alphafold-database

# AlphaFold 数据库 ## 概述 AlphaFold DB 是一个公共存储库，包含由 DeepMind 和 EMBL-EBI 维护的超过 2 亿个蛋白质的 AI 预测 3D 结构。您可以访问带有置信度指标的结构预测、下载坐标文件、检索批量数据集，并将预测集成到计算工作流中。 ## 何时使用此技能 当在以下场景中使用 AI 预测的蛋白质结构时，应使用此技能： - 通过 UniProt ID 或蛋白质名称检索蛋白质结构预测 - 下载用于结构分析的 PDB/mmCIF 坐标文件 - 分析预测置信度指标（pLDDT, PAE）以评估可靠性 - 通过 Google Cloud Platform 访问批量蛋白质组数据集 - 将预测结构与实验数据进行比较 - 执行基于结构的药物发现或蛋白质工程 - 为缺乏实验结构的蛋白质构建结构模型 - 将 AlphaFold 预测集成到计算流水线中 ## 核心能力 ### 1. 搜索和检索预测 **使用 Biopython（推荐）：** Biopython 库提供了检索 AlphaFold 结构的最简单接口： python from Bio.PDB import alphafold_db # 获取 UniProt 登录号的所有预测 predictions = list(alphafold_db.get_predictions("P00520")) # 下载结构文件 (mmCIF 格式) for prediction in predictions: cif_file = alphafold_db.download_cif_for(prediction, directory="./structures") print(f"已下载: {cif_file}") # 直接获取结构对象 from Bio.PDB import MMCIFParser structures = list(alphafold_db.get_structural_models_for("P00520")) **直接 API 访问：** 使用 REST 端点查询预测： python import requests # 获取 UniProt 登录号的预测元数据 uniprot_id = "P00520" api_url = f"https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id}" response = requests.get(api_url) prediction_data = response.json() # 提取 AlphaFold ID alphafold_id = prediction_data[0]['entryId'] print(f"AlphaFold ID: {alphafold_id}") **使用 UniProt 查找登录号：** 首先搜索 UniProt 以查找蛋白质登录号： python import urllib.parse, urllib.request def get_uniprot_ids(query, query_type='PDB_ID'): """查询 UniProt 以获取登录 ID""" url = 'https://www.uniprot.org/uploadlists/' params = { 'from': query_type, 'to': 'ACC', 'format': 'txt', 'query': query } data =