Protein Contacts Profile

简介

对结构预测模型（如：Boltz2/Protenix/AF3等）预测的一组蛋白单体或复合物结构进行全面分析，包括：二级结构、溶剂可及性、疏水性、残基接触、结构置信度等等，对分析结果进行统一整理和对比展示。

核心思路：以参考链为分析目标，将二级结构、溶剂可及性、疏水性、残基接触、模型置信度，以及可选的同源序列和保守性信息等等汇总到同一份报告中。

模块工作流 ：

• Gemmi：用于读取 PDB/mmCIF 结构，并从查询模型中规范化链、残基、原子和实体类型。
• DSSP：通过提取每个残基的二级结构和溶剂可及性。
• 二硫键计算模块：根据模型坐标计算以残基为中心的接触注释，并推断二硫键。
• Kyte-Doolittle 疏水性评分：逐一计算残基疏水性。
• 类 pLDDT 的置信度提取：当输入模型将置信度编码在原子的 B-factor字段中时，提取残基置信度数值。
• BLAST+：在配置好的本地序列数据库中搜索同源蛋白序列。
• Clustal Omega：对查询序列和命中序列进行比对，进行保守性分析。
• 相互作用类型：对残基对相互作用进行跨结构统计，生成CSV文件，比较不同结构之间相互作用出现的频率与类型。
• 统计汇总：基于上述分析结果，汇总输出多个CSV文件。
• HTML 渲染：将上述分析结果渲染为交互式 HTML 报告和按链导出的 PDF。

相互作用类型判断的阈值：

参数说明

Structures

输入蛋白结构，允许单个以及批量输出。单结构输入，支持 .pdb、.cif、.mmcif 结构格式批量输入需要以压缩包的形式，支持：.zip、.tar、.tar.gz、.tgz、.tar.bz2、.tbz2、.tar.xz、.txz，批量输入最大支持100个结构。

Sequence database

指定通过BLAST+搜索筛选的序列数据库。可选：SwissProt（UniProt知识库中的Swiss-Prot数据库）和 PDBAA（从实验确定的三维结构数据库PDB衍生的序列）。

E-value

指定BLAST+搜索识别序列匹配的保留阈值。E值表示给定序列比对的统计显著性。E值越低（越接近零），匹配的显著性越高，可选阈值：
1e-4、1e-5、1e-6、1e-7、1e-8、1e-9、1e-10、1e-11、1e-12。默认：1e-6

Homolog Display Limit

设置在序列搜索时，保留的最大序列数，可选数量：1~25。默认：5

Columns

指定一行序列展示的残基数量。默认：120

VDW

分析相互作用时，是否输出范德华相互作用，默认输出，选中表示不输出。

Numbering Type

指定抗体 CDR 标注默认使用的编号方案。可选：Kabat、IMGT、Chothia。默认：Kabat。

Exclude Intra Antibody

指定在额外提取 second-shell 和 anchor 残基时，是否排除可识别的抗体重链-轻链内部 contact。默认：True。在抗原-抗体复合物中，默认只考虑抗体-抗原之间的 contact；如需纳入抗体重链-轻链之间的内部 contact，可设置为 False。

Contact Distance Cutoff

设置残基接触对判断的距离阈值。默认：4.0

Strong Contact Distance Cutoff

设置残基强接触对判断的距离阈值。默认：3.2

Contact Consensus Threshold

设置共同残基的统计阈值，以筛选在输入的批量结构中出现频率高于该阈值的相互作用残基。默认：0.5

Contact Chains

指定额外提取contacts残基时，对应的链名，多链用逗号分隔。默认：None

Contact Its

指定额外提取contacts残基时，排除的相互作用类型，多类型用逗号分隔。如果残基存在指定的相互作用类型，则不提取。默认：hp、sb、pc、ps、ts、hbbb、hbsb、hbss、hblb、hbls、hbll。需要配合Contact Chains使用，Contact Chains不指定时不起效。

CDR Only

指定在额外提取 second-shell 和 anchor 残基时，是否只保留 CDR 区域内的残基。默认：False。设置为 True 时，会使用当前 Numbering Type 对应的 CDR 区间进行判断，仅输出属于 CDR 的残基。需要配合Contact Chains使用，Contact Chains不指定时不起效。

结果说明

输出protein_contacts_profile.html，内容展示如下:
注意: 若输入超过80个结构，HTML文档有可能过大而导致浏览器无法正常显示。

说明：
A. 摘要
在图的最上方，是当前活动面板的摘要区。

• Reference Chain 表示当前正在查看的参考链；
• Residue Span 表示这条链在图中覆盖的残基范围；
• Model Count 表示本次一起参与比较的模型数量；
• Output Status 表示当前链面板的结果状态；
• Weak Contact Cutoff和Strong Contact Cutoff
• Hydropathy Window、E-value Threshold、Weak Contact Cutoff、Strong Contact Cutoff、Homolog Display Limit 和 Database 则对应这张图生成时使用的关键参数，说明如下：

B. 二级结构与置信度
在结构部分，每个模型都会用图形标出参考链上的二级结构单元。

• Alpha Helix、3₁₀ Helix 和 Pi Helix 都用卷曲波浪线表示，颜色不同，分别对应 α 螺旋、3₁₀ 螺旋和 π 螺旋。
• Strand 用箭头表示，箭头方向反映链段方向。
• Alpha Turn 和 Beta Turn 则表示两类更短的紧转角区域，通常出现在连接不同二级结构的局部片段中。

如果输入结构中带有逐残基置信度信息，结构轨道还会按 pLDDT 着色。

• 深蓝色表示 pLDDT >= 90，通常可以把这部分看作局部较可信的区域；
• 青蓝色表示 70 <= pLDDT < 90，整体骨架往往已经比较可靠；
• 黄色表示 50 <= pLDDT < 70，说明这一段需要更谨慎地解释；
• 橙红色表示 pLDDT < 50，这类区域往往更灵活，也更容易出现不稳定或低置信度的构象。

把“结构形态”和“置信度颜色”结合起来看：如果某个螺旋或链段在不同模型里都出现，但颜色差异明显，就说明该局部形态可能存在不确定性。

C. 如果当前参考链被识别为抗体样链，还会额外显示一条 Antibody Numbering 轨道，并在界面中提供 Kabat、IMGT、Chothia 三种编号方案切换。

• 这条轨道主要用来标出抗体可变区中的 CDR1、CDR2、CDR3 位置，帮助快速判断互补决定区落在序列的哪一段；
• 切换编号方案时，变化的是 CDR 的边界定义和标签归属，而不是原始氨基酸序列本身；
• 若参考链被识别为重链，则这些 CDR 标记对应重链可变区；若被识别为轻链，则对应轻链可变区；

如果序列并不像抗体可变区，或者当前环境无法完成抗体编号，这条轨道可能不会显示。

D. 序列与同源信息

在结构轨道下方，报告会显示参考链的序列轴。

• Query Sequence 表示目标序列本身；
• Exact Match 表示该位置与查询序列完全一致；`
• Similar Substitution 表示氨基酸虽然不同，但仍属于较保守的替换。

阅读时，它能帮助你区分“模型之间结构有差异，但序列背景本身很保守”和“这一段本来就在同源序列里变化较大”这两种情况。

E. Accessibility与Hydropathy

在序列信息下面，报告会显示两条理化性质轨道。
Accessibility 用来表示残基在结构表面的暴露程度。

• 深蓝色对应埋藏程度较高的区域;
• 灰蓝色表示中间状态;
• 浅蓝色表示更容易暴露于溶剂环境;
• 金色则提示该位置表面暴露很明显;

对于结构分析，这条轨道适合用来判断一个位点更像是核心残基、表面残基，还是潜在的界面区域。

Hydropathy 则描述序列在局部窗口中的疏水或亲水倾向。

• 橙色表示偏疏水，常见于埋藏区、界面内部或与脂质环境相容的区域；
• 灰色表示性质居中；蓝色表示偏亲水，更常出现在暴露于水相环境的位置;

这条轨道结合Accessibility轨道一起观察，能更好的判断某一段结构是否符合直觉：例如，一个明显暴露的区域如果同时又很疏水，就值得进一步留意它是否参与界面作用或是否处在特殊构象环境中。

F. 接触与符号

接触轨道用来描述参考链残基与其他链、配体或小分子的相互作用。
蛋白-蛋白接触使用字母显示，字母表示接触对方所在的链。颜色用于区分接触强度：

• 较深的接触标记对应强接触，当前阈值为最短非氢原子距离小于 3.2 Å；
• 较浅的标记对应弱接触，距离位于 3.2 Å 到 4.0 Å 之间。
• 若同一个位点同时存在多种接触，图中还会用额外外框加以标识，提醒这一位置可能处在更复杂的界面环境里；

除了链字母，轨道里还会出现一些专门的符号。

• S 用来标记二硫键；绿色通常表示链内二硫键，青色表示链间二硫键；
• # 表示接触对方与当前位置具有相同的残基编号和残基类型，常见于对称相关的接触关系；
• 对于非蛋白组分，模块也会用符号做简写显示，例如核酸、离子、糖类、卟啉样配体或其他小分子；参考下方的符号对照表

建议先看“有没有接触”，再看“接触对象是谁”，最后再结合结构轨道判断这些接触是否稳定、是否集中出现在同一个局部区域。

符号对照表：

G. 底部图例
分成三列：

• 左侧 Structure 主要解释螺旋、折叠链和转角这些结构符号以及抗体编号；
• 中间 Tracks 主要解释序列比对、可及性、疏水性和置信度颜色；
• 右侧 Contacts 主要解释强弱接触、二硫键和各类配体符号。

输出cross_structure_interaction.csv，示例如下：

说明：

注意： 结构编号为protein_contacts_profile.html中结构名称自上而下，并且从1开始编号的标识

补充说明：

• 该表由 Cross-Structure Interaction Comparison功能汇总生成，用于从跨结构比较相同残基对在不同模型中的保留情况。
• 表格按 Count 从高到低排序，越靠前的残基对，说明在更多结构中重复出现。
• 当同一残基对在不同结构中出现多种相互作用时，Interaction Types 会以分号汇总展示。

输出contact_details.csv，示例如下：

说明：

注意： 结构编号为protein_contacts_profile.html中结构名称自上而下，并且从1开始编号的标识

输出contact_residue_details.csv，示例如下：

说明：

输出contact_consensus.csv，示例如下：

说明：

输出tm_clusters.csv，示例如下：

说明：

输出tm_score_matrix.csv，示例如下：

说明：

补充说明：

• 这是一个对称矩阵。
• 对角线上的值恒为 1.0。
• 非对角线数值越高，表示两个结构越相似。

输出selected_contact_residues.txt，内容为指定Contact Chains中筛选得到的 contact 残基。筛选时会根据Contact Its参数进行排除：如果某个残基存在 Contact Its 中指定的相互作用类型，则该残基不会被写入结果文件，最终仅保留不包含指定相互作用类型的残基。示例如下：

A30-32,A39,A43-45,A47,A52-54,A57,A95,A100-102,A104-108,A110-112,A129-135,A144,A146,A148,A150,A171-174,A176,A178,A185-187,A220-221,B34,B36,B38,B43-44,B46,B49-50,B52-54,B56,B87,B89,B91-95,B98,B116-121,B124,B127,B131,B133,B135,B137-138,B160-164,B174-176,B180,B209,B214

输出selected_second-shell_residues.txt，内容为指定Contact Chains中筛选得到的 second-shell contact 残基。筛选时会根据Contact Its参数进行排除：如果某个残基存在Contact Its中指定的相互作用类型，则该残基不会被写入结果文件，最终仅保留不包含指定相互作用类型的残基。默认还会根据Exclude Intra Antibody排除可识别的抗体重链-轻链内部 contact。示例如下：

A30-32,A39,A43-45,A47,A52-54,A57,A95,A100-102,A104-108,A110-112,A129-135,A144,A146,A148,A150,A171-174,A176,A178,A185-187,A220-221,B34,B36,B38,B43-44,B46,B49-50,B52-54,B56,B87,B89,B91-95,B98,B116-121,B124,B127,B131,B133,B135,B137-138,B160-164,B174-176,B180,B209,B214

输出selected_anchor_residues.txt，内容为指定Contact Chains中被Contact Its参数排除的contact残基，即带有指定相互作用类型的anchor 残基。默认同样会根据Exclude Intra Antibody排除可识别的抗体重链-轻链内部contact。输出格式同selected_second-shell_residues.txt文件。

另外，还会输出一个protein_contacts_profile_results.tar.gz，会包含protein_contacts_profile.html以及各参考链的PDF与结果CSV。

参考文献

• Robert, X., Guillon, C. and Gouet, P. (2025) FoldScript: a web server for the efficient analysis of AI-generated 3D protein models, Nucleic Acids Res., 53(W1):W277-W282, DOI: https://doi.org/10.1093/nar/gkaf326
• https://foldscript.ibcp.fr