Level 4 — 知道所有 AnalysisEvery analysis on the shelf
軌跡跑完之後，十二種分析各自回答什麼問題。
你現在在哪
你手上已經有軌跡了。 L3 教你怎麼把它跑出來，L4 是這張地圖最寬的一層 —— 12 頁，每一頁一種把軌跡壓成數字的方法。
這一層的活動你其實非常熟：這就是後處理。 你從 OUTCAR、DOSCAR、CHGCAR 裡抽 d-band center、Bader charge、COHP，做的是同一件事 —— 從一堆原始輸出裡萃取一個能拿來排序、能拿來講故事的量。而你也早就知道那個世界的規矩：Bader charge 的絕對值依賴 partition scheme，但同一套設定下的趨勢穩定，所以你只比趨勢不比絕對值。
L4 要教你的，是這條規矩在 MD 世界的加強版。因為 MD 多了統計誤差那一軸，同一條軌跡上的兩個量，散度可以差將近七十倍：BSA 的跨 replica CV 是 2.1%，groove 接觸計數是 145.5%。「哪些數字有資格被拿來排序」不是品味問題，是可以量出來的。
這一關結束之後，你能做一件你現在做不到的事： 拿到任何一條軌跡，你能列出該算哪些量、每一個量的雜訊底線在哪、以及哪些能進打分層、哪些只能當 QC 或敘事。
每個分析都要能回答三個問題：它量的是什麼物理量、它的跨 replica CV 落在哪一層、它什麼時候會給出看起來很合理的錯答案。 答不出第三個，就等於還沒學會這一頁。
這關要學會什麼
- 你將能夠對 12 個分析中的任何一個，說出它量什麼、它的可靠性層級、以及它的典型誤用長什麼樣。
- 你將能夠解釋「聚合量穩、逐點量不穩」背後的統計原因，而不只是背下那張 CV 表：積分量把上萬個原子的貢獻平均掉，稀疏計數沒有這個好處，而且還會被 CV 的小分母效應額外放大。
- 你將能夠把 12 個分析歸進 QC 層／打分層／敘事層，並說明分層的依據是資料不是偏好。
- 你將能夠指出唯一一條直接對準專一性的軸（HNH 距離分布），並說出它為什麼同時是最重要與最不成熟的一條。
- 你將能夠說出哪些分析必須先做 superposition，以及 fit selection 怎麼把同一條軌跡變成兩個不同的答案。
- 你將能夠用 SErel ≈ CV · √(2/n) 估出一個 metric 在 n = 4 下大約偵測得到多大的相對差異，並用它反推「這個量進不進得了 gate」。
依序讀這些
12 頁，順序按可靠度階梯排。前兩頁是最基本的兩種壓縮法，也是 QC 層的兩個代表（protein RMSD 跨 replica CV 12.2%、DNA RMSF 59.1%，兩者都進不了打分層）；第 3 到 6 頁是介面分析，按 CV 由低往高走，讓「哪些數字撐得住排序」這件事內建在閱讀順序裡；接著兩頁從「量一個純量」升級到「量一個方向」；再三頁從平衡態走向動力學；最後一頁是刻意放在最後的。
- RMSD — 從最基本的有損壓縮開始。它是所有分析的原型：把一整個結構壓成一個純量，壓縮過程中丟掉了什麼？
- RMSF — 同一條軌跡的另一種壓法：RMSD 壓掉原子留下時間，RMSF 壓掉時間留下原子。也是你在自己機器上第一次看見 HNH 檢查點的地方。
- 介面埋藏面積 — CV 2.1%，打分層的地基。先讀最穩的那個，你才有一把尺去衡量後面的。
- Contact Map — 總接觸 4.1%、target-DNA 接觸 9.4%。介面分析最耐用的一把尺，同時示範了「聚合看、逐殘基只當地圖」。
- 鹽橋分析 — 9.5%，剛好卡在 10% 門檻線上。讀它是為了體會「卡在線上」這件事本身要怎麼誠實報告。
- 氫鍵分析 — 判準決定答案的極端案例。它在 Hamiltonian 裡根本不存在，是你事後貼上去的布林標籤。
- PCA — 從「量一個數字」升級到「量一個方向」。對你來說最快的入口是：它就是把 Hessian 換成取樣的 quasi-harmonic 版 normal mode 分析。
- DCCM — PCA 的孿生兄弟，也是全站最容易被過度解讀的一張圖。
- HNH 距離與構形檢查點 — 唯一一條直接對準決定專一性的那個開關的軸。前八頁都是為了讓你有能力誠實地讀這一頁。
- 自由能地景與增強取樣 — 全站只有兩條路能真正碰到能障、也就是碰到速率，這是第一條。代價是你必須先押注一個 collective variable，押錯能障就憑空消失。
- Markov State Model — 第二條。不必押注 collective variable 就能碰到轉換速率，計算形狀還剛好適合「只能少量並行、但可以跑很多短軌跡」的環境。
- MM/PBSA — 刻意放最後。 它是最便宜、最容易上手、也最容易被誤讀的一個。要有前 11 頁的判準，你才讀得對它。
Analysis 章在地圖上的排列是按主題分組的，方便查。但第一次學要按可靠度排，因為這一關真正的產出不是「我知道十二種分析」，是「我知道哪些數字撐得住排序」。順序本身就是那個教訓的載體。
三篇原始文獻（配著分析頁讀）
通關檢查表
通關測驗
你的逐殘基 RMSF 圖上有一根很高的峰，剛好落在一個你覺得很有意思的 loop。在跟任何人講這件事之前，你要做哪四個檢查？點開看參考答案
一、這個區段有沒有實驗座標？ 建模補出來的區段本來就會亂晃：補上去的 5′ 端 res 1 到 11 的 RMSF 有 6 到 8 Å，而晶體本體只有 3.9 Å。這些高峰反映的是「這裡本來就沒資料」，不是生物學。
二、跨 replica 的散度多大？ DNA RMSF 跨 4 條獨立 replica 的 CV 是 59.1%。同一個系統、同樣設定、只換亂數種子，逐殘基數字可以差到將近一倍。單條軌跡上的「第 X 號殘基特別柔軟」在統計上沒有支撐。
三、fit selection 是什麼？ 用整個蛋白疊合，一個大幅擺動的 domain 會顯示成高 RMSF（含它的剛體運動）；只用該 domain 自己疊合，剛體運動被扣掉。兩者都對，但回答的是不同問題，而且必須寫進方法段。
四、前半後半有沒有系統性漂移？ 把 production 切兩半分別算，如果後半明顯高於前半，那是還在鬆弛，不是平衡態的柔軟度。這個檢查很便宜，但幾乎沒人報。
同一條軌跡上，BSA 的跨 replica CV 是 2.1%，groove 接觸計數是 145.5%，差了將近七十倍。這是統計的必然還是運氣？點開看參考答案
大部分是必然，但有一部分是假象，兩者必須分開診斷。
必然的部分： BSA 是把上萬個原子的貢獻積分起來的量，個別殘基的來來去去被平均掉了；groove 接觸計數是稀疏的離散計數，少數幾對接觸的進出就能讓數字大幅跳動。一個是積分量、一個是逐點量，這個分野比「用哪個軟體算」重要得多。
假象的部分： CV 的分母是平均值。當 σ 沒動、μ 往 0 走的時候，CV 會發散。一個絕對散度其實很小、只是平均值也很小的稀疏計數，會被 CV 判成災難級的雜訊。
怎麼分開診斷： 把四條 replica 的絕對值列出來。如果它們彼此其實很接近、只是都很小，那 CV 高就是分母造成的。這時候正解是改報絕對標準差，或把稀疏計數換成連續距離 —— 後者是把這一類量救回打分層最直接的手段。
你想主張「這個變體讓 HNH 更常待在 docked 態」。列出你需要準備的東西。點開看參考答案
- 底物必須帶 PAM-distal 錯配。 on-target 底物上檢查點全開，物理上就該沒有差別。
- WT 對照，同一套設定。 差異是相對量，沒有 WT 就沒有尺。
- 至少 3 到 4 條真正獨立的 replica，兩組都要。
- 事先釘死 HNH 距離的定義，尤其是原子選擇。文獻上那條常被引用的階梯是 HNH-state 1 超過 32 Å、5F9R（你自己的起點）仍超過 19 Å、Huai 等人的 cryo-EM 結構 5Y36 約 10 Å。而原子選擇會直接改變數字：在 5Y36 這同一個模型裡，H840 的 Cα 到 scissile phosphate 約 10 Å、側鏈 Nδ 到磷卻約 8 Å —— 同一個構形換一個原子就差約 2 Å，His 側鏈一翻落差更大。再加上 5Y36 的解析度是 5.2 Å，側鏈根本沒被電子密度定住，所以那個 8 Å 是模型值不是量到的值。
- 報分布，不報平均值。 檢查點是統計量不是快照，而且任何單一數字都是高維轉變的一維投影，會把「靠得近但轉錯方向」與「真的 docked」混在一起。所以要同時報取向或接觸這類正交的量。
- 報跨 replica 的離散度。
- 一句誠實聲明。 文獻（Palermo 等人）要用 Gaussian accelerated MD、累計約 15 μs 才走完這條路，而你手上是 4 × 約 87 ns 的無偏軌跡，合計約 350 ns。在沒有 ground truth 校準之前，這是一個假說，不是一個 ranker。
為什麼 MM/PBSA 被刻意排在這一關的最後一頁？點開看參考答案
因為它是門檻最低、產出最像答案、也最容易被過度解讀的一個。它成本近乎為零，直接吐出一個帶單位的「結合自由能」，看起來就像你在 DFT 裡算的吸附能 —— 而這個相似正是陷阱。
要先有前 11 頁的判準，你才看得見它的四個洞：熵通常被丟掉、內部介電常數 εin 是可調參數、單軌跡近似把 reorganization 設成零、而且在蛋白–DNA–RNA 這種高電荷系統裡，ΔEelec 與 ΔGpolar 各自輕易到數百甚至上千 kcal/mol、符號相反，淨值只剩零頭 —— 而你想分辨的變體間差異，比那兩個大數小上好幾個數量級。兩個大數相減的統計誤差比訊號大得多。
但不要走到另一個極端：它在「這個變體還綁不綁得上」這個是非題上確實有用，也看得見那些削弱非序列專一靜電接觸的設計。正確的定位是結合可行性的必要但不充分初篩，不是專一性的排序軸。
DCCM 給了你一張很漂亮的 allosteric 圖，兩塊 domain 之間有明顯的正相關。要問它哪三個問題？點開看參考答案
一、取樣夠嗎？ 共變異數矩陣要收斂，需要的取樣量遠超過你目前的尺度。在 4 × 87 ns 上，它更該被當成診斷取樣的儀器，而不是產生結論的工具。
二、superposition 的參考結構換一個，答案會不會漂？ DCCM 是在扣掉整體平移轉動之後算的，參考結構的選擇會系統性地改變相關係數的分布。這是可以自己測的：換一個參考重算，看圖變多少。
三、它對正交耦合是不是盲的？ 標準 DCCM 用的是位移向量的內積，兩個殘基如果沿著互相垂直的方向強耦合，內積接近零，圖上完全看不見。要看得見得換 generalized correlation 或 linear mutual information 這一類的量。
三個問題的共同結論：在第一版便宜 workflow 裡，DCCM 是探索與產生假說的工具，不是能寫進 paper 主張的證據。