介面埋藏面積Buried surface area at the interface
兩個分子貼在一起遮掉多少表面，一個出奇穩定的聚合量。
01一句話只有一句
兩個分子貼在一起之後，被遮住而碰不到水的那塊表面積。
02Why should I care?我為什麼要讀這頁
因為在你自己做的可靠性稽核裡，它是所有 metric 中最穩的一個，而且領先第二名接近一倍。
4 條獨立 replica 給出的數字是 111.4、112.6、110.8、116.1 nm²，平均 112.7，CV 只有 2.1%。對照組是：總 protein–DNA 接觸 4.1%、target-DNA 接觸 9.4%、鹽橋 9.5%，然後往下就是 interface iRMSD 23.9%、DNA RMSF 59.1%、groove 接觸計數 145.5%。同一條軌跡、同一個系統，不同的分析方式之間可靠度差了將近兩個數量級。
但這一頁真正值錢的不是那個 2.1%，而是它為什麼是 2.1%。理由是可以推廣的，而且推廣之後你就能在花掉 GPU 時數之前，先預測哪些 metric 會活下來。
用你熟悉的語言講：這就是為什麼總能量比逐原子受力先收斂。你加密 k-mesh 的時候，總能量、DOS 積分這些積分量很快就穩了，但單一 k 點的 band energy、單一原子上的受力還在抖。原因不是總能量比較「準」，而是它是很多小貢獻的和，個別貢獻的雜訊在求和時互相抵消。BSA 是上萬個原子的表面貢獻積出來的一個數；contact map 的逐位點計數則是一個一個地讀。同一條軌跡，積分之後看是訊號，逐點看是雜訊。
這句話是這整張地圖的方法學主軸之一。你的專案已經在自己的數據上把它示範過一遍——包括它有例外的地方，等一下的 :::note 會講。
03What這是什麼
介面埋藏面積（buried surface area，BSA）的定義是一個減法：
三項都在同一個構形上算：把複合體軌跡的某一幀拿出來，先只留 A 算一次、只留 B 算一次、再整個算一次。也就是說 BSA 是一個剛體幾何量，它假設 A 與 B 分開之後不會鬆弛。這個假設對 Cas9 是明確錯的（apo Cas9 與結合 sgRNA 之後根本是兩個形狀），後面 When NOT 會處理。
裡面的 SASA（solvent-accessible surface area）是 Lee 與 Richards 的定義：把一顆半徑 rp 的探針球在 van der Waals 表面上滾，探針球心走過的軌跡面就是 SASA。標準 rp = 1.4 Å，約當一個水分子的半徑。
SASA ≠ molecular surface（Connolly surface）。 SASA 追的是探針球心，Connolly 追的是探針接觸點。兩者差了大約一個探針半徑的殼層，數值差很多。看到別人的面積數字，先確認他用的是哪一種。
BSA 有兩種慣例。 有人報總埋藏面積（A 側加 B 側都算），有人報「介面面積」＝ BSA / 2（只算一側）。這是最常見的一個 factor-of-two 錯誤。 本站採用的慣例是 BSA = (SASA(A) + SASA(B) − SASA(A·B)) / 2，也就是只算一側。所以 112.7 nm² 是單側介面面積，換算 11,270 Ų；對應的總埋藏面積是兩倍，約 225 nm²。 這句話必須跟著這個數字一起出現在 methods 與每一張圖說裡，否則沒有人能拿它跟文獻對。
04Why為什麼重要
物理上，BSA 量的是「有多少表面從水裡被拿掉」。這是結合過程中脫水項的幾何代理。在蛋白與蛋白的介面上，文獻長期使用一個經驗係數把疏水埋藏面積換成自由能，量級是每 Ų 幾十 cal/mol（經典估計大約 25）。但這個係數是從蛋白疏水核心推出來的，不能搬到蛋白與核酸的介面上，理由在 When NOT 第 2 條。
統計上，這才是它在你專案裡拿五星的原因。
考慮 BSA 是一個和：BSA = Σi Δai，每個介面原子貢獻一小塊被遮掉的面積 Δai。設有 N 個原子在貢獻，每個貢獻的漲落是有界的。和的大小 ∝ N，而如果各貢獻的漲落彼此獨立，和的標準差 ∝ √N，於是相對漲落 ∝ 1/√N。介面上有上萬個原子，1/√N 就是百分之一的量級，這跟你量到的 2.1% 是同一個數量級。
而且真實情況比這個估計更有利：貢獻之間是負相關的。一個殘基滑出介面時，旁邊通常有另一個補進去佔掉那塊面積。負相關會進一步壓低和的變異數，比獨立假設預測的還小。
上面是啟發式的量級論證，不是嚴格證明。原子貢獻既不獨立也不同分佈，1/√N 只給你一個「應該是百分之幾而不是百分之幾十」的期望，不給你精確值。它的價值在於事前預測：任何一個「把很多原子的貢獻加起來」的 metric，都該落在個位數 CV；任何一個「盯著一兩個原子看」的 metric，都該預期是幾十個百分點。
但你的稽核結果只是大致符合，不是完全符合，而例外比規則更有資訊量。 non-target 股的接觸數是不折不扣的聚合量，CV 卻是 17.7%；protein RMSD 也是聚合量，CV 12.2%。兩個都掉在黃燈區。原因不是統計，是物理：non-target 股是 R-loop 形成時被頂開、本來就沒有配對夥伴的那條股，它在真實系統裡就是在大幅晃動。聚合只能壓掉「取樣雜訊」，壓不掉「被聚合的那個東西本身真的在動」。 所以正確的用法是把 1/√N 當篩選器而不是保證書：它幫你事先淘汰掉必然失敗的逐點量，但通過篩選的量還是得實測 CV。
這個原則的直接用途： 在設計新 metric 的時候，先問「這是積分量還是逐點量」。如果是逐點量，它幾乎一定過不了可靠性關卡，那就不要花 GPU 時數去做它，除非你打算跑到 n 足夠大。這條規則替你的專案省掉的算力，比任何加速技巧都多。
05How怎麼做
三步，但每一步都有坑。
-
決定 group A 與 group B 是什麼。 這一步決定數字，而且 112.7 nm² 這個數字在沒有 group 定義之前完全沒有意義。要回答的問題：蛋白是哪些鏈？核酸側包不包含 sgRNA？target 股與 non-target 股是合成一組還是分開？Mg²⁺ 與抗衡離子算誰的？結晶水呢？把答案寫死，然後永遠不要改。
你現在的答案是： group A ＝ 蛋白全部重原子；group B ＝ sgRNA ＋ target 股 ＋ non-target 股合成一組；氫原子整批排除；溶劑與離子在載入軌跡時就被丟掉了。注意 sgRNA 是算進去的——這代表 112.7 nm² 裡有相當一部分是蛋白與 sgRNA 的介面，不是蛋白與 DNA 的介面。你要用 BSA 講 DNA 結合的故事時，這件事會直接影響解讀，而且它跟鹽橋計數的 group 定義（陰離子側只取 DNA 磷酸、不含 sgRNA）並不一致。兩個都合理，但混著講會出事。
-
剝掉溶劑，逐幀算三次 SASA。
-
相減、取跨 replica 的 mean ± SD，順便報 CV。
工具與它們的演算法（這件事會影響數值，不是細節）：
- MDTraj：
md.shrake_rupley(traj, probe_radius=0.14, n_sphere_points=960, mode='atom')。單位是 nm，注意不是 Å。Shrake-Rupley 是數值法，在每個原子周圍撒點數有幾個點露在外面，n_sphere_points太小會有明顯的離散化雜訊。本站的設定用的是 200 點，不是預設的 960，理由是「相對 BSA 用 200 就夠」。這個取捨對「WT 對變體的差值」大致成立，但它會在絕對值上加一層系統性偏差，所以：跨組比較不要換點數，而且如果你要報絕對面積，先用 960 重算幾幀確認偏差多大再決定要不要寫進 paper。 - freesasa：預設 Lee-Richards（切片法），也支援 Shrake-Rupley，有 CLI 與 Python binding，適合對單一結構做精算。
- GROMACS
gmx sasa：用的是 double cubic lattice（Eisenhaber 一系）。這裡有一個經典陷阱：-surface決定「算誰的表面」，-output決定「報哪個子集的數字」。如果你-surface給整個複合體、-output給蛋白，你拿到的是蛋白在複合體環境下的 SASA，那不是 SASA(A)，直接相減會得到錯的 BSA。正確做法是跑三次，每次的-surface分別只含 A、只含 B、含 A 與 B。 - AMBER
cpptraj surf：用 LCPO（linear combination of pairwise overlaps，Weiser / Shenkin / Still），是解析近似，速度快，但它的每原子參數是針對特定半徑集合擬合的，對深埋原子與非標準原子型別（包括核酸的磷酸）表現較差，跟 Shrake-Rupley 可以差到百分之幾。
參數清單（三項 SASA 必須完全一致，而且要全部寫進 methods）：
- 探針半徑（標準 1.4 Å）
- van der Waals 半徑集合（Bondi、amber、charmm 各不同）
- 氫原子：顯式給半徑，還是用 united-atom 半徑折進重原子
- Shrake-Rupley 的取點數
- 週期性邊界怎麼處理
改探針半徑會同時移動三項 SASA，而 BSA 是差值，淨效應的方向不見得直觀。唯一安全的做法是：三項用完全相同的參數，而且任何跨組比較都不換參數。
成本： 剝掉水之後（500k 原子的系統，solute 只佔一小部分），87 ns 是分鐘等級。跟 RMSF 一樣，相對於產生軌跡的 GPU 時數，這是免費的。
報告方式： 給時間序列（看介面有沒有解體）＋跨 replica 的 mean ± SD ＋ CV ＋完整的 group 定義與參數表。你的四個數字 111.4 / 112.6 / 110.8 / 116.1 nm² 直接列出來，比只給 112.7 ± 2.4 更有說服力，因為 reviewer 可以自己判斷第四條是不是離群。
06When什麼時候用
- 當作打分層的可靠基準量。 這是它在你的 funnel 裡的主要角色：一個 CV 2.1%、成本為零、任何結構生物學家看一眼就懂的聚合量。
- 當作介面完整性的 QC。 BSA 時間序列平坦代表複合體沒有散開；如果它單調下滑，先去看 system setup 與 production MD，不要急著解釋成「變體讓結合變弱」。
- 當作其他 metric 的正規化分母。 「每 nm² 介面幾個接觸」比「幾個接觸」更能跨系統比較，因為它扣掉了介面大小的差異。
- 比較 WT 與變體，前提是 group 定義與所有 SASA 參數完全相同。
- 在需要一個「不會被 reviewer 質疑計算細節」的量的時候。 BSA 是這個列表裡最沒有爭議的一個，這本身有價值。
07When NOT什麼時候別用
-
不要用它來分辨 on-target 與 off-target。 為什麼會壞：BSA 是簡併的。它只知道有多少面積被遮住，不知道是被誰遮住的。一個帶錯配的 R-loop，Cas9 仍然抓著同一段磷酸骨架、仍然埋掉差不多大的面積；錯配的結構研究顯示複合體在錯配底物上依然是結合著的。怎麼看出它壞了：先算最小可偵測效應再跑。以 112.7 nm² 為基準、CV 2.1%（跨 replica SD 約 2.4 nm²）來說，兩倍 SD 大約是 5 nm²，這是你敢說「看到訊號」的下限；要真的做 n = 4 對 n = 4 的檢定並留一點 power，門檻還會再高一些。如果你預期的效應比這小，這個 metric 就沒有解析力，跑了也是白跑。
-
不要用疏水係數把 BSA 換成 ΔG。 為什麼會壞：那個每 Ų 幾十 cal/mol 的係數是從蛋白疏水埋藏校準出來的，前提是「把非極性表面從水裡拿走是有利的」。蛋白與核酸的介面正好相反，主導項是帶電表面的脫水，而把電荷從水裡拿走是要付代價的。把面積係數套上去，會系統性地把高電荷、大面積的介面排得太前面。怎麼看出它壞了：你的「BSA 推出的親和力」跟 MM-PBSA 或實驗 Kd 幾乎不相關，而且排序偏向最大的介面。
-
不要跨 paper、跨演算法、跨半徑集合比較絕對值。 為什麼會壞：LCPO 與 Shrake-Rupley 與 double cubic lattice 給不同的數字；Bondi 與 amber 半徑給不同的數字；氫算不算給不同的數字；SASA 與 Connolly surface 差一整個殼層；再加上 BSA 與 BSA/2 的慣例差異，兩篇 paper 的面積可以差到兩倍以上而兩邊都沒錯。怎麼看出它壞了：拿對方的 PDB 用你的 pipeline 重算一次。重算不出對方的數字，就不要拿自己的數字跟對方比。
-
不要在介面上有建模補出來的片段時直接報 BSA。 為什麼會壞：沒有實驗座標約束的區段（你的系統裡補出來的 5′ 單股末端就是例子）會貢獻面積，但那個面積反映的是建模者的選擇，不是分子。怎麼看出它壞了：把那些片段排除後重算；差異若超過你的 CV，就必須兩個數字都報，並在圖說標明。
-
不要把平坦的 BSA 讀成「介面沒有變化」。 為什麼會壞：這正是它穩定的代價。BSA 是積分量，介面內部可以整個重新配對（殘基換伙伴、R-loop 呼吸、水進進出出）而總面積幾乎不動。穩定與遲鈍是同一件事的兩面。 怎麼看出它壞了：把 BSA 時間序列跟「接觸集合的相似度」疊在一起看，例如逐幀算接觸 pair 集合對參考幀的 Jaccard。BSA 平坦但 Jaccard 掉下去，就代表介面在重排而你的 metric 看不見。這個逐幀版本你還沒做，但你已經有一個方向相同的證據：跨 replica 比 top-8 接觸殘基名單時，pairwise Jaccard 只有 0.48、只有 3/8 共享，而 BSA 在同一批軌跡上只抖 2.1%。注意這兩件事不是同一件事——0.48 講的是「不同 replica 抓到的接觸殘基名單只重疊一半」，不是「同一條軌跡裡介面隨時間換了一半夥伴」。要主張後者，就得把逐幀 Jaccard 真的算出來。
-
不要把剛體 BSA 當成熱力學量。 為什麼會壞：三項 SASA 都在複合體構形上算，等於假設 A 與 B 分開後不鬆弛。Cas9 完全不符合這個假設，apo 與 sgRNA 結合後是兩個不同的形狀，真正的結合過程包含巨大的構形重整。怎麼看出它壞了：拿一個獨立的 apo Cas9 軌跡算 SASA，跟你在複合體裡「只留蛋白」算出來的 SASA 比；兩者差很多就代表剛體假設在這裡不成立，BSA 只能當幾何足跡，不能當熱力學。
08Project Lens跟我的 project 多相關
為什麼是五星： 因為在「便宜、可大量篩選」這個目標下，它同時滿足了四個條件，而且沒有第二個 metric 做得到。
- 最高的可靠度。 2.1% 是你稽核過的所有 metric 裡最好的。連把 n = 4 的統計不確定度算進去（樣本標準差的相對誤差約 1/√(2(n−1)) ≈ 41%），區間也只有大約 1.2% 到 3.0%，上界仍然低於第二名的點估計（總 protein–DNA 接觸 4.1%）。四個綠燈裡它是餘裕最大的一個：取區間上界之後，只有它和總接觸數（上界約 5.8%）還穩穩留在 10% 以內，target-DNA 接觸與鹽橋的上界都會越線。
- 成本為零。 軌跡跑完就有，不用額外 GPU 時數。在算力配額與磁碟空間都是硬約束的現實下，這個性質不是加分，是硬需求。
- 它是「聚合量優於逐點量」這條規則的實證。 你的方法學論文最核心的一句話是「打分要用聚合量，不要用逐殘基／逐位點」，而 BSA 對比 groove 接觸計數（2.1% 對 145.5%）就是這句話最乾淨的一組數據。這個 metric 的價值有一部分是論證價值，不只是打分價值。（寫的時候要連同 non-target 接觸 17.7% 這個反例一起寫——規則有例外反而讓規則更可信。）
- 零解釋成本。 Reviewer 不需要你教他什麼是 BSA。相較之下 PCA 的第幾主成分、DCCM 的相關係數都要先鋪陳。
為什麼五星不等於「它能分辨專一性」： 這一點必須講清楚，否則五星會跟 When NOT 第 1 條互相矛盾。星等衡量的是「對建立這條 workflow 的優先序」，不是「作為專一性預測器的準確度」。BSA 在 funnel 裡的職務是可靠基準、正規化分母、與 QC 閘門，不是判別器。判別要靠 HNH 距離 那條對準構形檢查點的軸。一個好的 funnel 需要兩種零件，而穩的那一種通常比聰明的那一種更難得。
具體怎麼用： 放在 Gate 1 當結構完整性的自動 QC（BSA 掉超過某個門檻就丟掉那條軌跡），放在 Gate 2 當聚合打分的主分量與其他 metric 的正規化分母，不放在專一性判別層。報告時給四個原始數字、group 定義、完整參數表，並主動說明它對 on/off-target 的最小可偵測效應。
09Reviewer Thinkingreviewer 會問什麼
你用哪一套 SASA 演算法、探針半徑、van der Waals 半徑集合？group A 與 B 各是什麼？點開看參考答案
這是第一個問題，而且它決定 reviewer 願不願意繼續讀。答案必須是一張表，不是一句話：演算法（例如 Shrake-Rupley，取點數 960）、探針 1.4 Å、半徑集合、氫的處理、group 定義（蛋白哪些鏈、sgRNA 歸哪邊、兩條 DNA 股分不分開、離子怎麼算）。沒有這張表，112.7 nm² 只是一個沒有單位意義的數字。
你報的 112.7 nm² 是總埋藏面積還是單側介面面積？點開看參考答案
聽起來瑣碎，但這是 factor-of-two 的來源，而且審稿人真的會抓。回答要明確：說出慣例（BSA 總量或 BSA/2），並附上另一個數字方便讀者換算。順便說明你的 group 定義，因為總量的分母是什麼完全取決於 group 怎麼切。
你的 BSA 在 on-target 與 off-target 之間幾乎沒差，那這個 metric 不就沒用嗎？點開看參考答案
不要迴避，要重新框架。誠實的回答分兩段：作為判別器，是的，它沒有解析力，而且我可以量化說出它的最小可偵測效應大約是 5 nm²（兩倍 CV）；作為 workflow 零件，它是可靠度最高的聚合基準與正規化分母，而專一性的判別是由對準構形檢查點的軸負責的。主動給出「這個 metric 看不到什麼」的量化上界，比宣稱它什麼都能看更有說服力。
2.1% 是 4 條 replica 算出來的，這個 CV 本身有多準？點開看參考答案
n = 4 時樣本標準差的相對誤差約 41%，所以 2.1% 的合理區間大約是 1.2% 到 3.0%。這一題對 BSA 反而是加分題：即使取區間上界，它仍然是你所有 metric 裡最穩的，結論不受影響。同一個問題問到鹽橋（9.5%，區間上界越過 10% 的綠燈線）身上就會變成致命傷，這個對比值得在文章裡直接寫出來。順帶一提，誠實的答法是把這個 41% 套在每一個 metric 上再重畫分級圖，而不是只對自己最有利的那一個做。
BSA 那麼平穩，你怎麼知道介面沒有在底下重排？點開看參考答案
這一問直指 metric 的盲區，答得好會非常加分。做法是把 BSA 與一個對身分敏感的量並列：逐幀接觸集合對參考的 Jaccard、或逐殘基接觸 occupancy 的跨 replica 一致性。你的數據已經回答了後者：跨 replica 的 top-8 接觸殘基名單只有 3/8 共享、pairwise Jaccard 0.48，而 BSA 在同一批軌跡上只抖 2.1%。要回答前者（同一條軌跡內部有沒有隨時間重排），還得補一次逐幀 Jaccard——這兩個問題常被混為一談，你在答的時候先把它們分開，reviewer 就知道你想過了。 明說「這個量穩，是因為它對重排不敏感」，比讓 reviewer 自己發現好得多。
你的 BSA 假設兩個 partner 分開後不鬆弛，但 Cas9 的構形變化很大，這樣算出來的面積有物理意義嗎？點開看參考答案
承認限制，然後界定用途。BSA 在這裡是幾何足跡，不是結合熱力學量；它回答「在這個構形下有多少表面被遮住」，不回答「結合放出多少自由能」。要談後者就要去算自由能，而不是把面積乘上一個係數。這個界線劃清楚，這一問就不再是攻擊而是方法學的一部分。
10Common Mistakes最常犯的錯
- 三項 SASA 用了不同的參數或不同的工具。 後果：差值裡混進演算法差異，BSA 系統性偏移。正解：三項用同一支程式、同一組參數，最好寫在同一個腳本裡。
- 在
gmx sasa裡用-surface給整個複合體、-output給子集，然後相減。 後果：拿到的是「在複合體環境下的子集 SASA」，相減得到接近零的假 BSA。正解：跑三次，每次-surface只含該 group。 - 混用 BSA 與 BSA/2 的慣例。 後果：跟文獻差兩倍，或自己前後不一致。正解：在 methods 寫死，並在圖說重述一次。
- 忘記剝水與離子。 後果：SASA 算進溶劑，數字荒謬。正解：先 strip，並明確決定 Mg²⁺ 與抗衡離子歸屬。
- 把 BSA 乘上疏水係數當結合自由能。 後果：在蛋白與核酸介面上方向性都可能是錯的。正解：只把 BSA 當幾何量，自由能另外算。
- 只報一個平均值不報四個原始數字。 後果：reviewer 無法判斷是不是有離群 replica。正解：把 111.4 / 112.6 / 110.8 / 116.1 直接列出來。
- 看到 BSA 平穩就宣稱「介面穩定、變體無影響」。 後果：把 metric 的遲鈍誤讀成系統的穩定。正解：同時報一個對接觸身分敏感的量（Jaccard 或 occupancy 一致性）。
11Further Reading讀哪幾篇
12Summary三句話
介面埋藏面積是把兩個分子各自的 SASA 加起來、再減掉複合體的 SASA，量的是貼合之後有多少表面被藏起來不碰水。它是你稽核過的所有 metric 裡最穩的一個，4 條 replica 給出 111.4、112.6、110.8、116.1 nm²、CV 只有 2.1%，而穩的原因是它把上萬個原子的貢獻積分起來，個別殘基的來來去去被平均掉了。代價是同一個道理讓它看不見介面內部的重排，所以它適合當可靠的打分基準、正規化分母與 QC 閘門，不適合單獨用來分辨 on-target 與 off-target。