alterlab-alphafold-db

AlphaFold Database

概要

AlphaFold DB は、Google DeepMind と EMBL-EBI が管理する、AI が予測したタンパク質の 3D 構造を収録する公開リポジトリです。リリース v6（2025 年 10 月、UniProt 2025_03 と同期）には約 2 億 4,100 万件の予測が収録されており、約 4 万件のアイソフォームと入力 MSAs が含まれます。さらに、2026 年 3 月からは、事前計算済みのホモ二量体およびヘテロ二量体複合体の予測も提供しています。信頼度指標付きの構造予測へのアクセス、座標ファイルのダウンロード、一括データセットの取得、計算ワークフローへの予測の統合が可能です。

このスキルを使用する場面

このスキルは、次のような場面で AI が予測したタンパク質構造を扱うときに使用します。

• UniProt ID またはタンパク質名からタンパク質構造予測を取得する
• 構造解析用の PDB/mmCIF 座標ファイルをダウンロードする
• 予測の信頼性を評価するため、予測信頼度指標（pLDDT、PAE）を解析する
• 一括プロテオームデータセット（EMBL-EBI FTP または Google Cloud Platform）にアクセスする
• 予測構造を実験データと比較する
• 構造ベースの創薬やタンパク質工学を行う
• 実験構造がないタンパク質の構造モデルを構築する
• AlphaFold の予測を計算パイプラインに統合する

トリガーされない場面

場面	代わりに使用
PDB ID で特定した実験的な X-ray／cryo-EM／NMR 構造	alterlab-pdb
新しい配列や変異配列、またはカスタムのタンパク質–タンパク質複合体を自分でフォールディングする場合（ColabFold／AF2-Multimer）	alterlab-alphafold
タンパク質–リガンドまたはタンパク質–核酸の共フォールディング	alterlab-boltz
タンパク質配列、機能アノテーション、またはアクセッション ID のマッピングのみ	alterlab-uniprot

主な機能

以下の各機能について、実行可能なコピペ用 Python レシピを references/code_examples.md に掲載しています。実行可能なコードが必要な場合はこれを読み込んでください。ここでは、利用先の選択と主な判断事項をまとめています。

1. 予測の検索と取得

推奨順に、3 つの方法があります。

• Biopython（推奨）：Bio.PDB.alphafold_db.get_predictions(accession)、 download_cif_for(...)、get_structural_models_for(...) — 最も簡単な方法です。
• REST API の直接呼び出し：GET https://alphafold.ebi.ac.uk/api/prediction/{uniprot_id}。 レスポンスは、そのアクセッションに対応するすべてのモデルのリストです。標準配列に加えてアイソフォーム（P00520-2、…）や、一部のエントリではサードパーティのモデルも含まれます。そのため、[0] を信頼せず、クエリと一致する uniprotAccession のレコードを選択してください。モデル ID は modelEntityId（例：AF-P00520-F1）です。entryId は廃止予定日として告知されていた 2026-06-25 を過ぎた旧名であるため、新しいコードでは使用しないでください。?include_complexes=true を渡す（または /api/complex/{id} を呼び出す）場合を除き、複合体モデルは含まれません。
• 遺伝子名または PDB ID しかない場合は、まず UniProt でアクセッションを検索します。UniProt ID マッピングジョブ API を使用してください（code_examples.md §1 の get_uniprot_ids ヘルパーを参照。有効なデータベース名は https://rest.uniprot.org/configure/idmapping/fields にあります）。

2. 構造ファイルのダウンロード

/prediction のレスポンスにはバージョンが付いたファイル URL が含まれます。手作業で _v{N} サフィックスを組み立てず、これらの URL を使用してください。 DB のバージョンは更新され（現在は v6）、古い _v4 ファイル URL は 404 を返します。

• cifUrl／pdbUrl／bcifUrl — 原子座標（mmCIF／PDB／バイナリ CIF）。
• plddtDocUrl — 残基ごとの pLDDT スコア（0-100）。
• paeDocUrl — PAE 行列。

ダウンロードレシピ（API から URL を取得し、バイト列を書き込む方法）は code_examples.md §2 にあります。

3. 信頼度指標の活用

• pLDDT：plddtDocUrl から取得し、confidence['confidenceScore'] を読み込みます（キー： residueNumber、confidenceScore、confidenceCategory）。しきい値については、以下の「信頼度の解釈ガイドライン」を参照してください。
• PAE：paeDocUrl から取得します。エンドポイントは、1 つのオブジェクトを含む要素数 1 の JSON 配列を返すため、キーにアクセスする前に [0] を指定します （pae[0]['predicted_aligned_error']）。可視化レシピは code_examples.md §3 にあります。

4. 一括データアクセス（FTP v6 または Google Cloud v4）

• モデル生物、グローバルヘルス関連のプロテオーム、Swiss-Prot（v6）： プロテオームごとに 1 つの tar ファイルが https://ftp.ebi.ac.uk/pub/databases/alphafold/latest/ にあります （例：UP000005640_9606_HUMAN_v6.tar。インデックスは親ディレクトリ内の download_metadata.json です）。信頼度の低い複合体予測は一括ダウンロードのみで、.../alphafold/collaborations/nvda/ にあります。
• すべての分類群（v4）： gsutil を使って gs://public-datasets-deepmind-alphafold-v4/proteomes/ にアクセスするか、bigquery-public-data.deepmind_alphafold.metadata をクエリして、生物種や信頼度で絞り込みます。生物種のダウンロードヘルパーは分類 ID を検証し、リスト形式の subprocess.run を使用します（shell=True は使用しません）。

code_examples.md §4 と references/api_reference.md（一括ダウンロード）を参照してください。

5. 構造の解析と分析

Bio.PDB.MMCIFParser で mmCIF を解析します。pLDDT は B 因子列に格納されています（residue['CA'].get_bfactor()）。コンタクトマップと B 因子の抽出例は code_examples.md §5 にあります。

6. 複数のタンパク質のバッチ処理

アクセッション → 予測 → 信頼度統計 → 要約 DataFrame の順にループします。完全な例は code_examples.md §6 にあります。

インストールとセットアップ

uv pip install biopython requests          # core: structure access + API
uv pip install numpy matplotlib pandas scipy  # analysis + PAE plots
uv pip install google-cloud-bigquery gsutil   # optional: bulk GCP access

3D-Beacons を利用する方法： AlphaFold には、3D-Beacons のフェデレーション API（https://www.ebi.ac.uk/pdbe/pdbe-kb/3dbeacons/api/uniprot/summary/{id}.json）からもアクセスできます。structures[i]['summary']['provider'] == 'AlphaFold DB' に該当するエントリーを絞り込みます。手順は code_examples.md の「3D-Beacons」セクションにあります。

一般的なユースケース

構造プロテオミクス

• 分析用にプロテオーム全体の予測をダウンロードする
• タンパク質全体から信頼度の高い構造領域を特定する
• 予測構造を実験データと比較する
• タンパク質ファミリーの構造モデルを構築する

創薬

• ドッキング研究用に標的タンパク質の構造を取得する
• 結合部位のコンフォメーションを分析する
• 予測構造内の創薬可能なポケットを特定する
• 相同タンパク質間で構造を比較する

タンパク質エンジニアリング

• pLDDT を使って安定領域／不安定領域を特定する
• 信頼度の高い領域に変異を設計する
• PAE を使ってドメイン構造を分析する
• タンパク質のバリアントや変異をモデル化する

進化研究

• 種をまたいでオーソログの構造を比較する
• 構造的特徴の保存性を分析する
• ドメイン進化のパターンを研究する
• 機能上重要な領域を特定する

主要な概念

UniProt アクセッション： タンパク質の主要な識別子です（例：「P00520」）。AlphaFold DB のクエリに必要です。

AlphaFold モデル ID（modelEntityId）： DeepMind の単量体モデルでは AF-[UniProt accession]-F[fragment number] です（例：「AF-P00520-F1」。アイソフォームは「AF-P00520-2-F1」のような形式です）。複合体モデルやサードパーティ製モデルでは、意味を持たない数値 ID が使われます（例：「AF-0000000365776990」）。どちらの形式も /api/prediction/{id} で使用できます。

pLDDT（予測局所距離差テスト）： 残基ごとの信頼度指標です（0～100）。値が高いほど、予測の信頼度が高いことを示します。

PAE（予測整列誤差）： 残基ペア間の相対位置の信頼度を示す行列です。値が低い（<5 Å）場合、相対位置の信頼度が高いことを示します。

データベースのバージョン： REST API と FTP の latest/ アーカイブでは v6 が提供されます（レスポンスには latestVersion / allVersions が記載されます）。GCS/BigQuery のデータセットは v4 です。ファイル URL にはバージョン接尾辞が含まれます（例：model_v6.cif。新しいサードパーティ製モデルは _v1 から始まります）。接尾辞をハードコードせず、予測レスポンスから読み取ってください。

フラグメント番号： 大きなタンパク質は複数のフラグメントに分割されることがあります。フラグメント番号は AlphaFold ID に含まれます（例：F1、F2）。

信頼度の解釈ガイドライン

pLDDT のしきい値：

• >90：非常に高い信頼度 — 詳細な解析に適しています
• 70-90：高い信頼度 — バックボーン構造は概ね信頼できます
• 50-70：低い信頼度 — 柔軟な領域のため、注意して使用してください
• <50：非常に低い信頼度 — 無秩序または信頼性が低い可能性があります

PAE のガイドライン：

• <5 Å：ドメイン間の相対的な位置関係に高い信頼性があります
• 5-10 Å：配置の信頼度は中程度です
• >15 Å：相対位置が不確かで、ドメインが動きやすい可能性があります

リソース

references/code_examples.md

すべてのコア機能について、実行してそのままコピー＆ペーストできる Python のレシピを掲載しています。予測データの取得（Biopython／REST／UniProt マッピング）、ファイルのダウンロード、pLDDT と PAE の解析、GCP／BigQuery による一括アクセス、mmCIF の解析、バッチ処理、3D-Beacons の代替手段を扱っています。

実行可能なコードが必要な場合に読み込んでください。

references/api_reference.md

以下を網羅した API の包括的なドキュメントです。

• REST API エンドポイントの完全な仕様
• ファイル形式の詳細とデータスキーマ
• Google Cloud のデータセット構造とアクセスパターン
• 高度なクエリの例とバッチ処理の戦略
• レート制限、キャッシュ、ベストプラクティス
• よくある問題のトラブルシューティング

API の詳細、一括ダウンロードの戦略、大規模なデータセットを扱う場合は、このリファレンスを参照してください。

重要な注意事項

データの使用と帰属表示

• AlphaFold DB は CC-BY-4.0 ライセンスの下で無料で利用できます
• 次の文献を引用してください：Jumper et al.（2021）Nature、および使用したリリースに対応する AFDB の論文 — v4 は Varadi et al.（2024）NAR、v6 は Bertoni et al.（2026）NAR（doi:10.1093/nar/gkaf1226）
• 予測は計算モデルであり、実験構造ではありません
• 下流解析の前に、必ず信頼度指標を評価してください

バージョン管理

• REST API と FTP の latest/ は v6（latestVersion）を提供しますが、GCS／BigQuery の一括データセットは v4 のままです
• ファイルの URL は /prediction のレスポンスから取得してください。_v{N} のサフィックスをハードコードしないでください
• 古い _v4 ファイル URL は現在 404 を返します。置き換えられたバージョンは /files から削除されています（以前のリリースは FTP サイトの v1/～v6/ に残っています）
• v6 でのフィールド名変更（entryId→modelEntityId、uniprotStart/End→sequenceStart/End、uniprotSequence→sequence、isReviewed→isUniProtReviewed）は、2026-06-25 に廃止期限を迎えました。paeImageUrl は削除予定です。paeDocUrl を使用してください
• ダウンロードした結果のバージョンを記録してください

データ品質に関する注意点

• pLDDT が高くても、機能的な正確さが保証されるわけではありません
• 信頼度の低い領域は、生体内では無秩序な状態である可能性があります
• PAE が示すのはドメイン間の相対的な信頼度であり、絶対的な位置ではありません
• 予測にはリガンド、翻訳後修飾、補因子は含まれません
• /prediction のデフォルトの結果は単一鎖です。事前計算済みの複合体（高信頼度のホモ二量体約170万件、ヘテロ二量体約8万件。2026年3月～5月に追加）は、include_complexes=true を指定するか、/api/complex/{id} を使用した場合にのみ返されます。pLDDT に加えて、インターフェース指標（ipTM、pDockQ）でも評価してください。DB に存在しない複合体は、自分でフォールドしてください（alterlab-alphafold）

パフォーマンスのヒント

• 単一タンパク質への簡単なアクセスには Biopython を使用してください
• 一括ダウンロードには FTP のプロテオーム tar または Google Cloud を使用してください（個別ファイルよりはるかに高速です）
• ダウンロードを繰り返さずに済むよう、ファイルをローカルにキャッシュしてください
• BigQuery の無料枠：月あたり処理データ 1 TB
• 大規模なダウンロードでは、ネットワーク帯域幅を考慮してください

追加リソース

• AlphaFold DB ウェブサイト： https://alphafold.ebi.ac.uk/
• API ドキュメント： https://alphafold.ebi.ac.uk/api-docs （機械可読な仕様： https://alphafold.ebi.ac.uk/api/openapi.json）
• リリースノート／FTP 変更履歴： https://www.ebi.ac.uk/pdbe/news/alphafold-database-release-notes, https://ftp.ebi.ac.uk/pub/databases/alphafold/CHANGELOG.txt
• Google Cloud データセット： https://cloud.google.com/blog/products/ai-machine-learning/alphafold-protein-structure-database
• 3D-Beacons API： https://www.ebi.ac.uk/pdbe/pdbe-kb/3dbeacons/
• AlphaFold 論文：
  • Nature（2021）：https://doi.org/10.1038/s41586-021-03819-2
  • Nucleic Acids Research（2024）：https://doi.org/10.1093/nar/gkad1011
• Biopython ドキュメント： https://biopython.org/docs/dev/api/Bio.PDB.alphafold_db.html
• GitHub リポジトリ： https://github.com/google-deepmind/alphafold

スクリプト

scripts/query_alphafold.py — AlphaFold REST API 用の実行可能なヘルパー（キー不要）：

python scripts/query_alphafold.py prediction P00520
python scripts/query_alphafold.py confidence P00520 --summary
python scripts/query_alphafold.py download P00520 --fmt cif -o ./structures