FAST++ Paper Atlas · 2005

FAST 的候選圖與淘汰

Jianhua Zhu and Zhiping Weng, Proteins 58, 618–627 (2005)

閱讀 FAST 的四階段流程，並把公開論文敘述、clean-room 教學實作與本專案 Enhanced 擴充清楚分開。

teaching-model

救援隊選拔：從局部合格到全隊互相支持

這是教學比喻，不是論文敘事。兩座城市各有一長列隊員；FAST 先找局部動作相像的候選配對，再看候選之間能否共同維持一致的空間隊形。

  1. 第一關：五人小隊先過局部試鏡

    每位候選人先帶著附近四位隊友做短動作；局部隊形差太多的配對立刻淘汰。

    拆回論文語言： FAST Step 1 以五個相鄰 Cα 的局部幾何篩選 residue-pair candidates。

    Zhu & Weng 2005, p. 620, eq. (1).

  2. 第二關：候選人必須彼此撐得住

    一個人動作像還不夠；兩組候選若在距離與方向上能同時成立，就在評審表上連一條有權重的支持線。

    拆回論文語言： FAST Step 2 把 residue-pair candidates 當圖頂點，依候選對間的距離與方向一致性建立加權邊。

    Zhu & Weng 2005, p. 620, eq. (2).

  3. 第三關：反覆淘汰最少支持者

    評審不嘗試所有隊伍組合，而是一輪輪移除支持薄弱的候選，讓剩餘隊形逐漸清楚。

    拆回論文語言： FAST Step 3 以候選圖支持度反覆淘汰節點，取得初始 alignment；這是降低組合搜尋規模的核心。

    Zhu & Weng 2005, pp. 621–622, eqs. (3)–(4).

  4. 第四關：排成隊後再重新評分

    初選隊伍排成順序後，評審用目前隊形重新檢查每個配對，讓漏掉或不合適的位置有機會被更新。

    拆回論文語言： FAST Step 4 依目前 alignment 重新評分，使用 DP 精修，論文最多重複五輪。

    Zhu & Weng 2005, pp. 622–623, eq. (5).

  5. 終點：速度、覆蓋與品質要分開看

    一支隊伍組得快，不代表選得最好；隊形整齊，也不代表涵蓋人數足夠。評審必須同時報告不同面向。

    拆回論文語言： 論文以 SCOP 測 sensitivity、以 HOMSTRAD 比 alignment 核心，並同時報告速度與品質；本站結果是另外的 clean-room 教學實作。

    Zhu & Weng 2005, pp. 624–626.

FAST 四步加一條界線

不要一開始背六條公式；先看清楚候選如何從『自己像』變成『得到全局支持』，最後進入 ordered alignment。

  1. 1. Local filter：先砍掉明顯不像

    每個殘基用相鄰五個 Cα 的局部形狀表示，差異超過門檻的 residue pair 不進下一步。

    這一步只記住： Step 1 追求高召回的候選縮減，不是最後判決。

    Zhu & Weng 2005, p. 620.

  2. 2. Candidate graph：讓候選互相投票

    候選 residue pair 是頂點；兩個候選的相對距離與方向越一致，連線支持越強。

    這一步只記住： 整體幾何支持能排除局部巧合。

    Zhu & Weng 2005, p. 620.

  3. 3. Elimination：反覆移除低支持候選

    淘汰會改變剩餘圖的支持關係，因此要重算並反覆進行，直到取得初始配對。

    這一步只記住： FAST 用淘汰避開直接枚舉所有候選組合。

    Zhu & Weng 2005, pp. 621–622.

  4. 4. Refinement：重新評分再跑 DP

    用目前 alignment 的空間關係更新配對分數，再以動態規劃找順序一致的路徑，多輪改善結果。

    這一步只記住： 初始 alignment 是起點，不是終點。

    Zhu & Weng 2005, pp. 622–623.

  5. 5. 分清論文、Paper mode 與 Enhanced mode

    本站工作台是公開論文導向的 clean-room 教學版；其中 Step 2/3 有明載近似，Enhanced 又加入本專案擴充。

    這一步只記住： 可操作不等於歷史 FAST binary 的完整復刻。

理解檢查

  1. 通過 local filter 代表什麼？

    • 這個 residue pair 值得進一步檢查
    • 兩個蛋白質已確定同 fold
    • 最終 alignment 已完成

    局部篩選只產生候選，仍需候選圖與後續路徑支持。

  2. candidate graph 的邊主要表達什麼？

    • 兩個候選之間的幾何相容支持
    • 蛋白質的共價鍵
    • 論文引用關係

    頂點是 residue-pair candidates；邊把候選之間的距離與方向一致性變成支持。

  3. FAST++ 工作台就是歷史 FAST binary 嗎？

    • 不是；它是 clean-room 教學實作並明載近似
    • 是，兩者逐位元相同
    • 只有 Enhanced mode 是原版

    網站刻意分開論文事實、教學近似與專案擴充。

完成任務： 不用看圖，用四句話依序說明 local filter、candidate graph、elimination、DP refinement 各做什麼。

paper-fact

四階段流程

Step 1 用五殘基局部幾何篩選 residue pairs；Step 2 把候選當成圖的頂點，依兩對候選之間的距離與方向一致性建立加權邊。

Step 3 反覆淘汰低支持候選，取得初始 alignment；Step 4 依目前 alignment 重新評分與 DP 精修，最多進行五輪。

Zhu & Weng 2005, pp. 620–623, eqs. (1)–(5).

paper-fact

為什麼要建候選圖

單一局部片段相似不代表整體結構相容。候選圖讓每個 residue pair 接受其他候選的幾何支持，再以淘汰降低組合搜尋規模。

論文的方向項使用多個角度關係；現有 web-ts 以單一 Cα tangent 近似兩側方向，這是教學實作差異。

Zhu & Weng 2005, p. 620, eq. (2).

paper-fact

論文如何評估

作者以 SCOP 代表結構測試 sensitivity，並以 HOMSTRAD alignment 比較結構核心的一致性；結果同時報告速度與 alignment 品質。

這些是論文報告，不是本網站已重現的 benchmark。網站自己的公開 PDB sanity check 必須分開呈現。

Zhu & Weng 2005, pp. 624–626.

名詞表

Residue-pair graph
每個候選殘基配對是頂點，相容候選之間以加權邊連接。
Degree of unanimity
候選圖在淘汰過程中整體支持一致性的指標。
Clean-room
只依公開論文、通用知識和自寫程式建構，不移植非公開實作。

互動實驗

啟用 JavaScript 後可操作互動實驗。

來源與限制

  • 工作台不是歷史 FAST binary，也不是成熟的結構分類器。
  • 本機 TM-like 分數不是 TM-align 的正式 TM-score。
  • 目前 Step 2／3 是可見且有測試的近似，但仍需在頁面逐式標出與論文的差異。