【Phenix】使用教程1｜使用phenix.map_model_cc进行结构验证｜整体结构CC计算/单个氨基酸的CC

博主简介：努力学习的22级计算机科学与技术本科生一枚🌸

博主主页： @Yaoyao2024

往期回顾：【AlphaFold2】深入浅出，讲解Evoformer|学习笔记

每日一言🌼: 永远不要只看见前方路途遥远而忘了从前的自己坚持了多久才走到这里。🌺

前言

博主刚接触AI for Biology，这个领域有很多需要掌握且重要的分析工具（eg:Phenix/Chimerax），网上教程少之又少，英文的文档对初学者来说毕竟还是难以一下子理解和掌握。故决定把使用过程中的收获和使用方法记录下来，方便这个领域的同行以及后来者参阅。

关于Phenix的命令行方法使用的文档，我目前参阅的是这两个

一、Phenix介绍

https://phenix-online.org/documentation/

phenix 是一个用于大分子晶体学研究的综合性软件包，它和 Python 之间存在紧密的联系，下面详细解释 phenix 与 Python 的关系，以及它与虚拟环境中 Python 的关联。

1. `phenix` 与 Python 的关系

基于 Python 开发 ：phenix 是使用 Python 语言开发的，Python 作为一种高级、通用、解释型的编程语言，具有简洁易读的语法和丰富的库，适合用于快速开发和实现复杂的算法。phenix 借助 Python 构建了用户界面、脚本接口以及各种功能模块，使得用户可以通过编写 Python 脚本来调用 phenix 的功能，实现自动化的晶体学数据处理和分析。
Python 作为脚本语言 ：phenix 提供了大量的 Python 脚本和工具，用户可以使用这些脚本来完成诸如晶体结构解析、精修、建模等任务。例如，用户可以编写 Python 脚本调用 phenix.refine 模块来进行晶体结构的精修。
Python 模块和库的使用 ：phenix 内部使用了许多 Python 标准库和第三方库，同时也开发了自己的 Python 模块，如 libtbx 等。这些模块和库为 phenix 提供了强大的功能支持，包括数据处理、算法实现、图形界面设计等。

2. `phenix` 中的 Python 与虚拟环境中 Python 的关系

可能相互独立 ：phenix 通常会自带一个 Python 解释器和相关的 Python 环境，这个环境是为了确保 phenix 能够稳定运行而专门配置的。它可能包含了特定版本的 Python 以及 phenix 所需的所有依赖库。而虚拟环境中的 Python 是你为了开发其他项目而创建的独立 Python 环境，与 phenix 自带的 Python 环境相互独立。
可以集成使用 ：在某些情况下，你可能希望将 phenix 集成到你自己的虚拟环境中，以便在同一个环境中使用 phenix 和其他 Python 库。为了实现这一点，你需要将 phenix 的安装目录添加到虚拟环境的 PYTHONPATH 中，让虚拟环境的 Python 解释器能够找到 phenix 的模块和库。例如，在虚拟环境中执行以下命令：

Shell 复制代码

export PYTHONPATH=/path/to/phenix/lib/python3.x/site-packages:$PYTHONPATH

其中，/path/to/phenix 是 phenix 的实际安装目录，python3.x 是 phenix 所使用的 Python 版本。

版本兼容性问题 ：需要注意的是，phenix 对 Python 版本有一定的要求，通常会指定特定的 Python 版本（如 Python 3.7）。因此，在集成 phenix 到虚拟环境时，要确保虚拟环境中的 Python 版本与 phenix 兼容，否则可能会出现模块导入错误或其他运行时问题。

综上所述，phenix 与 Python 紧密相关，它基于 Python 开发并使用 Python 作为脚本语言。phenix 自带的 Python 环境与虚拟环境中的 Python 可以相互独立，也可以通过配置进行集成使用，但需要注意版本兼容性问题。

二、phenix.map_model_cc

phenix.map_model_cc 是 Phenix 中专门用于计算 模型与电子密度图的整体及残基级别相关性（CC, Correlation Coefficient） 的工具。它比通用的 real_space_refine 或 validation_cryoem 更直接地提供 CC 计算功能 ，尤其适合快速评估模型与实验数据的匹配程度。

1. `phenix.map_model_cc` 的功能

整体 CC 计算：输出模型与密度图的全局相关系数（整体模型质量评估）。
残基级别 CC（cc_per_residue）：计算每个氨基酸残基的局部电子密度相关性，识别弱密度区域。
链级别 CC：可选计算每条链的平均 CC。
支持多种数据 ：适用于 X 射线晶体学（.mtz）和冷冻电镜（.mrc/.map）密度图。

2. 基本用法

命令行示例

Shell 复制代码

phenix.map_model_cc model.pdb map.mrc

输出结果：

终端打印全局 CC 值。
生成日志文件（.log），包含残基级别的 CC 表格（如下示例）：

Python 复制代码

RESIDUE  CHAIN  RESID  CC
ALA      A      1      0.82
LEU      A      2      0.76

常用参数

参数	说明
`output_per_residue=True`	强制输出残基级别 CC（默认已启用）
`resolution=3.0`	指定分辨率（影响 CC 计算方式）
`output_file=cc_results.txt`	将结果保存到指定文件

🪧示例

powershell 复制代码

phenix.map_model_cc /home/huangfuyao/proj/CryFold/7uqx_win300_th0.8/see_alpha_output/ca_anchor_80_NMS_min0_0.1.cif \
/hdd1/msai/db/emdb/emd_26701.map \
resolution=3.3 \
per_residue=True \
output.filename=7uqx_ph_residue_cc.txt
Starting phenix.map_model_cc

有一个bug是这个filename没什么用，最终会在同目录生成一个cc_per_residue.log，里面记录了每个氨基酸的cc

3. 高级用法

powershell 复制代码

> phenix.map_model_cc --show-defaults
map_model_cc {
  resolution = None
  scattering_table = wk1995 it1992 n_gaussian neutron *electron
  atom_radius = None
  compute {
    cc_per_chain = True
    cc_per_residue = True
    cc_per_residue_group = False
    fsc = True
    cc_mask = True
    cc_volume = True
    cc_peaks = True
    cc_box = True
    cc_image = False
  }
}
output {
  file_name_prefix = None
  filename = None
  file_name = None
  prefix = None
  suffix = None
  serial = 0
  serial_format = "%03d"
  overwrite = False
}

(1) 计算局部区域 CC

若只需分析特定残基范围（如结合位点）：

Shell 复制代码

phenix.map_model_cc model.pdb map.mrc selection="chain A and resid 10:20"

(2) 与 Python API 集成

通过脚本编程获取 CC 数据：

Python 复制代码

from phenix.command_line import map_model_cc

result = map_model_cc.run(
    args=["model.pdb", "map.mrc"],
    output_per_residue=True
)

# 提取全局 CC
print("Global CC:", result.global_cc)

# 提取残基 CC
for residue in result.per_residue_cc:
    print(f"{residue.chain_id} {residue.resseq} {residue.resname}: CC={residue.cc:.3f}")

4. 结果解读

全局 CC：
- > 0.8：模型与密度图匹配极好（高分辨率结构常见）。
- 0.6--0.8：中等质量，需检查局部问题。
- < 0.5：可能存在严重错误（如模型偏差或低分辨率数据）。
残基 CC：
- 低值残基（如 CC < 0.3）可能对应：

5. 与其他工具对比

工具	适用场景	残基 CC 输出	额外功能
`phenix.map_model_cc`	快速 CC 评估	✅	支持选区分析
`phenix.real_space_refine`	结构优化中 CC 监控	✅	实时优化模型
`phenix.validation_cryoem`	冷冻电镜专用验证	✅	B因子、局部分辨率

6. 注意事项

分辨率影响：低分辨率下 CC 值普遍偏低，需谨慎解读。
原子掩模（masking） ：计算 CC 时会自动排除溶剂区域，可通过 mask_params 调整。
缺失原子处理：若模型缺失部分原子（如柔性区域），可能导致局部 CC 降低。

总结

phenix.map_model_cc 是 Phenix 中最直接、高效的模型-密度图相关性分析工具，特别适合：

快速验证新构建的模型质量。
定位需手动修正的低 CC 值残基。
与优化工具（如 real_space_refine）配合使用，指导迭代修正。

【Phenix】使用教程1｜使用phenix.map_model_cc进行结构验证｜整体结构CC计算/单个氨基酸的CC

前言

一、Phenix介绍

1. phenix 与 Python 的关系

2. phenix 中的 Python 与虚拟环境中 Python 的关系

二、phenix.map_model_cc

1. phenix.map_model_cc 的功能

2. 基本用法

命令行示例

常用参数

3. 高级用法

(1) 计算局部区域 CC

(2) 与 Python API 集成

4. 结果解读

5. 与其他工具对比

6. 注意事项

总结

1. `phenix` 与 Python 的关系

2. `phenix` 中的 Python 与虚拟环境中 Python 的关系

1. `phenix.map_model_cc` 的功能