积极加强网站建设天津seo技术教程

make_template_features 函数的主要作用是基于输入序列 (input_sequence) 和模板匹配结果 (hits，Sequence[TemplateHit]格式)，通过模板特征化器 (template_featurizer，通常是 CustomHitFeaturizer)，生成用于 AlphaFold3 预测的模板特征。

源代码：

def make_template_features(input_sequence: str,hits: Sequence[Any],template_featurizer: Any,
) -> FeatureDict:hits_cat = sum(hits.values(), [])if template_featurizer is None or (len(hits_cat) == 0 and not isinstance(template_featurizer, CustomHitFeaturizer)):template_features = empty_template_feats(len(input_sequence))else:templates_result = template_featurizer.get_templates(query_sequence=input_sequence,hits=hits_cat,)template_features = templates_result.featuresreturn template_features

函数参数

def make_template_features(input_sequence: str,hits: Sequence[Any],template_featurizer: Any,
) -> FeatureDict:

• input_sequence：输入的蛋白质序列（氨基酸字符串）。
• hits：模板比对结果，是来自 HMM 或 HHsearch 的比对命中。
• template_featurizer：模板特征生成器，通常是 CustomHitFeaturizer，负责从比对结果中生成结构模板特征。

核心逻辑解析

1. 合并 hits：

hits_cat = sum(hits.values(), [])

• hits 是一个字典，键是键为比对文件名，值是Sequence[TemplateHit]。
• 通过 sum 将所有方法的比对结果合并为单个列表 hits_cat。

假设 hits 为：

hits = {"example.hhr": [hit1, hit2],"hmm_output.sto": [hit3, hit4]
}

执行 sum(hits.values(), []) 后，hits_cat 结果为：

hits_cat = [hit1, hit2, hit3, hit4]

注：AlphaFold3中 hit 为TemplateHit数据类型。

2. 无模板特征化器时，生成空模板特征：

if template_featurizer is None or (len(hits_cat) == 0 and not isinstance(template_featurizer, CustomHitFeaturizer)
):template_features = empty_template_feats(len(input_sequence))

• 情况 1：template_featurizer 为 None，说明不使用模板特征。
• 情况 2：hits_cat 为空且特征化器不是自定义的 CustomHitFeaturizer。
• 此时调用 empty_template_feats 生成空模板特征，保持维度一致但无有效信息。

3. 使用模板特征化器生成特征：

else:templates_result = template_featurizer.get_templates(query_sequence=input_sequence,hits=hits_cat,)template_features = templates_result.features

• 如果存在比对结果和模板特征化器，则调用 get_templates 方法。
• template_featurizer 会根据输入序列和比对结果，从 mmCIF 或 PDB 文件中提取模板特征。
• 提取的模板特征保存在 templates_result.features 中，包含比对分数、序列比对情况、结构信息等。

4. 返回模板特征：

return template_features

最终返回的 template_features 是一个特征字典FeatureDict，包含以下关键特征：

• template_aatype：模板氨基酸类型，形状为 [num_templates, num_residues, 22]。
• template_all_atom_positions：模板原子坐标，形状为 [num_templates, num_residues, 37, 3]。
• template_all_atom_mask：原子存在掩码，标识哪些位置有原子，形状为 [num_templates, num_residues, 37]。
• template_sum_probs：比对置信度，形状为 [num_templates,]。

执行流程总结

1. 合并比对结果 hits。
2. 如果没有模板特征化器或比对失败，生成空模板特征。
3. 如果存在有效比对，调用 template_featurizer.get_templates 生成特征。
4. 返回包含模板结构的特征字典。

应用场景

1. FASTA 输入：比对 HMM/HHsearch 结果生成模板特征。
2. PDB/mmCIF 输入：通过链 ID 限制，生成匹配的结构特征。
3. 缺失模板时：生成空特征，保持模型输入维度一致。