AlphaFold3（AF3）既可以通过在线平台使用，也可在本地部署运行。在线平台开箱即用，每个账号每天最多提交20个预测任务。AF3 最大的亮点在于它可以预测由蛋白质、核酸、小分子、离子以及修饰残基等多种分子组成的复合物结构。
一、准备工作
1. 在线平台
AlphaFold3 的官方网站为：https://alphafoldserver.com/welcome
目前支持两种输入方式：
① 手动填写每个任务的参数；
② 上传 .json 格式的批量任务配置，更适合批量预测。
2. 登录
使用 Google 账号登录，点击左上角的 Server 进入任务页面。
二、示例演示：RNA-蛋白-离子复合物预测
我们将以一个带有离子的蛋白质-结合RNA复合物为例，检验 AlphaFold3 的预测准确性。
我们从冷冻电镜（Cryo-EM）结构数据库中选取一个已解析的复合物：Trypanosoma brucei ADAT2/3 脱氨酶与 tRNA 的复合物结构。
可以从 RCSB PDB（https://www.rcsb.org）下载该复合物的 FASTA 文件，作为测试数据使用。
当然，也可以使用自己的数据。
1. 数据准备
下载目标复合物的 FASTA 文件；
将文件保存备用。
三、任务配置与提交
1. 添加分子组分
在任务配置界面中，逐一添加 RNA、蛋白质、离子等组分。每添加一个分子，填写对应的序列或结构信息。
2. 启动预测
填写完毕后，点击 启动结构预测任务。
四、查看预测结果
1. 可视化图像
预测完成后，系统会提供结构可视化图像。结构中不同区域的颜色代表预测置信度：
颜色越蓝：表示预测置信度越高；
颜色越橙：表示预测置信度越低。
2. 置信度指标解释
AlphaFold3 提供多个衡量结构预测准确性的指标，主要包括：
① pLDDT（per-residue Local Distance Difference Test）
是每个原子的置信度评分，范围 0–100，数值越高表示置信度越高。
pLDDT 是基于修改后的 LDDT 评分，仅考虑原子与聚合物之间的距离。
对于蛋白质，相当于原子级别的 lDDT-Cα，但具有更高分辨率；
对于小分子配体，仅计算配体原子与聚合物之间的误差；
对于 DNA/RNA，修改后的 LDDT 采用 30 Å 的参考半径（AlphaFold2 为 15 Å）。
② pLDDT 的可视化采用与 AlphaFold Protein Structure Database (AFDB) 相同的配色方案。
PAE（Predicted Aligned Error）
估计结构中两个“标记”（token）之间相对位置和朝向的预测误差。
分数越高，表示误差越大、置信度越低。
对蛋白质和核酸，误差是相对于主链框架计算；
对小分子和翻译后修饰，则为每个原子根据其在参考构象中的最近邻原子构建局部框架。
③ pTM 与 ipTM 分数
均基于模板建模得分（TM-score），用于衡量整体结构与真实结构的接近程度。
pTM（predicted TM-score）：衡量复合物整体的构象准确性；
大于 0.5 表示整体结构可能接近真实结构；
少于 20 个标记（token）时，pTM 评分会小于 0.05；
ipTM（interface predicted TM-score）：衡量复合物中不同亚基之间相对排布的准确性；
大于 0.8：高可信度；
小于 0.6：预测可能失败；
介于 0.6–0.8：预测准确性不确定。
注意：在结构较小或链较短的情况下，pTM 分数较严格，此时更推荐参考 PAE 或 pLDDT 指标。
五、结果下载与可视化
预测完成后，可下载 .cif 格式的结构文件；
使用 PyMOL、ChimeraX 等结构可视化软件打开，进行后续分析与展示。
生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！
喜欢的宝子们点个赞吧~码字不易，且行且珍惜~
