反覆式非順序蛋白質結構比對（SNAP 期刊版）

30 秒理解

SNAP 擴充 STSA 的 seed、反覆重擬合與非順序 run 組裝，並加入更完整案例與期刊論證。

核心問題

如何把 STSA 的非順序 seed—疊合—重配對流程擴充成較完整、可處理 reverse alignment 的 SNAP，並公平解讀它相對 FAST 的幾何優勢？

直覺

SNAP 從多組結構片段 seed 出發，反覆重算剛體轉換與近鄰 runs；它允許彼此不重疊的 diagonal runs，並在空間 scoring matrix 中用 anti-diagonal runs 表示 reverse segments。

為什麼重要

這是 STSA 的擴充期刊版：它補上更完整方法、RIPC/SISY 人工 reference 與 CATH ROC 分析。它延續對 FAST 的直接幾何優勢，卻不是第二個獨立團隊的複驗。

閱讀前置

• 理解 Kabsch/SVD 剛體疊合與 RMSD。
• 理解 ROC AUC 與 alignment geometry 是不同評估層。
• 知道 seed search、dynamic programming 與 greedy chaining 的角色。

paper-specific guide · plain → technical → input → output → source

逐步方法導讀

1. 01 · 用 PSIST 或 HMMSTR 建立多起點

   先找很多可能相似的小片段，不把第一個看起來合理的片段當唯一答案。

   論文語言: PSIST 把結構映成 23-state Structure-Feature sequence，以 maximal matching subsequences 產生 seeds；另一條路徑使用與 SCALI 相同的 HMMSTR gapless local sequence–structure seeds。

   輸入: 兩個蛋白的 Cα 結構，以及選定的 seed generator。

   輸出: 多個局部殘基等價集。

   邊界: HMMSTR seeds 在高 selectivity 區可更好，但論文報告產生它們需 11,507 秒，PSIST 只需 68 秒。

   PDF pp. 4–6, §2.1–2.2

2. 02 · 疊合、距離矩陣與 runs 反覆收斂

   每個 seed 先把蛋白疊起來，再把空間上相近的連續片段串成新 alignment；新 alignment 反過來更新疊合，直到不再進步。

   論文語言: SVD 求最小 RMSD 轉換；閾值 δ 建立二元 scoring matrix；長度至少 r 的 diagonal runs 由 greedy maximum-weight-clique heuristic 選成不重疊集合。新等價集持續反覆，並以 RMSD ceiling L 排除差解。

   輸入: seeds 與 L、r、δ。

   輸出: 每個 seed 收斂後的候選 alignment。

   邊界: 局部迭代與 greedy run selection 不能保證找到全域最佳 alignment。

   PDF pp. 6–9, §3.1 and Fig. 1

3. 03 · 以 SAS 評分並處理反向拓撲

   SNAP 用兼顧長度與 RMSD 的 SAS 挑答案；一般拓撲由 scoring matrix 的 diagonal runs 表示，反向片段則改讀 anti-diagonal runs。

   論文語言: SAS_k = RMSD(100/Nmat)^k，主要用 SAS3。正向 run 由 (a_i,b_j),(a_{i+1},b_{j+1}),… 組成；反向 run 則由 (a_i,b_j),(a_{i+1},b_{j-1}),… 的 anti-diagonal 配對組成，再進入同一套 iterative superposition、空間搜尋與 run selection。原文沒有把 SF sequence 倒轉後重跑 PSIST。

   輸入: 候選的正向 diagonal runs、反向 anti-diagonal runs 與 SAS 指數 k。

   輸出: 可為 sequential、non-sequential 或 reverse 的最高分對應。

   邊界: k 改變演算法偏好的 coverage–fidelity 位置；作者在 CATH 同資料上選參數。

   PDF p. 9, §3.2–3.3

關鍵結果

期刊版延續在 RIPC/CATH 對 FAST 的直接幾何優勢；它應與 2008 會議版交叉閱讀，而不是當兩個獨立複驗。

逐節證據導讀

論文事實、本站判讀與教學模型分開標示。

paper-fact

三種結果不可混成一個『準確度』

RIPC/SISY 用人工 reference residue pairs 計算 agreement；CATH ROC 則把相同 topology 視為 positive，測試結構對排序能否分辨分類；SAS3 與 Nmat/RMSD 又是在看 alignment 幾何。

因此 DALI native-score AUC 0.88、STRUCTAL 0.87、SNAP 0.85、FAST 0.80 只回答分類排序；SNAP 的平均 SAS3 較佳才是幾何層證據，兩者不可互換。

原文定位: PDF pp. 13–15, §4.3.2 and Fig. 6

project-reading

對 FAST 的直接結論與限制

在 4,410 個 CATH pairs 中，論文指出 FAST 對真陽性的平均 SAS3 最差，SNAP 在曲線前半優於其他方法、後半由 STRUCTAL 轉為較佳；這是同資料、同幾何分數下的直接比較。

但期刊文與 STSA 2008 共用核心方法、作者與 4,410-pair CATH 設計，不能把兩篇算成兩次獨立複驗；而且它沒有證明每一對結構都同時更長且 RMSD 更低。

原文定位: PDF pp. 14–15, Fig. 6(c) and §4.3.2; PDF p. 17, §5

paper-fact

品質是用計算與參數換來的

Table 1 的 CATH 總時間為 FAST 224 秒、SNAP 1,719 秒、STRUCTAL 3,162 秒、DALI 5,532 秒。SNAP 比 FAST 約慢 7.7 倍，但比同會議版 STSA 更省時。

L=4.5、r=3、δ=4.5 是為 CATH ROC 經驗選定；取 top 200 seeds 得 1,719 秒，全部 seeds 是 5,740 秒，top 50 是 595 秒。這條曲線正是品質—時間旋鈕。

原文定位: PDF p. 15, §4.3.3–4.4; PDF p. 19, Table 1

研究設計與評估

資料與樣本

RIPC 與 SISY 人工 reference alignment 難例集；CATH 3.1.0 建立的 4,410-pair singleton dataset。

比較基準

• CATH：DaliLite、STRUCTAL、FAST。
• reference agreement：CE、DALI、FATCAT、MATRAS、CA、SHEBA、SARF、LGA、SCALI。

指標

SAS3

低者較佳的 coverage–RMSD 複合幾何分數。
邊界: 由作者選用 k=3，並非任務無關的唯一品質定義。

ROC AUC

以 CATH topology 標籤衡量 pair ranking 的分類力。
邊界: 分類正確可在 residue alignment 不精準時仍成立。

Reference agreement

自動 alignment 與人工 reference residue pairs 的重合比例。
邊界: 人工 reference 也不是唯一可能的幾何最佳解。

論文報告的結果

SNAP 在 RIPC reference agreement 與 CATH 平均 SAS3 展示強表現，FAST 在 CATH 平均 SAS3 最差；但 FAST 仍以 224 秒顯著快於 SNAP 的 1,719 秒。

PDF pp. 11–16, §4.1–4.5 and Fig. 6; PDF p. 19, Table 1

teaching-model · not a reported experiment

教學例（不是論文實驗）

同一排名、不同幾何品質

想像方法 A 與 B 都把 10 個同 topology pairs 排在前面，但 A 每對只對 40 residues／1.5 Å，B 對 80 residues／2.0 Å。

1. 兩者 ROC 可以完全一樣，因為 ROC 只看正負例排序。
2. 若用 SAS3，A 約為 23.4，B 約為 3.9，B 因 coverage 大幅較高而勝。
3. 若任務只要求超精準局部 motif，使用者可能仍選 A；這說明 metric 必須跟任務一起報。

帶走什麼: 『辨認出同 fold』與『把殘基對準』是兩層問題，SNAP 論文刻意把它們拆開。

direct-geometry

相對 FAST 的證據邊界

同時對 aligned length 與 RMSD 有直接結果，但與 STSA 共享作者、方法與資料脈絡，證據不是獨立重現。

合法來源與取用

27 pages · SHA-256 64f8830648c3b8493c3604cb300b995758d49e8581843305140131e5534b2a75

作者學術網站公開版本；是 STSA 的擴充同行審查期刊版，演算法名為 SNAP。

Author-hosted journal manuscript

限制與防誤讀

• 速度與計算成本顯著高於 FAST。
• 應避免把擴充期刊版重複計成第二個獨立研究團隊。

證據定位清單

1. PDF pp. 4–9, §2–3 and Fig. 1
2. PDF pp. 11–12, §4.1–4.2
3. PDF pp. 13–15, §4.3 and Fig. 6
4. PDF p. 15, §4.3.3–4.4; PDF p. 19, Table 1
5. PDF pp. 16 and 26–27, §4.5 and Figs. 8–9

理解檢查

1. SNAP native-score AUC 0.85 比 FAST 0.80 高，能直接叫做 RMSD 更低嗎？

   答案: 不能；AUC 衡量 CATH 分類排序，不是 RMSD。

   幾何證據要讀 Fig. 6(c) 的平均 SAS3，或 Nmat/RMSD，而不是 ROC AUC。

2. 為何 SNAP 2009 與 STSA 2008 不算兩個獨立肯定答案？

   答案: 它們是同一研究線的會議版與擴充期刊版，共享核心作者、演算法與 CATH 設計。

   重複報告可增加方法細節，卻不等於外部團隊重現。

3. 把 seeds 從 50 增到 200 主要改變什麼？

   答案: 探索更多轉換起點、通常改善品質，但時間由 595 秒升到 1,719 秒。

   這是 SNAP 最直接的 search-budget 旋鈕。

讀完標準: 把 Fig. 6 拆成『native-score ROC』『mean SAS3』『SAS3-ranked ROC』三行，逐行寫出它回答的問題與不能回答的問題。

本篇詞彙表

PSIST seed

由結構特徵序列的 maximal matching segment 取得的局部起點。

reference agreement

預測 residue pairs 與人工策展 alignment 的重合程度。

reverse alignment

兩結構的對應沿主鏈方向相反；SNAP 以 scoring matrix 的 anti-diagonal run 表示，而不是倒轉結構特徵序列。

seed pruning

只保留較有希望的 seeds，以犧牲部分探索換取時間。