4）；pLDDT<70 域内的「界面/口袋落点」不足以支撑 PM1 类证据。

§2.9 膜蛋白与多跨螺旋：结构质量的特殊地带

膜蛋白（GPCR/离子通道/转运体）是药物靶点的最大富集带，也是 AF 预测的特殊地带：

预测质量分层：单跨/少跨膜蛋白质量接近球蛋白；多跨螺旋（7-TM GPCR 等）的整体折叠普遍可信但螺旋内细节与环区（药理学关键）置信偏低——保守性来自序列（TM 段疏水约束）而非同源深度。
缺膜语境：AF2 无膜环境——膜蛋白的「活化态构象空间」（GPCR 的 inactive/active 切换）是预测模型的盲区；活性态研究靠实验结构（G 蛋白复合物晶体）或定制预测协议。
工程应对：① 多跨螺旋域的 pLDDT 门槛放宽到「TM 段>80、环区不设限」——一刀切 90 会丢掉全部 GPCR；② 构象假设（active/inactive）显式声明来源（预测 vs 实验）；③ 与实验 GPCR 结构（PDB 丰富）的对照是膜蛋白项目的必做项。
可成药性影响：口袋扫描在 TM 束内的正交口袋（allosteric）值得跑——但「预测有」到「构象稳定有」的验证链比球蛋白更长（MD 采样 + 配体结合实验）。

§2.10 复合物生物学：为什么二聚体 entries 是里程碑

功能在复合物里：约半数真核蛋白以复合物形式行使功能——同源二聚体（对称/寡聚化）与异源二聚体（信号转导/酶-调节亚基）是最基本的互作单元；此前复合物结构只能靠 PDB 实验数据（覆盖 <1% 已知互作）或逐对 AF-Multimer 自跑。
2,700 万系统预测的意义：互作组（PPI 网络）的结构化——「哪些蛋白对可能形成稳定复合物」从实验列表变成全组画像；entries 的 ~8% 入选率本身就是「系统预测 → 高置信子集」的诚实分层。
假阳性的结构语义：同一细胞里不同时空调表达的蛋白对「能折叠在一起」≠「生物上相遇」——结构置信（ipTM）回答「能不能」，共表达/定位数据回答「遇不遇得到」——两类证据要分开报。
与 PPI 数据库的关系：BioGRID/IntAct 的实验互作是「已知互作验证面」（§5.6 L4）——AFDB entries 与实验互作的交集是双向增强：entries 给实验互作结构解释，实验互作给 entries 生物学可信度。

§3 数据集规格

§3.1 规格总表

维度	规格
当前版本	2025-10（UniProt 2025_03 同步）；复合物扩展 2026-03
单蛋白结构	约 2.14 亿（官网口径 over 200 million）
复合物 entries	约 220 万同源二聚体 + 约 7.9 万异源二聚体（2026-03）
复合物全量	约 3,100 万预测（bulk 下载；含未入 entries 的低置信）
系统预测底数	~19M 同源 + ~8M 异源多聚体预测 across 4,777 proteomes
isoforms	2025-10 首次纳入
MSA	每条预测可下载（2025-10 起）
置信机制	pLDDT（残基级 0-100）+ pTM/ipTM（复合物）
文件格式	mmCIF/PDB（pLDDT 在 b-factor 列）；批量 tar 包
分发	网页 + FTP + Google Cloud + API（经 PDBe）
许可	CC-BY-4.0（学术+商业；AF Data © 2022 DeepMind）
用户规模	190+ 国 300 万+ 研究者；2 万+ 引用
专题收录	Kinetoplastid / AllTheBacteria / BFVD / Viro3D

§3.2 2025-2026 双更新的增量地图

维度	2024-05 时点	2025-10 更新	2026-03 复合物扩展
单蛋白	~2.14 亿（对齐 UniProt 2024_03）	对齐 UniProt 2025_03 + isoforms	持续同步
复合物	无（AF-Multimer 单机自跑）	无	220 万二聚体 entries + 3,100 万 bulk
MSA	未开放	开放下载	持续
入口页	旧版	全面重设计（domains/summary tabs）	持续
第三方收录	少量	扩容（AllTheBacteria 等）	持续

解读：2025-2026 的主题是「从单体库到互作库 + 从结构库到结构-进化联合库」——isoforms 补剪接多样性、MSA 补进化约束、复合物补相互作用——AFDB 正在从「结构查询工具」变成「蛋白质组结构-进化-互作的联合基础设施」。对使用协议的含义：2025-10 之前的老方法段要补「无 isoform/MSA 层」的版本声明，2026-03 之后的复合物结论要指明 entries/bulk 层级。

跨版本对比的警告：复合物 entries 是 2026-03 新增层——「2025 年 AFDB 复合物召回率」这类回溯性统计不存在（当时没有该层），文献综述引用旧口径复合物数字时要核查时点。

§3.3 DAIMS 数据AI就绪度评估

维度 D	数据完整性	评分	说明
D1	结构覆盖	10/10	几乎全 UniProt——序列空间的结构化上限
D2	复合物深度	8/10	二聚体成规模；更高聚体在 bulk 层
D3	置信元数据	10/10	残基级 pLDDT + pTM/ipTM——置信工程教科书
D4	语境元数据	8/10	UniProt 对齐 + MSA；缺配体/修饰语境（固有）
A1	机器可读	10/10	mmCIF/PDB 标准格式 + FTP/GCloud/API
A2	文档完备	9/10	FAQ + 培训模块 + NAR 论文
A3	接入成本	10/10	免注册零门槛
A4	更新机制	9/10	UniProt 同步节奏 + 复合物大版本
I1	指标标准化	9/10	pLDDT 全库统一；跨版本可比性随 UniProt 漂移
I2	可复现性	9/10	批量快照固定；API 变更期需锁版本
M1	多模态对齐	9/10	序列-结构-MSA-注释四层对齐（UniProt 锚）
M2	时间序列	7/10	UniProt 同步滚动；历史版本不回溯
S1	数据安全	10/10	无个体数据
S2	合规负担	10/10	CC-BY-4.0——署名即可

总分：A 级（覆盖与置信工程双满分档；扣分项全部来自「预测产物」的固有边界——无配体语境与版本漂移）

§3.4 存储与计算需求

数据件	体量	最小分析环境
单条结构 mmCIF	数 MB	笔记本 + PyMOL/ChimeraX
物种 proteome 批量包	数 GB-数十 GB	单机 64GB 磁盘
全库 bulk	数 TB	对象存储 + 脚本流式处理
复合物全量（3,100 万）	数 TB 级	对象存储 + 并行解析
pLDDT 批量统计	自解析 b-factor 列	单机 Biopython 可行

AFDB 是「按需取用」友好型资源——绝大多数任务只需几个 proteome 包；全库下载只在全组统计/ML 语料场景需要。

§3.5 获取通道

网页：alphafold.ebi.ac.uk——UniProt accession/基因名检索、3D viewer、pLDDT 色彩渲染、域与注释标签页。
FTP bulk：alphafold.ebi.ac.uk/downloads——按物种/ proteome 的 tar 包 + 复合物数据集（2026-03）。
Google Cloud：公共数据集桶——云上工作流免下载（gs 路径见官方 downloads 页）。
API：经 EBI PDBe——单条元数据与文件 URL；2025-2026 API 变更期注意公告。
UniProt 内嵌：UniProt 条目页直接显示 AF 模型——序列注释与结构一页联查。

§3.6 口径对齐表

数字	出处口径	澄清
over 200 million	官网通用口径（Phase 3 起）	稳态表述
~2.14 亿	2025-10 UniProt 2025_03 同步（媒体转述官方）	精确时点口径
35 万（Phase 1）/ 2 亿+（Phase 3）	官方发布史	时间轴节点
~220 万同源二聚体 + ~7.9 万异源二聚体	2026-03 复合物扩展（官网/官方页）	高置信 entries
~3,100 万复合物预测	2026-03（官网）	全量 bulk 层
~19M 同源 + ~8M 异源系统预测	2026-03 合作研究口径	底数（含未入 entries）
「2.41 亿结构 / 180 万复合物」	第三方媒体统计（不同时点混合）	与官方口径不一致——不采用
300 万+ 研究者 / 190+ 国	官方（2025-10）	用户规模
可成药蛋白 19.8% → 41.8%	canSAR 团队分析（第三方研究）	口袋可及性统计

§3.7 版本选择纪律

快照锁定：批量分析锁 FTP 快照日期——UniProt 同步使条目集合滚动漂移（新序列入、旧序列合并/删除）。
API 变更期：2025-2026 API 迁移（经 PDBe 公告）——生产代码对 API 做适配层，别裸调。
复合物双层的用法：entries（高置信）用于结论与发表；bulk 全量用于探索假设——两层混用是审稿雷区（§6.5）。

§3.8 pLDDT 分级工程详表

pLDDT 是 AFDB 世界的「confidence score」——按分值带建协议：

分值带	语义	典型情形	使用建议
>90（very high）	骨架+多数侧链可信	折叠域核心、有同源序列支撑区	结构结论/口袋/界面分析金标准
70-90（confident）	骨架可信、侧链谨慎	域外围、环区	对接前侧链重排；结论带警示
50-70（low）	拓扑存疑	跨域连接区、弱同源区	只做拓扑假设；别取坐标细节
<50（very low）	多半为 IDR	无序区	用「有无/长度/位置」特征；不用坐标
ipTM（复合物）	接口置信	二聚体 entries 筛选用	entries 已过联合 cutoff；bulk 需自行过滤

统计基准：全库约 35% 高准确 + 45% 多数用途可靠——你的子集分布若显著偏离（如全高置信的热门蛋白），先检查选择偏倚。
域级联动：pLDDT 与 UniProt 域注释（InterPro/Pfam）联查——「域内 >90」是结构证据的最低门槛（§2.8）。
pLDDT ≠ RMSD：pLDDT 是自洽期望不是与实验的偏差——有实验结构的蛋白，对照 RMSD 才是校准（§5.6）。

§4 数据结构

§4.1 文件与条目结构

AlphaFold DB 条目结构（mmCIF 视角）
├── 条目 ID：AF-{UniProt accession}-F1（复合物：多链 F 模型）
├── _atom_site
│   ├── 坐标 x/y/z            # 全原子（重原子；AF2 无氢键力场语境）
│   └── B_iso_or_equiv        # ★ pLDDT（0-100）——AFDB 的置信列
├── _entity / _struct_asym    # 链与实体（复合物多链）
├── 元数据
│   ├── 序列（与 UniProt 一致）
│   ├── pLDDT 直方图 / 全局 pLDDT
│   ├── MSA 下载链接（2025-10 起）
│   └── 版本与生成模型标识（AF2/AF-Multimer）
└── 分发形态
    ├── 单条：网页下载 / API
    ├── 物种包：proteome tar（UP{taxid} 命名）
    ├── 复合物：entries + 全量 bulk（2026-03）
    └── 云：Google Cloud 公共桶

pLDDT 在 b-factor 列是 AFDB 的关键设计——所有标准结构工具（PyMOL/ChimeraX/Biopython）零改造即可读置信度。

§4.2 批量下载与 proteome 包处理

#!/usr/bin/env bash
# 从 AFDB FTP 拉取一个物种的 proteome 包并解压（以人类为例；以官方 downloads 页路径为准）
set -euo pipefail

BASE="https://ftp.ebi.ac.uk/pub/databases/alphafold/"
# v4 形态：按 UP{taxid} 命名的 proteome 包
wget -c "${BASE}v4/UP000005640_9606_human.tar"   # 人类 proteome（数十 GB）
mkdir -p human_af && tar -xf UP000005640_9606_human.tar -C human_af

ls human_af | head -3
# AF-P00533-F1-model_v4.cif   ← EGFR；文件名含 UniProt accession 与模型版本

# 复合物数据集（2026-03）：entries 与全量 bulk 分开发布（路径见官方 downloads 页）

版本对齐：文件名 model_v4 是 AFDB 模型版本——跨版本比较结构时锁定 v 号。
磁盘策略：tar 包不解压也能流式读取（tar -xOf 取单条）——全组扫描别全解压。

§4.3 单条抽取与 pLDDT 解析

#!/usr/bin/env python3
"""AFDB 单条结构下载 + pLDDT 统计：任何靶点 30 秒画像。"""
import urllib.request
import io
import numpy as np

def fetch_af_entry(uniprot_acc: str, version: int = 4) -> bytes:
    url = (f"https://alphafold.ebi.ac.uk/files/"
           f"AF-{uniprot_acc}-F1-model_v{version}.cif")
    return urllib.request.urlopen(url, timeout=60).read()

def plddt_stats(cif_bytes: bytes) -> dict:
    """从 mmCIF 的 B-factor 列抽 pLDDT（b-factor 列即 pLDDT）。"""
    import gemmi  # pip install gemmi；或用 Biopython MMCIF2Dict
    st = gemmi.cif.read_string(cif_bytes.decode()).sole_block()
    b = np.array([float(x) for x in st.get_mmcif_category("_atom_site")["B_iso_or_equiv"]])
    return {
        "mean_plddt": round(float(b.mean()), 1),
        "pct_above_90": round(float((b > 90).mean() * 100), 1),
        "pct_above_70": round(float((b > 70).mean() * 100), 1),
        "pct_below_50": round(float((b < 50).mean() * 100), 1),  # IDR 占比
    }

if __name__ == "__main__":
    raw = fetch_af_entry("P00533")            # EGFR
    print(plddt_stats(raw))
    # {'mean_plddt': 91.x, 'pct_above_90': ~86, 'pct_below_50': ~1} —— 胞内激酶域高置信的典型画像

§4.4 变异位点结构映射

#!/usr/bin/env python3
"""把变异列表映射到 AFDB 结构：残基落点的 pLDDT 域分类（§2.8 协议）。"""
import numpy as np

def classify_variant(position: int, plddt_arr: np.ndarray) -> str:
    """plddt_arr: 按残基序号对齐的 pLDDT 数组（1-based）。"""
    p = plddt_arr[position - 1]
    if p > 90:  return "structured_high"     # 结构证据可用（域内）
    if p > 70:  return "structured_caution"  # 可用但带警示
    if p > 50:  return "topology_only"       # 只做拓扑参考
    return "idr_or_low"                      # IDR——转序列层证据（AlphaMissense）

def plddt_by_residue(cif_path: str) -> np.ndarray:
    """从 mmCIF 提取逐残基 pLDDT（CA 原子代表）。"""
    import gemmi
    st = gemmi.read_structure(cif_path)
    return np.array([res[0][ "CA" ].b_iso if "CA" in res[0] else np.nan
                     for res in st[0]["A"]])

临床衔接：分类结果对接 ACMG 证据（structured_high + 活性位点/界面 → PM1 候选）；IDR 落点显式转序列层。
对齐陷阱：AFDB 序列与转录本 isoform 一致性要核（2025-10 起 isoform 模型分列）——错 isoform 会整体错位。

§4.5 与 UniProt/PDBe 的对齐

键：UniProt accession 是 AFDB 的主键——序列注释、域（InterPro）、变异（UniProt 变异页）都在同一 ID 下联查。
实验结构对照：PDBe 按 UniProt 取实验结构列表——AF 模型与实验结构的 RMSD 对照是校准协议（§5.6）的第一步。
域对齐：InterPro/Pfam 域边界 × pLDDT 分布——「域内高置信」画像的原料。

§4.6 元数据与版本指纹

模型版本：文件名 model_v{N} + 官方公告——方法段写「AFDB v4（2025-10 快照，UniProt 2025_03）」。
复合物双层声明：用 entries 还是 bulk——结论层必须写明（§2.5）。
第三方收录标注：BFVD/Viro3D 等专题集的数据版权归属各自团队——引用时分开标注。

§4.7 完整性清单

[ ] 模型版本（v4）+ 快照日期写入方法段
[ ] pLDDT 过滤门槛（>70？>90？）声明
[ ] IDR 处理协议（裁剪 or 特征化）说明
[ ] 与实验结构（若存在）的 RMSD 对照
[ ] 复合物用 entries/bulk 哪层声明
[ ] isoform 一致性核对
[ ] 专题收录（BFVD 等）与主库分开标注
[ ] 「预测非实验」limitation 段落

§4.8 数据血缘

UniProt 序列库（2025_03）
  → AlphaFold2 / AF-Multimer 批量推理（DeepMind 算力）
  → pLDDT/pTM/ipTM 置信计算
  → 复合物接口置信联合 cutoff（2026-03 筛选）
  → EMBL-EBI 托管与分发（FTP/GCloud/API/网页）
  → 第三方专题集（AF2/Multimer 资格审查后收录）

「序列 → 预测 → 置信 → 分发」四级血缘全部可追溯——与实验库（PDB 的实验方法/分辨率元数据）对照使用时，两条血缘各自独立成立。

§4.9 复合物 entries 解析：界面残基提取

#!/usr/bin/env python3
"""AFDB 复合物 entry（2026-03）解析：链、界面残基与 ipTM 处理。
复合物文件同样为 mmCIF；pLDDT 仍在 b-factor 列，界面分析需先识别链间接触。"""
import numpy as np
import gemmi

def parse_complex(cif_path: str) -> dict:
    st = gemmi.read_structure(cif_path)
    model = st[0]
    chains = [ch.name for ch in model]

    # 链间界面粗筛：CA-CA 距离 < 8Å 的残基对数（全原子精算前的低成本两级实现）
    ca = {ch.name: np.array([[p.pos.x, p.pos.y, p.pos.z] for p in ch if "CA" in p[0]])
          for ch in model}
    interface = {}
    for i, a in enumerate(chains):
        for b in chains[i + 1:]:
            if a in ca and b in ca:
                d = np.linalg.norm(ca[a][:, None, :] - ca[b][None, :, :], axis=-1)
                n_pairs = int((d < 8.0).sum())
                interface[f"{a}-{b}"] = {"n_ca_pairs_lt8A": n_pairs,
                                         "candidate_interface": bool(n_pairs > 30)}
    return {"chains": chains, "interfaces": interface}

def residue_plddt_profile(cif_path: str, chain: str = "A") -> np.ndarray:
    st = gemmi.read_structure(cif_path)
    return np.array([res[0]["CA"].b_iso if "CA" in res[0] else np.nan
                     for res in st[0][chain]])

工程要点：复合物的界面判定用「CA 距离粗筛 + 全原子精算」两级——直接全原子逐对在 2,200 万 entries 规模下不可行。
与置信联动：界面残基的 pLDDT 分布（是否 >70）是「界面假设质量」的第二道筛——ipTM 高但界面残基低置信的 entry 仍需谨慎。
规模提示：entries 批量处理是万级 mmCIF——用对象存储 + 流式解析（gemmi 读单文件内存友好）；bulk 全量 3,100 万只建议抽取子集。

§4.10 MSA 下载与重评分的最小示例

#!/usr/bin/env python3
"""AFDB 官方 MSA 的获取与基本使用（2025-10 起开放）。
MSA 是 A3M 格式——可喂给重评分器/自定义预测管线/共进化分析。"""
import urllib.request, gzip, io

def fetch_msa(uniprot_acc: str) -> str:
    """拉取官方 MSA（A3M）。具体 URL 模板以 AFDB 条目页/文档为准（API 迁移期）。"""
    url = (f"https://alphafold.ebi.ac.uk/api/prediction/{uniprot_acc}")
    import json
    meta = json.loads(urllib.request.urlopen(url, timeout=60).read())
    msa_url = meta[0].get("msaUrl") or meta[0].get("annotationsUrl")
    return gzip.decompress(urllib.request.urlopen(msa_url, timeout=120).read()).decode()

def msa_summary(a3m_text: str) -> dict:
    lines = [l for l in a3m_text.splitlines() if l and not l.startswith("#")]
    seqs, depth = lines[1::2], 0
    for s in seqs:
        if not s.startswith(">"):
            depth += 1
    return {"n_sequences": depth,
            "first_target_len": len(seqs[0]) if seqs else 0}

if __name__ == "__main__":
    text = fetch_msa("P00533")
    print(msa_summary(text))   # depth 高 = 同源深 = 预测更可信的间接信号

MSA 深度是置信的第二来源：同源序列数（depth）与 pLDDT 正相关——「高 pLDDT + 深 MSA」双证据的结构假设最硬。
API 迁移期注意：2025-2026 API 变更期 URL 模板以官方文档为准——生产代码对 API 响应字段做防御性解析（§5.5 坑点 7 关联）。
重评分的边界：官方模型 + 官方 MSA + 自定义重排的产物不再是「AFDB 产物」——报告时要区分原始快照与再处理层（§6.7 之 3）。

§5 下游分析协议

§5.1 任务×资源速查表

任务	用哪些数据件	关键过滤	陷阱
结构画像	单条 mmCIF + pLDDT	>70 区域统计	IDR 当坏数据裁掉
口袋预测	pLDDT>90 域	fpocket/siteMap	侧链不重排直接对接
变异解释	pLDDT_by_residue + UniProt 变异	域内>90	IDR 区做结构解释
互作假设	复合物 entries	ipTM cutoff	bulk 低置信当结论
设计参照	proteome 包子集	与设计目标同家族	新颖性误判（同源入库）
ML 语料	bulk 子集 + MSA	按版本快照	跨快照混合训练

§5.2 结构获取与准备协议

取结构：UniProt accession → AFDB 单条下载（§4.3）→ pLDDT 画像先行（判断可用域）。
域裁剪：pLDDT>70 连续段为分析域；<50 段默认裁剪（除非研究 IDR 本身）。
侧链修整：对接前对 70-90 区做侧链重构（旋转异构库）+ 能量最小化——预测态侧链是最大偏差源。
实验对照：有实验结构的域——先算 RMSD，偏差大（>2Å Cα）的域用实验结构替换。
记录协议：裁剪边界/修整步骤/对照结果全进方法段——可复现三件套。

§5.3 口袋与对接协议

口袋扫描：fpocket/DoGSiteScorer 在高置信域上跑——pLDDT<70 区的口袋不进候选。
cryptic 口袋协议：AF 模型口袋 + MD 松弛（10-100ns）复核——「预测有」与「动力学稳定有」分两步报。
对接管线：口袋侧链重排 → 刚性对接初筛 → 柔性精修 → 与实验结构（若有）的对接模式对照。
富集评估：已知活性分子（ChEMBL/PDBbind）做早期富集（EF1%）——AF 结构对接管线的标准评估。

§5.4 成本模型

场景	技术路线	成本量级
单蛋白画像	API + gemmi	零；秒级
物种 proteome 扫描	FTP 包 + 并行解析	单机；小时级
口袋+对接管线	AF 结构 + MD 松弛	工作站/GPU；天级
复合物假设队列	entries + 界面分析	单机；天级
全库 ML 语料	GCloud + 对象存储	云存储费；周级

§5.5 失败模式清单

pLDDT 当准确率：高置信区也可能系统性错误（无同源支撑的新折叠）——有实验结构必对照。
IDR 当废料：裁掉 IDR 丢功能位点——IDR 特征化（§2.4）不是删除。
预测侧链直接对接：结合态侧链构象偏差——重排+最小化是前置步骤。
bulk 低置信复合物当结论：3,100 万全量里大量假阳性——结论只用 entries 层。
isoform 错位：变异映射到错 isoform 模型——序列一致性必核。
跨快照混拼：新旧版本条目集合漂移——锁单一快照。
AF3 能力误挂 AFDB：AFDB 没有配体/核酸复合预测——AF3 需求走 Server/授权（§2.6）。
新颖性误判：设计结果与 AFDB 同源不判新——同源检索（TM-score）前置。

§5.6 校准与验证协议

验证层	数据源	指标	通过线（参考）
L1 域级校准	PDBe 实验结构对照	Cα RMSD（pLDDT>90 域）	中位 <1Å；>2Å 域替换
L2 口袋校准	PDBbind 口袋注释	口袋检出率/重叠率	高置信域检出 ≥80%
L3 对接校准	PDBbind 复合物	EF1%/top-1 姿态	与实验结构管线差距可解释
L4 互作校准	BioGRID/IntAct 已知互作	entries 复合物召回	分层报告（同源/异源）
L5 变异校准	ClinVar 致病/良性分层	结构特征分离度	致病变异富集于功能域
L6 前瞻衔接	实验合作/文献对照	假设验证率	与预测排序正相关

L1 是根基：任何「AF 结构做重大结论」的研究，L1 对照表是审稿第一问——按域报 RMSD 分布而不是全链均值。
L4 的分层：已知互作中「有复合物 entry 的召回率」是 2026-03 数据集实用性的直接度量——同源/异源分开（异源更难）。
L5 的谨慎：结构特征分离度是关联证据不是因果——ACMG 证据等级按规则映射，不越级。

§6 实证结果与方法学分析

§6.1 2026-03 复合物扩展的核心信号

规模信号：4,777 proteomes 上约 2,700 万系统预测（~19M 同源 + ~8M 异源）——蛋白质互作组的结构化第一次达到 proteome 级公共供给。
方法信号：接口置信联合 cutoff 的筛选设计——「宁可 entries 少、不可假阳性混入」的金标准纪律；~220 万 entries 只占系统预测的 ~8%——保守筛选是这份数据可信度的来源。
合作信号：NVIDIA（算力）+ 首尔国立大学（Steinegger 团队，线性时间互作预测方法）加入——公共数据库的「多主体工程协作」新模式。
公平信号：30 个 WHO 优先 proteomes 的覆盖——全球健康导向延续 Phase 2 传统。

§6.2 结构预测公共化的实证教训

「预测过剩」不成立：2.14 亿结构发布后，实验结构生物学没有失业——PDB 沉积量上升（验证+复合物+动态过程）——预测与实验是互补分工不是替代。
置信工程的胜利：pLDDT 内嵌 b-factor 的设计使「AI 产物可信度」成为数据格式的一部分——后来的 AI 数据集（包括本库各条目）都在复制这个模式。
可成药性的翻倍：canSAR 19.8% → 41.8% 的口径变化改写了靶点评估的默认假设——「没有结构」不再是不做的理由。
AF3 争议的教训：能力开放（Server）≠ 产物开放（AFDB）≠ 权重开放（未）——三层开放度要分开评价，社区抗议聚焦的「可复现性」权重层至今未解。

§6.3 方法学三层框架（gsm）

G（Ground layer）：序列与预测坐标 + pLDDT——机器产物，自洽可证。
S（Synthesis layer）：域注释/口袋/界面/变异落点——分析推断层（依赖工具与协议）。
M（Medical layer）：变异致病性/可成药结论/互作功能——临床与药理语义层（需实验证据闭环）。

越层引用是常见错误：拿 G 层高 pLDDT 说「界面存在」（S 层要有 ipTM 与对照）、拿 S 层口袋说「可成药」（M 层要有活性证据）——审稿按层问责。

§6.4 接力实验设计

AFDB → PDB/PDBbind：假设结构 → 实验结构/结合常数复核（L1/L3 协议）。
AFDB → ChEMBL/DrugBank：口袋假设 → 已知配体/成药语义检索（虚拟筛选闭环）。
AFDB → gnomAD/ClinVar：变异落点 → 群体频率与致病分类（§2.8）。
AFDB → AlphaFold Server（AF3）：单体假设 → 加配体/DNA 的交互精修（学术范围内）。

§6.5 八个真实坑点

坑点 1：pLDDT 当正确率——高置信 ≠ 物理正确；无实验对照的结论降级为「假设」。
坑点 2：IDR 全裁——丢功能位点与线性 motif；IDR 是特征层。
坑点 3：预测侧链直接对接——结合态偏差；重排+最小化前置。
坑点 4：bulk 复合物当 entries 用——低置信互作进结论；双层纪律（§3.7）。
坑点 5：isoform 错配——变异映射整体错位；序列一致性核对前置。
坑点 6：跨快照混用——UniProt 同步漂移；锁快照日期。
坑点 7：AFDB/AF3 混淆——能力与许可两套体系；商用方案分开规划。
坑点 8：新颖性不查同源——设计/筛选结果先过 AFDB 同源检索再谈「新」。

§6.6 审稿人自查清单

[ ] AFDB 模型版本 + 快照日期写入方法段？
[ ] pLDDT 过滤门槛与 IDR 处理协议声明？
[ ] 有实验结构的域做了 RMSD 对照？
[ ] 对接前侧链修整步骤报告？
[ ] 复合物结论用 entries 层（非 bulk）？
[ ] 「预测非实验」limitation 段落？
[ ] AFDB（数据）与 AF3（服务）的使用边界分开声明？
[ ] 复现包含结构版本与脚本哈希？

§6.7 版本演进的方法学含义

UniProt 同步的漂移：条目集合随序列库滚动——跨版本的全组统计（口袋数/IDR 占比）不可直接比，要声明快照对。
isoforms 的加层（2025-10）：剪接变体进入结构层——组织特异变异解释的分辨率提高，但「主链 vs isoform 模型」的选择要写进协议。
MSA 开放的连锁：第三方可用官方 MSA 重评分/再预测——「官方模型 + 官方 MSA + 自定义重排」的混合管线兴起，置信协议要区分模型产物与再处理产物。
复合物双层发布（2026-03）：「金标准 entries + 全量 bulk」的发布模式很可能成为后续大库的模板——使用协议里两层的边界就是未来的审稿标准。

§7 AI 就绪指南与应用场景

§7.1 AFDB 在医疗 AI 中的四种喂法

结构表征喂法：pLDDT 分域特征 + 几何描述子——靶点画像/可成药性模型的输入层。
空间先验喂法：变异落点/口袋/界面的空间关系——临床变异解释与互作预测模型的先验。
监督对喂法：「序列→结构」2 亿级对——结构预测/折叠评分模型的训练语料（ESM 类模型的评测域）。
复合物图喂法：二聚体 entries 的界面残基图——PPI 预测/界面设计的图神经网络语料。

四种喂法与 §6.5 坑点的对应：喂法 1 踩坑 1（pLDDT）与坑 2（IDR）；喂法 2 踩坑 5（isoform）；喂法 3 踩坑 6（快照）；喂法 4 踩坑 4（bulk）——建模前回读对号。

§7.2 靶点结构画像管线实操配方

#!/usr/bin/env python3
"""批量靶点结构画像：AFDB 下载 → pLDDT 分域 → 口袋可成药特征 → TSV。"""
import concurrent.futures as cf
import urllib.request, io, json
import numpy as np
import gemmi

TARGETS = ["P00533", "P15056", "P04637"]  # EGFR / BRAF / p53

def fetch(acc: str, version: int = 4) -> bytes:
    url = f"https://alphafold.ebi.ac.uk/files/AF-{acc}-F1-model_v{version}.cif"
    return urllib.request.urlopen(url, timeout=60).read()

def profile(acc: str) -> dict:
    st = gemmi.cif.read_string(fetch(acc).decode()).sole_block()
    b = np.array([float(x) for x in
                  st.get_mmcif_category("_atom_site")["B_iso_or_equiv"]])
    return {"uniprot": acc,
            "n_res": int(b.size),
            "mean_plddt": round(float(b.mean()), 1),
            "pct_high": round(float((b > 90).mean() * 100), 1),   # 金标准域
            "pct_mid": round(float(((b > 70) & (b <= 90)).mean() * 100), 1),
            "pct_idr": round(float((b < 50).mean() * 100), 1)}    # IDR 占比

if __name__ == "__main__":
    with cf.ThreadPoolExecutor(4) as ex:
        rows = list(ex.map(profile, TARGETS))
    json.dump(rows, open("afdb_profiles.tsv.json", "w"), ensure_ascii=False, indent=1)
    print(*rows, sep="\n")

（画像输出直接对接 §5.2 协议——pct_idr 高的靶点先做 IDR 策略决策再进下游。）

§7.3 模型选型与迁移决策

口袋/可成药性：几何特征（pocket 描述子）+ 梯度提升——小样本可成药标注（canSAR 类）下 GBDT 王道。
变异效应：结构特征 + 序列特征（AlphaMissense 分）+ 进化保守性融合——单一来源都逊于组合。
PPI/界面预测：entries 复合物图 + 语言模型嵌入——图模型在 ipTM 分层监督下收益最大。
结构生成/设计：AFDB 作天然分布参照——设计评估的「天然性」判别器训练域。
不确定性：pLDDT 本身是不确定性——下游模型应把它当输入特征而不是丢掉，等价于 ChEMBL 的 confidence 协变量（§7.4 对应）。

§7.4 公平性：覆盖不均的工程应对

家族偏倚：球蛋白/酶类结构质量优于膜蛋白/多跨螺旋——分家族报性能，膜蛋白结论降级。
物种偏倚：模式生物 proteome 质量高于边缘物种（同源深度）——跨物种迁移时按同源深度分层。
长度偏倚：长链蛋白（多域+IDR）的 mean pLDDT 系统性偏低——按「pLDDT>90 域数」而不是均值做比较。
权威声明：AFDB 无个体数据——公平性维度是「生物类群覆盖」不是人群公平；但下游医学应用（变异解释）的人群公平要单独评估（gnomAD 条目 §7.4）。

§7.5 任务×资源速查表

AI 任务	AFDB 数据	输出形态	验收
可成药性分类	画像特征 + 口袋	分类器	canSAR 口径对照
变异致病融合	落点特征 + AM 分	融合分类器	ClinVar 分层验证
PPI 预测	entries 界面图	链接预测	BioGRID 召回分层
结构质量评估	pLDDT + 几何	回归/评分	与 RMSD 相关性
设计天然性判别	proteome 子集	判别器	与实验结构区分度
MSA 重评分	官方 MSA	重评分器	官方模型对照

§7.6 端到端案例：冷门激酶的可成药性评估

输入：某被忽视病原体激酶（WHO 优先 proteome 内）——无实验结构。
画像：§7.2 管线 → 催化域 pLDDT>90（金标准）、ATP 口袋区高置信、C 端 IDR 15%。
口袋：fpocket 扫描高置信域 → ATP 位点检出 → 与人源激酶口袋对比（选择性设计空间）。
对照：同家族人源激酶实验结构（PDB）做 RMSD 对照 → 激酶域 <1.2Å → 结构假设升级。
筛选：ChEMBL 已知激酶抑制剂相似度检索 → 命中列表 → 实验验证队列。
报告：版本快照 + pLDDT 域图 + 对照表 + 「预测假设待实验确认」声明——四件套齐。

§7.7 报告模板：方法学段落骨架

结构预测来自 AlphaFold DB（EMBL-EBI/Google DeepMind；模型版本 v4，2025-10 快照对齐 UniProt 2025_03；Bertoni et al., NAR 54:D358-D362, 2026）。分析限定 pLDDT > 90 的连续结构域；pLDDT < 50 区段按内在无序区（IDR）处理，仅保留「有无/长度/位置」特征。存在实验结构的对应域（PDB 检索于 2026-XX-XX）先行 Cα RMSD 对照（中位 X.XÅ）。口袋预测采用 fpocket（参数 P1）于高置信域；对接前对 pLDDT 70-90 区侧链进行旋转异构重构与能量最小化。复合物分析仅采用 AlphaFold DB 2026-03 发布的高置信二聚体 entries（接口置信联合 cutoff）。预测结构与实验结构的差异及配体/柔性语境的缺失已在局限中声明；复现包含模型版本、快照日期与全部脚本哈希。

§7.8 成本与排期模板

阶段	内容	成本构成	周期
取结构	单条/包下载 + 画像	存储	0.5-1 天
域裁剪	pLDDT 分域 + 对照	人力	2-3 天
口袋/对接	扫描 + 修整 + 对接	工作站/GPU	1 周
复合物	entries 界面分析	单机	3-5 天
校准	L1-L5 协议	算力 + 人力	1 周
复现包	版本 + 脚本 + 对照表	人力	1-2 天

AFDB 项目的瓶颈在校准不在获取——「结构假设 → 实验对照」的闭环质量决定工作档次。

§7.9 消融案例：变异致病分类的结构特征贡献

变异解释是 AFDB 医学价值最集中的场景——结构特征的边际贡献一组典型消融：

配置	特征集	ClinVar 分层 AUC（示意）	诊断
R1	仅序列保守性	基线	传统进化证据
R2	R1 + AlphaMissense 分	显著提升	序列层 AI 证据强
R3	R2 + 结构落点（域/位置类别）	小幅稳定提升	结构层在功能域内增益
R4	R3 + IDR 处理协议（落点重分类）	消除 IDR 假阳性	协议修正比加特征更值钱

方法：同一 ClinVar 子集（错义、pLDDT 全域覆盖），五折分层 CV；结构特征按 §4.4 协议提取；R4 把 IDR 落点从「结构特征缺失」改为显式类别。
读数：R2→R3 的增益集中在 pLDDT>90 的功能域内变异——结构层价值不是全局的，是「域条件化」的；R3→R4 说明 IDR 协议错误是这类管线最常见的隐性 bug。
结论：结构特征进临床分类器必须带 pLDDT 条件化与 IDR 协议——「裸落点特征」的增益会被 IDR 假阳性吃掉。

§8 伦理、许可与合规

§8.1 许可结构

模型 ≠ 数据：AF2 代码/权重按其开源许可（可商用）；AF3 权重与 Server 非商业限制——「用 AFDB 数据」与「用 AF3 预测新结构」是两条合规线，产品方案里分开写。
第三方专题集：BFVD/Viro3D/Kinetoplastid 等的版权归属各自团队——再分发时逐集核对声明。

§8.2 引用与致谢模板

致谢模板（按需裁剪）：
Structure predictions were obtained from the AlphaFold Protein Structure
Database (EMBL-EBI and Google DeepMind; Bertoni D, et al. AlphaFold Protein
Structure Database 2025. Nucleic Acids Res 54, D358-D362, 2026. DOI
10.1093/nar/gkaf1226), distributed under CC-BY-4.0. AlphaFold Data
Copyright (2022) DeepMind Technologies Limited. We thank EMBL-EBI and
Google DeepMind for making proteome-scale predictions openly available.

§8.3 国内合规路径

数据性质：预测结构数据——无个体信息、无 HGRAC 问题；下载与使用无额外审批需求。
产品化：CC-BY-4.0 允许商用——结构服务/注释工具内嵌 AFDB 合法，署名义务写进产品文档。
红线：① 学术诚信——预测结构标注「预测」出售或冒充实验解析是造假；② AF3 非商业限制不可绕过（境内同样适用其服务条款）。

§8.4 商业使用边界

AFDB 的 CC-BY-4.0 使「结构数据商业化」无许可摩擦——商业产品的 attribution 页（版本 + 论文 + 许可链接）是标配。需要商业评估的是上游：基于 AF3 权重/Server 的商业服务（授权谈判）与基于 AF2 的自建管线（开源许可，可行）——三条路径的成本结构完全不同，选型先于开发。

§8.5 合规台账最小模板

台账项	记录内容	示例
数据快照	模型版本 + 快照日期	v4；2025-10（UniProt 2025_03）
署名位置	attribution 页 + 论文引用	产品「关于」页；Bertoni 2026
AF 数据声明	DeepMind 版权声明位置	文档页固定条款
AFDB/AF3 分界	用了哪些能力、哪些是 AF3	AFDB 数据；无 AF3 依赖
第三方专题集	BFVD 等的版权核对	逐集声明存档
版本升级策略	UniProt 同步触发	半年评估；基线重跑
复现包存档	快照指纹 + 脚本哈希	对象存储路径

§9 谱系与生态

§9.1 结构资源时间线

1971  PDB 创立（实验结构库；此后 50 年的结构金标准）
2018  AlphaFold1（CASP13；DeepMind 入场）
2020  AlphaFold2 CASP14 登顶（GDT 92.4）
2021-07  AFDB Phase 1（人类+20 模式生物；35 万）
2022-07  AFDB Phase 3（2 亿+；全 UniProt 覆盖）
2024-05  AlphaFold 3（Nature；Server 学术限制）
2024-10  AlphaFold 化学 Nobel
2025-10  UniProt 2025_03 同步 + isoforms + MSA 开放
2026-01  NAR 2025 数据库论文
2026-03  复合物扩展（220 万二聚体 entries；3,100 万 bulk）

§9.2 术语表

术语	定义
AFDB	AlphaFold Protein Structure Database
pLDDT	残基级预测置信分（0-100；存于 b-factor 列）
pTM / ipTM	全局/接口折叠置信（复合物）
IDR	内在无序区（pLDDT<50 的常见来源）
isoform	剪接变体蛋白（2025-10 入库）
MSA	多序列比对（进化约束的原料）
proteome 包	按物种打包的全蛋白结构集（UP{taxid}）
entries / bulk	复合物高置信层 / 全量层（2026-03）
AF-Multimer	AF2 的多链复合物扩展
cryptic pocket	实验结构未见的潜在口袋
GDT	全局折叠相似度打分（CASP 指标）
RMSD	坐标均方根偏差（与实验对照的度量）
canSAR	癌症药物发现集成平台（可成药统计来源）
AlphaMissense	DeepMind 错义变异效应预测
BFVD / Viro3D	AFDB 收录的病毒预测结构专题集
CC-BY-4.0	AFDB 数据许可（学术+商业）

§9.3 资源选型决策树

你的需求是什么？
├─ 「看一个蛋白的结构」
│    → AFDB 网页（秒级；UniProt accession 直查）
├─ 「可成药口袋/对接准备」
│    → AFDB 高置信域 + fpocket + 侧链修整（§5.3）
├─ 「结合常数/复合物热力学」
│    → PDBbind（实验数据；AFDB 不提供）
├─ 「蛋白-配体/DNA 交互预测」
│    → AlphaFold Server（学术）或授权（商业）——非 AFDB
├─ 「变异致病结构证据」
│    → AFDB pLDDT 分域 + AlphaMissense（§2.8）
├─ 「互作组假设」
│    → 2026-03 复合物 entries（bulk 只做探索）
├─ 「宏基因组/病毒结构」
│    → AllTheBacteria / BFVD / Viro3D 专题集
└─ 「实验结构下载」
     → PDB/PDBe（AFDB 是预测库不是实验库）

§9.4 与本库其他条目的关系

条目	关系
PDBbind	实验结合常数——AFDB 口袋假设的验证层
drugbank	成药语义——AFDB 可成药画像的语义核对
gnomad	群体变异——AFDB 结构落点的变异来源
chembl	已知活性——口袋假设的配体验证面
UniProt（外部）	序列与注释主源——AFDB 的对齐锚
clinicaltrials-gov	靶点药物的现实性核查

§9.5 组合使用建议

研究设计	推荐组合	分工
靶点评估全链	AFDB（结构）+ ChEMBL（配体）+ DrugBank（语义）	假设 + 证据 + 叙事
变异解释	AFDB（结构层）+ gnomAD（频率）+ AlphaMissense（序列层）	空间 + 群体 + 效应
虚拟筛选	AFDB（口袋）+ PDBbind（校准）+ ChEMBL（富集集）	结构 + 校准 + 评估
PPI 研究	AFDB entries（界面）+ BioGRID（已知互作）	假设 + 召回验证
蛋白设计	AFDB（天然参照）+ PDB（细节模板）	分布 + 工程

组合纪律：版本快照统一——AFDB 快照与 PDB 检索日期、ChEMBL 版本同期锁定，跨库结论才可复现。

§9.6 大模型产物公共化的生态角色

AFDB 是「AI 大模型批量产物作为公共科研基础设施」的全球首例：DeepMind 承担算力、EBI 承担运维、CC-BY-4.0 保证任何研究者零门槛取用——300 万用户/190 国是这一模式的验证。它改变了结构生物学的经济学：结构信息从「稀缺资源（每个结构一个博士论文）」变成「公共品（秒级下载）」，研究重心从「解析」移向「解释与验证」。对 AI 数据生态，AFDB 的置信工程（pLDDT 内嵌格式）、双层发布（entries/bulk）、版本同步协议都是后续 AI 生成数据集的事实标准——包括本库的其他条目在内，都在这个模式的影响之下。

§9.7 开放-限制混合模式的工程样本

DeepMind 生态里同时存在三种开放度——AFDB（CC-BY 数据，全开放）、AF2（开源代码+权重，可商用）、AF3（Server 学术限制，权重未开放）——这个「混合栈」的工程含义：

层	开放度	商业可行性	对使用者
AFDB 数据	全开放（CC-BY-4.0）	直接产品化	署名即可
AF2 模型	开源（Apache 系）	自建管线可行	算力自理
AF3 模型/Server	学术限制	授权谈判	商业方案悬置

策略：把「数据依赖」与「模型依赖」解耦——产品尽量建立在 AFDB/AF2 层（合规确定性高），AF3 能力留作学术增值或待开源替代（Boltz 类）成熟。
风险对冲：AFDB 的持续开放由 EBI-DeepMind 合作续约保障（2025 已续）——严肃产品仍应做本地快照（FTP 全量或子集），不把生产链挂在在线服务上。

§10 资源导航与 FAQ

§10.1 官方资源导航

主站 https://alphafold.ebi.ac.uk/；下载页 https://alphafold.ebi.ac.uk/downloads
DeepMind 页 https://deepmind.google/science/alphafold/
API/变更公告 https://www.ebi.ac.uk/pdbe/
收录申请：afdbhelp@ebi.ac.uk（AF2/Multimer 生成 + 主题连贯）
培训模块：EBI on-demand training（AFDB 导航与解读）

上手指引（第一次接入的推荐顺序）：

网页查 EGFR（P00533）——读 pLDDT 色彩与域标签页，感受置信渲染。
用 §4.3 脚本拉同一条结构——跑 pLDDT 统计，对照网页直方图。
下载一个小 proteome 包（如酵母）——批量画像（§7.2）。
对一个有实验结构的蛋白做 RMSD 对照（§5.6 L1）——体会预测-实验边界。
复合物需求再上 2026-03 entries；全库场景再谈对象存储。

§10.2 关键文献

Jumper, J. et al. Highly accurate protein structure prediction with AlphaFold. Nature 596, 583-589 (2021). DOI 10.1038/s41586-021-03819-2
Tunyasuvunakool, K. et al. Highly accurate protein structure prediction for the human proteome. Nature 596, 590-596 (2021). DOI 10.1038/s41586-021-03828-1
Varadi, M. et al. AlphaFold Protein Structure Database: massively expanding the structural coverage of protein-sequence space with high-accuracy models. Nucleic Acids Res 50, D439-D444 (2022). DOI 10.1093/nar/gkab1061
Abramson, J. et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature 630, 493-500 (2024). DOI 10.1038/s41586-024-07487-w
Bertoni, D. et al. AlphaFold Protein Structure Database 2025: a redesigned interface and updated structural coverage. Nucleic Acids Res 54, D358-D362 (2026). DOI 10.1093/nar/gkaf1226
Cheng, J. et al. Accurate proteome-wide missense variant effect prediction with AlphaMissense. Science 381 (2023).
Kim, R.S. et al. BFVD—a large repository of predicted viral protein structures. Nucleic Acids Res (2024).

§10.3 站内延伸阅读

PDBbind — 结合亲和力数据库：实验结合常数（AFDB 的验证层）
DrugBank — 药物知识库：成药语义与靶点知识
ChEMBL — 生物活性数据库：已知活性配体（口袋验证面）
gnomAD — 基因组频率数据库：变异频率（结构落点的来源）
MoleculeNet — 分子基准套件：分子 ML 基准（对接管线评估）
ClinVar — 临床变异注释库：致病分类（结构证据的归宿）

§10.4 FAQ

Q1：AlphaFold DB 完全免费吗？商用合法吗？
A：完全免费且商用合法（CC-BY-4.0）——义务是署名（论文 + DeepMind 版权声明）；无注册门槛。

Q2：到底多少结构？2 亿还是 2.14 亿？
A：官网稳态口径「over 200 million」；2.14 亿是 2025-10 对齐 UniProt 2025_03 的时点口径——引用写时点。

Q3：pLDDT 是什么？怎么看？
A：残基级置信分（0-100），存在 b-factor 列；>90 金标准、70-90 骨架可信、50-70 拓扑存疑、<50 多半 IDR——结构查看器按色彩渲染。

Q4：pLDDT 高就等于结构正确吗？
A：不——pLDDT 是模型自洽度；无同源支撑的高置信区也可能系统性错误。有实验结构的域务必做 RMSD 对照。

Q5：黄色/橙色区域（低 pLDDT）要删掉吗？
A：不要无脑删——那多半是 IDR（内在无序区），低置信是模型「知道这里没有唯一结构」；把 IDR 特征化（有无/长度/位置），不是当坏数据。

Q6：能用 AFDB 结构直接做分子对接吗？
A：可以但要修——预测态侧链是最大偏差源；对 70-90 区做侧链重构+能量最小化，有实验结构优先用实验结构。

Q7：复合物的 220 万和 3,100 万两个数字什么关系？
A：220 万二聚体是过接口置信联合 cutoff 的高置信 entries（可做结论）；3,100 万是全量 bulk（只做探索假设）——两层别混用。

Q8：AlphaFold 3 和 AFDB 什么关系？
A：两条发布线——AFDB 常规条目由 AF2/Multimer 生成（开放）；AF3 的配体/DNA/RNA 预测走 Server（学术限制、权重不开放）。AFDB 里没有 AF3 模型。

Q9：AF3 可以商用吗？
A：Server 学术免费、非商业限制、权重未开放——商用需授权谈判；商业方案建议先建立在 AFDB 数据 + AF2 自建管线上。

Q10：isoform 模型是什么？怎么用？
A：2025-10 首次纳入的剪接变体结构——组织特异变异解释分辨率更高；用前核对变异与 isoform 序列一致性（错 isoform 会整体错位）。

Q11：MSA 下载有什么用？
A：进化约束的原料——重评分、自定义再预测、共进化分析都用它；官方 MSA + 自定义重排的混合管线要区分产物归属。

Q12：AFDB 和 PDB 怎么选？
A：要实验精度（配体/水/热力学）用 PDB/PDBbind；要覆盖与可得性用 AFDB；理想流程是 AFDB 全覆盖 + PDB 对照校准。

Q13：和 ESM Atlas（Meta）怎么比？
A：ESM Atlas 规模更大（宏基因组）但粗（单链、置信工程弱）；AFDB 策展、置信、生态集成全面占优——严肃任务用 AFDB。

Q14：批量下载全库多大？本地怎么放？
A：全库数 TB 级——绝大多数任务用 proteome 包（GB 级）或 API 单条；全库仅全组统计/ML 语料场景需要，建议对象存储流式处理。

Q15：变异解释怎么接 AFDB？
A：变异位点 → AFDB 结构落点（pLDDT 分域分类，§4.4）→ 域内>90 的落点给结构证据（ACMG PM1 候选）；IDR 落点转 AlphaMissense 序列层。

Q16：为什么我的变异映射对不上号？
A：十有八九是 isoform 错配——AFDB 模型对应的序列要与你引用的转录本一致；2025-10 起 isoform 模型分列，别用主链模型硬套某 isoform。

Q17：api 变更会影响生产代码吗？
A：2025-2026 API 迁移期（经 PDBe 公告）——生产代码做适配层；批量需求优先走 FTP 快照，少依赖在线 API。

Q18：能贡献自己的预测结构进 AFDB 吗？
A：能——资格：AF2/AF-Multimer 生成、主题连贯、科学审查（afdbhelp@ebi.ac.uk）；AF3 产物暂不收。

Q19：BFVD/Viro3D 这些专题集是官方生成的吗？
A：不是——第三方团队用 AF2/Multimer 生成、经资格审查入库，版权归各自团队；引用时分开标注。

Q20：可成药蛋白翻倍（19.8%→41.8%）是怎么来的？
A：canSAR 团队统计——AF 模型使可及口袋覆盖的蛋白比例近翻倍；这是「口袋可及性」口径，不等于「都能做成药」。

Q21：2026-03 复合物覆盖哪些物种？
A：4,777 proteomes——含 16 模式生物 + 30 个 WHO 优先 proteomes（全球健康导向）；被忽视病原体的互作结构首次成规模。

Q22：论文里怎么引用 AFDB？
A：官方要求引 Bertoni et al. NAR 2026（数据库论文）+ 声明「AlphaFold Data © 2022 DeepMind」；用了 AlphaMissense 另引 Cheng 2023。

Q23：本地快照要不要定期更新？
A：按需求——序列集合漂移影响全组统计（要更新）；单靶点结构基本稳定（少更新）；复合物 entries 随大版本扩展（按需增量）。

Q24：AFDB 结构能用于蛋白质设计的训练吗？
A：能（CC-BY 允许）——但注意与设计结果的同源检查（坑点 8）；训练语料锁单一快照（坑点 6）。

Q25：怎么判断一个域是「可信域」？
A：pLDDT>90 的连续段（≥30 残基级经验门槛）+ 与 InterPro 域注释重合——两条件同时满足才进结构证据层。

Q26：AFDB 会包含配体结合态吗？
A：AF2 架构不含配体——配体/DNA/RNA 交互是 AF3 能力（Server 层）；AFDB 的静态 apo 快照定位短期不变。

Q27：膜蛋白（GPCR 等）的预测要特别注意什么？
A：TM 束整体可信但环区与活化态构象是盲区——pLDDT 门槛分层设（TM 段>80、环区不设限）；活性态假设显式声明来源；有实验 GPCR 结构必对照（§2.9）。

Q28：复合物「能折叠在一起」就等于「生物上真实互作」吗？
A：不等——ipTM 回答结构可行性；时空共表达/亚细胞定位回答「是否相遇」——结构证据与生物学证据分开报（§2.10）。

Q29：MSA 深度低说明什么？
A：同源序列少——预测更依赖模型先验、系统性错误风险更高；「高 pLDDT + 浅 MSA」要比「高 pLDDT + 深 MSA」多留一层怀疑。

Q30：临床 AI 产品里用 AFDB 要做什么声明？
A：三件套——模型版本与快照日期、「预测非实验」免责条款、变异解释的结构证据等级标注（域内>90 才算结构证据）——监管问询的第一轮就是这三条。

§10.5 要点回顾

全开放：CC-BY-4.0——学术商用署名即可；与 AF3 的限制分开规划。
覆盖即价值：2.14 亿结构填平实验结构三个数量级缺口——「没有结构」不再是理由。
pLDDT 是协议不是装饰：四级分带 + IDR 特征化——置信工程是使用方法的核心。
预测 ≠ 实验：静态、无配体、自洽≠正确——校准协议（§5.6）是严肃使用的门槛。
复合物分两层：entries 做结论、bulk 做探索——混用是审稿雷区。
isoform 与快照纪律：序列一致性核对 + 锁快照日期——两处最常见的隐性 bug。
AFDB/AF2/AF3 三层开放度：数据/开源模型/限制服务——合规线分开画。
组合锁主源：AFDB（结构）+ PDBbind（实验）+ ChEMBL（配体）+ gnomAD（变异）各管一层。
基线打不过再说深度：几何特征+GBDT 是可成药性任务的及格线。
偏倚声明是义务：家族/物种/长度偏倚——limitation 固定条款。

口径存照（数字均注明口径与来源，写入正文前已核对）

over 200 million 结构预测 = 官网通用口径（alphafold.ebi.ac.uk，2026-09-19 检索）
~2.14 亿 / UniProt 2025_03 同步 / isoforms + MSA 首次开放 = 2025-10 更新（EMBL 官方新闻稿 + NAR 2025 论文）
Phase 1 35 万（人类+20 模式生物）→ Phase 2（Swiss-Prot+NTD）→ Phase 3 2 亿+ = 官方发布史
复合物：~19M 同源 + ~8M 异源系统预测 across 4,777 proteomes；~220 万同源二聚体 + ~79,000 异源二聚体高置信 entries；全套 ~3,100 万预测 bulk = 2026-03 官方页（EBI+DeepMind+NVIDIA+首尔国立大学）
300 万+ 研究者 / 190+ 国 / 2 万+ 引用 = 官方 2025-10 口径
质量 ~35% 高准确 + ~45% 多数用途可靠 = 官方口径（媒体转述）
CASP14 median GDT 92.4 = Jumper et al. Nature 596:583-589, 2021
可成药蛋白 19.8% → 41.8% = canSAR 团队分析（第三方研究口径）
AF3（Nature 630:493-500, 2024）Server 学术限制/权重未开放 = Abramson et al. 2024 + 官方 FAQ
专题收录 BFVD（NAR 2024）/Viro3D（Mol Syst Biol 2025）/Kinetoplastid（PLoS One 2021）/AllTheBacteria（2025）= 官网收录页
NAR 2025：Bertoni et al. NAR 54:D358-D362（2026-01-06），DOI 10.1093/nar/gkaf1226，PMID 41273079
第三方「2.41 亿/180 万复合物」数字与官方口径不一致——本页不采用（§3.6）
EBI-DeepMind 合作续约（2025）与 API 变更公告 = EMBL 官方新闻稿/PDBe 页
收录资格（AF2/Multimer 生成 + 主题连贯审查）= 官网 FAQ（afdbhelp@ebi.ac.uk）