蛋白质结构预测评价指标pLDDT和lDDT-Cα介绍及计算公式

pLDDT 和 lDDT-Cα 是两种广泛用于评价蛋白质结构预测准确性的指标。它们用于不同层次的评估，一个衡量局部结构预测的质量，另一个衡量全局结构的准确性。下面详细介绍这两个指标及其计算公式。

1. pLDDT (Predicted Local Distance Difference Test)

pLDDT 的定义和作用

• pLDDT 是由 AlphaFold 等蛋白质结构预测模型提出的一种局部质量预测分数，用于估计单个残基的预测精度。它用于评估某个残基的局部几何结构（即残基与其周围残基之间的相对位置）的预测可靠性。
• 该分数通常在 0 到 100 之间，数值越高表示模型对该残基的预测越有信心：
  • 90-100：高精度区域
  • 70-90：可信区域
  • 50-70：低精度区域
  • <50：错误区域

pLDDT 的计算

pLDDT 分数由深度学习模型预测出，不依赖于实际参考结构。其计算通常由神经网络通过训练数据自动得出，因此没有明确的公式。模型根据残基局部几何关系（如残基对之间的距离、角度等）得出每个残基的置信度。

应用

pLDDT 主要用于评估每个残基的预测质量，帮助判断蛋白质结构模型中哪些区域是可靠的，哪些区域不可信。

2. lDDT-Cα (Local Distance Diffe