FreeSASA: 开源 SASA 计算库，pip 一条命令替代 NACCESS

你算溶剂可及表面积（SASA）还在用要注册的闭源 NACCESS 吗？这篇给你 FreeSASA------MIT 协议开源 C 库，pip 一条命令装好，CLI + Python API 双接口，L&R 与 S&R 两种算法互差仅 0.1%，毫秒级出数。附三条安装路线、逐残基暴露排名 Python 示例（真实输出）、4 条实测踩坑、与 NACCESS/DSSP/PyMOL 等选型对比表，照抄代码 5 分钟接进你的脚本。

关键字：FreeSASA；SASA；溶剂可及表面积；NACCESS；Python API；结构生物学；pip 安装；残基暴露

资源	链接	与本文关系
官方文档站	FreeSASA	安装 + CLI 用法的权威来源
GitHub 仓库	GitHub - mittinatten/freesasa: C-library for calculating Solvent Accessible Surface Areas · GitHub	源码、issue、release（205★，实测 2026-09）
C API 文档 (Doxygen)	FreeSASA: FreeSASA	需要 C 集成时看
论文	Mitternacht S. F1000Research 2016, 5:189, DOI 10.12688/f1000research.7931.1	算法与精度验证的原始出处（Crossref 已核）

一、痛点：算个表面积，为什么没有一个顺手的小工具

做结构分析的人对 SASA（solvent accessible surface area，溶剂可及表面积）的需求非常日常：

判断某个残基到底埋在蛋白核心还是暴露在表面（突变设计前必看）；
算配体结合前后被"埋起来"的界面面积（评估结合合理性）；
比较 MD 轨迹里不同帧的紧凑程度（折叠/解折叠监控）；
估算疏水效应------非极性表面暴露于水在能量上非常不利，疏水面积最小化是蛋白折叠的核心驱动力。

但看看现有选项：NACCESS 是最常用的命令行实现（L&R 算法的 Fortran 版），学术免费但闭源且要邮件申请 ；DSSP 主要算二级结构，SASA 只是顺带输出；PyMOL 的 get_area 藏在 GUI 里不好批量；MDAnalysis 倒是能算，但为一个表面积分析拉起整个框架太重。FreeSASA 填的就是这个空：一个只做一件事、开源、能轻松嵌进任何工具链的独立库。

二、SASA 是什么：滚球探针与两种经典算法

想象一个半径 1.4 Å 的小球（代表一个水分子），让它贴着蛋白表面滚一圈------球心划过的轨迹围成的面积，就是这个分子的 SASA。

精确计算这个曲面很贵，所以有两个经典近似，FreeSASA 都实现了：

算法	提出	思路	FreeSASA 里的调法
Lee & Richards (L&R)	1971	沿 z 轴把分子切成一组薄片，用每片轮廓线近似表面	默认算法，`slices` 控制每原子切片数（默认 20）
Shrake & Rupley (S&R)	1973	在每个原子球面上撒一组测试点，统计未被邻居遮挡的点	`algorithm='ShrakeRupley'`，`n-points` 控制点数（默认 100）

论文（F1000Research 2016）用双原子体系解析解 + 两种算法互相对照 + 与 NACCESS 同参数对比三条路线验证了实现正确性：同分辨率同半径下 L&R 结果与 NACCESS 完全一致。半径默认用 Tsai 等的 ProtOr 参数集（覆盖 20 种标准氨基酸 + Sec/Pyl + 标准核苷酸），不在表内的元素回退到 Mantina 等的范德华半径，也允许用户给自定义配置文件。

性能上，论文报告单核速度与 NACCESS 相当甚至更快，且核心循环已并行化------我下面的实测也印证了"快"这一点。

三、安装：三条路线，pip 一条最快

路线 1：pip（推荐，Python 用户）

复制代码

pip install freesasa

PyPI 当前版本 2.2.1 （MIT 协议，27 个 release，实测 2026-09）。我实测在无编译器障碍的机器上 12 秒装完（自动拉源码编 C 扩展，纯标准 C 库无第三方依赖）。

路线 2：conda（推荐，管环境的人）

复制代码

conda install -c conda-forge freesasa

conda-forge 提供 Linux（amd64/arm64/ppc64le）预编译包，适合放进项目 environment.yml。

路线 3：源码（需要 CLI 或 C 集成）

复制代码

# 下载 release 压缩包解压后
./configure
make
sudo make install

装好得到 freesasa 命令行二进制、freesasa.h 头文件和 libfreesasa 库。从 git 仓库直接拉的话先跑 autoreconf -i 生成 configure。macOS/Linux 还可以 brew install brewsci/bio/freesasa。

四、Python API 实战：30 行代码跑出残基暴露排名

拿一个 289 残基的蛋白（某 GPCR 跨膜结构域，2387 原子）做端到端演示------以下输出全部真实跑通（freesasa 2.2.1）：

复制代码

import freesasa

struct = freesasa.Structure("protein.pdb")
result = freesasa.calc(struct)                # 默认 L&R
print("Total SASA: %.2f A^2" % result.totalArea())
# Total SASA: 16627.92 A^2

# 极性/非极性分类面积
cls = freesasa.classifyResults(result, struct)
print(cls)   # {'Polar': 5101.1, 'Apolar': 11526.8}

# 换 S&R 算法对比一下
res2 = freesasa.calc(struct,
        freesasa.Parameters({'algorithm': 'ShrakeRupley', 'n-points': 100}))
print(res2.totalArea())   # 16645.44 ------ 与 L&R 只差 0.1%

# 逐残基面积：找最暴露 / 最埋的残基
ra = result.residueAreas()
for chain_id, residues in ra.items():
    items = sorted(((k, v.total) for k, v in residues.items()),
                   key=lambda x: -x[1])
    print(chain_id, "top exposed:", items[:3])
    print(chain_id, "top buried: ", items[-3:])
# R top exposed: [('170', 205.7), ('257', 184.5), ...]
# R top buried:  [('399', 0.0), ('403', 0.0), ...]

两个算法在真实蛋白上只差 0.1%，而 S&R（100 测试点）单次计算 0.009 秒------2387 原子的蛋白基本就是"秒出"。非极性面积占 69%（11,527/16,628 Å²），符合一个跨膜结构域大量疏水表面接触脂质的预期。

这个逐残基排名就是突变设计的第一步：area ≈ 0 的残基在核心，动它大概率影响折叠；area > 150 Å² 的在表面，是改造溶解度/免疫原性的候选位点。

五、CLI 实战：不想写代码也能用

官方示例用 RNA/蛋白复合物 3WBM（4 条蛋白链 + 2 条 RNA 链）：

复制代码

freesasa 3wbm.pdb

输出自带参数回显 + 总量 + 分链明细：

复制代码

## FreeSASA 2.1.0 ##
PARAMETERS
algorithm    : Lee & Richards
probe-radius : 1.400
threads      : 2
slices       : 20
INPUT
source  : 3wbm.pdb
chains  : ABCDXY
atoms   : 3714
RESULTS (A^2)
Total   :   25190.77
Apolar  :   11552.38
Polar   :   13638.39
CHAIN A :    3785.49
...

mmCIF 输入加 --cif 即可，输出完全一致。CLI 适合接 shell 流水线批量过 PDB 库；要逐残基/逐原子粒度或自定义分类，还是回 Python API。

六、踩坑记录（全部实测）

freesasa.__version__ 不存在 ------想确认版本别摸这个属性，用标准做法：from importlib.metadata import version; version('freesasa') → '2.2.1'。
Python API 没有 totalAreaByClass() ------文档里极性/非极性分类在 Python 侧叫 freesasa.classifyResults(result, struct)，返回 dict。我第一次按 C API 的习惯找方法名直接 AttributeError。
residueAreas() 的键是 PDB 里的真实 chain ID ------我拿的蛋白链 ID 是 R，写死 ra['A'] 直接 KeyError。先 list(ra.keys()) 看一眼再取值。
默认忽略 HETATM 和氢原子 ------要算配体/辅基/结晶水的 SASA，建 Structure 时显式打开（如 freesasa.Structure(pdb, options={'hetatm': True})）；否则你算半天发现配体根本没进去。水分子、乙酰基/NH₂ 封端这三类 HETATM 有内置 ProtOr 半径，其余回退范德华半径。
许可证已变更 ------2016 年论文写的是 GPL-3，但当前 GitHub 仓库（2.x）已是 MIT（实测 2026-09）。商用集成不再有 copyleft 顾虑，以仓库 LICENSE 为准。

七、同类工具怎么选

工具	协议	接口	适合场景
FreeSASA	MIT	CLI + C + Python	批量/流水线、脚本集成、自定义半径------首选
NACCESS	闭源（学术免费需申请）	仅 CLI	审稿人点名要"经典口径"时
DSSP	开源	仅 CLI	反正要算二级结构，顺带取 SASA
PyMOL `get_area`	开源	GUI/Python	交互式看单个结构
MDAnalysis	GPL	Python	已经在做 MD 轨迹分析，顺带算
cpptraj `surf`	GPL	CLI	AMBER 轨迹流程内

一句话：单结构或 PDB 库批量 → FreeSASA；MD 轨迹内 → 用你已在用的分析框架。

结语

FreeSASA 是那种"装完就忘了它存在"的好工具：依赖只有标准 C 库、12 秒装好、两种经典算法结果互差 0.1%、单核毫秒级出数。它解决的不是什么高精尖问题，而是把"算个表面积"这件高频小事从"申请闭源软件 + 手工解析输出"变成"pip install + 三行 Python"。下次再做突变位点筛选或界面埋藏面积评估，先试它。

参考来源

Mitternacht S. FreeSASA: An open source C library for solvent accessible surface area calculations. F1000Research 2016, 5:189. DOI: 10.12688/f1000research.7931.1
FreeSASA 官方文档：FreeSASA
GitHub 仓库（MIT, 205★）：GitHub - mittinatten/freesasa: C-library for calculating Solvent Accessible Surface Areas · GitHub
PyPI 页面（2.2.1）：freesasa · PyPI
Tsai J 等. J Mol Biol 1999（ProtOr 半径集）；Mantina M 等. J Phys Chem A 2009（范德华半径）

FreeSASA: 开源 SASA 计算库，pip 一条命令替代 NACCESS

相关教程与核心文献

一、痛点：算个表面积，为什么没有一个顺手的小工具

二、SASA 是什么：滚球探针与两种经典算法

三、安装：三条路线，pip 一条最快

路线 1：pip（推荐，Python 用户）

路线 2：conda（推荐，管环境的人）

路线 3：源码（需要 CLI 或 C 集成）

四、Python API 实战：30 行代码跑出残基暴露排名

五、CLI 实战：不想写代码也能用

六、踩坑记录（全部实测）

七、同类工具怎么选

结语

参考来源