ipsae

ipSAE 结合体排名

前提条件

要求	最低配置	推荐配置
Python	3.8+	3.10
NumPy	1.20+	最新版本
RAM	8GB	16GB

概述

ipSAE（基于对齐误差的蛋白质间评分）是一种评分函数，用于对 AlphaFold2、AlphaFold3 和 Boltz1 预测的蛋白质-蛋白质相互作用进行排名。与 ipTM 相比，它能更可靠地区分真实和虚假的预测复合物，因为 ipTM 会将界面置信度分摊到无序区域或辅助区域。在一项独立的结合体荟萃分析中（Overath 等人，2025 年），AF3 ipSAE_min 的平均精确率比 RFdiffusion 流程通常用于筛选的 ipAE 分数高 1.4 倍。

论文：Dunbrack，《Rēs ipSAE loquuntur：AlphaFold 的 ipTM 分数有什么问题，以及如何修正》，bioRxiv 2025.02.10.637595

运行方法

安装

git clone https://github.com/DunbrackLab/IPSAE.git
cd IPSAE
pip install numpy

AlphaFold2

python ipsae.py scores_rank_001.json unrelaxed_rank_001.pdb 15 15

AlphaFold3

python ipsae.py fold_model_full_data_0.json fold_model_0.cif 10 10

Boltz1

python ipsae.py pae_model_0.npz model_0.cif 10 10

关键参数

参数	描述	推荐值
PAE 文件	JSON（AF2/AF3）或 NPZ（Boltz）	与预测器一致
结构文件	PDB 或 CIF 结构	与 PAE 一致
PAE 截止值	接触阈值	10-15
距离截止值	最大 CA-CA 距离（A）	10-15

输出格式

将生成两个输出文件：

链对分数（_chains.csv）：

chain_A,chain_B,ipSAE_min,pDockQ,pDockQ2,LIS,n_contacts,interface_dist
A,B,0.72,0.65,0.58,0.45,42,8.5

残基级分数（_residues.csv）：

chain,resnum,pSAE,pLDDT
A,45,0.85,92.3
A,67,0.78,88.1

示例输出

成功运行

$ python ipsae.py scores_rank_001.json design_0.pdb 10 10
Processing design_0...
Found 2 chains: A, B
Computing ipSAE scores...

Results written to:
  design_0_chains.csv
  design_0_residues.csv

Summary:
  ipSAE_min: 0.72
  pDockQ: 0.65
  LIS: 0.45
  Interface contacts: 42

良好输出的特征：

• ipSAE_min > 0.61（主要筛选条件）
• pDockQ > 0.5（辅助指标）
• 界面接触数量合理（20-100）

决策树

Should I use ipSAE?
│
├─ What are you ranking?
│  ├─ Designed binders → ipSAE ✓
│  ├─ Natural complexes → ipTM is fine
│  └─ Single proteins → Not applicable
│
├─ What predictor did you use?
│  ├─ AlphaFold2 → ipSAE ✓
│  ├─ AlphaFold3 → ipSAE ✓
│  ├─ Boltz1 → ipSAE ✓
│  ├─ Chai → ipSAE (use PAE output)
│  └─ ESMFold → Not applicable (no PAE)
│
└─ Why ipSAE over ipTM?
   ├─ Different length constructs → ipSAE ✓
   ├─ Designs with disordered regions → ipSAE ✓
   └─ Standard complexes → Either works

推荐阈值

指标	标准	严格	用途
ipSAE_min	> 0.61	> 0.70	主要筛选条件
LIS	> 0.35	> 0.45	界面质量
pDockQ	> 0.5	> 0.6	辅助指标

批量处理

import subprocess
import os
from pathlib import Path

def score_designs(pae_dir, struct_dir, output_dir):
    """Score all designs in a directory."""
    Path(output_dir).mkdir(exist_ok=True)

    for pae_file in Path(pae_dir).glob("*_scores*.json"):
        name = pae_file.stem.replace("_scores_rank_001", "")
        struct_file = Path(struct_dir) / f"{name}.pdb"

        if struct_file.exists():
            subprocess.run([
                "python", "ipsae.py",
                str(pae_file),
                str(struct_file),
                "10", "10"
            ])

---

验证

ls *_chains.csv | wc -l  # Should match number of predictions

---

故障排查

优质设计的分数偏低：检查 PAE/距离截止值
缺少输出：确认 PAE 文件格式与预测器匹配
分数不一致：对所有设计使用相同的截止值

错误解读

错误	原因	修复方法
KeyError: 'pae'	PAE 格式错误	检查是否为 AF2/AF3/Boltz 格式
FileNotFoundError	未找到结构	检查文件路径
ValueError: no contacts	未检测到界面	检查链 ID，调低截止值

---

下一步：选择排名靠前的设计（ipSAE_min > 0.61）→ 进行实验验证。