Foldseek结构搜索结果筛选

Foldseek 同源结构搜索默认输出字段有：query、target、fident、alnlen、mismatch、gapopen、qstart、qend、tstart、tend、evaluate、bits，但可以用--format-output 输出选项进行自定义，例如--format-output“query、target，qaln，taln”以制表符分隔的格式返回查询和目标加入以及成对对齐

qq_27390023

451人浏览 · 2025-05-19 10:35:00

qq_27390023 · 2025-05-19 10:35:00 发布

官方支持的字段查看

foldseek easy-search -h

搜索命令示例

foldseek easy-search rag2_structures/P55895.pdb foldseek_search_db/hits_AF_structure foldseek_search_result/aln2 foldseek_search_result/tmp --threads 64 --format-mode 4

输出结果aln文件（tsv文件，\t 分割）内容为：

query   target  fident  alnlen  mismatch        gapopen qstart  qend    tstart  tend    evalue  bits
P55895.pdb      A0A077YXB0.pdb  0.133   351     300     0       3       349     236     586     6.971E-16       753
P55895.pdb      A0A183IDA3.pdb  0.130   346     291     0       2       347     258     592     2.673E-14       682
P55895.pdb      A0A0A9Y7I8.pdb  0.123   340     296     0       13      352     10      347     1.248E-13       652
P55895.pdb      A0A4E0RFA2.pdb  0.125   357     291     0       1       357     1       333     2.987E-13       635
P55895.pdb      A0A6F9DJH8.pdb  0.122   524     385     0       2       525     25      463     5.255E-13       624
P55895.pdb      E4XUA4.pdb      0.134   432     372     0       4       435     147     577     6.454E-13       620
P55895.pdb      A0A023F292.pdb  0.138   526     375     0       2       527     1       436     7.529E-13       617
P55895.pdb      A0A1I7Y786.pdb  0.129   337     290     0       16      352     63      396     7.926E-13       616
...

部分字段解释：

字段	含义说明
`fident`	aligned 部分的序列百分比相似度（fraction identity）
`alnlen`	对齐的长度（不包括gap）
`bits`	bit-score，比对得分（越高越显著）
`evalue`	e-value，统计显著性（越小越显著）
`qstart/qend`, `tstart/tend`	对齐起止位置
`mismatch`	对齐中的错配数
`qcov`, `tcov`	覆盖率（非默认字段，需显式请求）

推荐阈值设置（基于你的设置）

指标	推荐阈值	解释
evalue	< 1e-4 ~ 1e-3	适用于小型数据库（如 1 万结构），较宽松的同源性判断
bits	> 80 ~ 100	依赖于对齐长度，长序列比对更容易得高分。
fident	> 0.2 ~ 0.3	如果仅用于结构同源性识别（而非序列保守性），可以允许低序列一致性
alnlen	> 100	建议对齐区域不少于 25% 的 query 长度（即 400aa 的 1/4）

注：Foldseek 是基于结构embedding对比，不是原子精度比对工具（不像 TM-align）。其快速搜索阶段主要依赖于高维特征空间中向量的相似性，而不是结构坐标重建。lddt（局部结构精度评分）和 TM-score（全局拓扑相似性）都需要结构原子坐标级别的详细比对，Foldseek 的搜索阶段并不会计算这些。用 TM-align / US-align / Dali 等工具对 top hits 进行精细结构对齐，可以获得TM-score / lDDT / RMSD 等结构质量指标并进一步筛选。