【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

• https://phenix-online.org/version_docs/1.17.1-3660/overviews/validation_cryo_em.html
• https://phenix-online.org/documentation/

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：

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

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）：

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

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

> phenix.map_model_cc --show-defaults
map_model_cc {resolution = Nonescattering_table = wk1995 it1992 n_gaussian neutron *electronatom_radius = Nonecompute {cc_per_chain = Truecc_per_residue = Truecc_per_residue_group = Falsefsc = Truecc_mask = Truecc_volume = Truecc_peaks = Truecc_box = Truecc_image = False}
}
output {file_name_prefix = Nonefilename = Nonefile_name = Noneprefix = Nonesuffix = Noneserial = 0serial_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）：

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：

from phenix.command_line import map_model_ccresult = 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：

1. 快速验证新构建的模型质量。

2. 定位需手动修正的低 CC 值残基。

3. 与优化工具（如 real_space_refine）配合使用，指导迭代修正。