RMSDRoot-Mean-Square Deviation
整個結構跟參考結構差多遠，一條隨時間變化的曲線。
01一句話只有一句
每一幀跟參考結構整體差多遠，畫成一條隨時間的曲線。
02Why should I care?我為什麼要讀這頁
因為這是你打開一條新軌跡的第一個動作，也是最容易被誤當成「收斂證明」的一個數字。
你在 VASP 裡判斷結構鬆弛完了沒，看的是 EDIFFG：給正值就是相鄰兩離子步的能量變化要小於它，給負值（實務上更常用）就是每個原子的受力都要小於它的絕對值。那是一個有定義的判準：力小於門檻，你就真的停在一個局域極小點附近。MD 沒有這種東西。你在跑的不是最佳化，是取樣；「收斂」的意思不是「某一點的梯度變小」，而是「你抽到的分布不再變化」。可是一條 RMSD 曲線只是一個純量隨時間的軌跡，它原則上無法證明分布收斂 —— 但這個領域長年拿它當替代品。
這頁的目的就是讓你在寫 methods 的時候，不會寫出「RMSD 在 20 ns 後達到 plateau，顯示系統已收斂」這種話。因為在你自己的系統上，protein RMSD 跨 4 條獨立 replica 的 CV 是 12.2%，介面 iRMSD 更高到 23.9%。同一個系統、同樣的設定、只換亂數種子，四條曲線停在 2.3 到 3.0 Å 之間四個不同的高度，其中三條平得很漂亮、剩下一條尾段還在往上爬。如果你當初只跑了那三條裡的任何一條，你會理直氣壯地宣告收斂。
03What這是什麼
先做最佳疊合（superposition，通常用 Kabsch 演算法把整體平移與轉動移除），再算：
它是 3N 維構形空間裡的一個歐氏距離，被壓成一個純量。這句話包含了它全部的優點與全部的缺點：壓縮是有損的。兩個完全不同的結構可以有一模一樣的 RMSD 值，就像兩個不同的檔案可以有一樣的檔案大小。
三個選擇決定這個數字的意義，而且三個都必須寫進 methods：
- fit selection（拿哪些原子做疊合） 與 measure selection（拿哪些原子算偏差）。它們不必是同一組，而且分開才有用。用整個蛋白疊合、只量 HNH，你得到的是 HNH 相對於分子其餘部分的剛體位移；用 HNH 自己疊合、量 HNH，你得到的是 HNH 的內部形變。兩個數字可以差好幾倍，講的是兩件事。
- 參考結構是誰。 晶體結構、第一幀、production 的平均結構、或前一幀（給你 dRMSD/dt），四種選擇各自回答不同問題。
- 原子集合。 Cα、backbone、全部重原子、含氫，數字依序變大。核酸沒有 Cα，選 P 還是 C1' 要寫清楚。
iRMSD（interface RMSD） 是介面版本：先用 10 Å 截止選出介面殘基，只對這些殘基的骨架做疊合與計算。它是 CAPRI 評估 docking 模型品質的標準指標之一，也是你在 protein–DNA 系統裡最常想報的那個 RMSD —— 因為介面才是你在乎的地方。
RMSD 是結構距離，不是物理量。它沒有對應的實驗 observable，沒有能量單位，也沒有守恆律。它的價值全部來自診斷，不來自物理。
04Why為什麼重要
它量到的東西比多數人以為的少。RMSD 沒有告訴你能量、沒有告訴你速率、沒有告訴你哪個交互作用重要。它告訴你的只有一件事：這一幀離參考有多遠。
但這一件事在實務上非常值錢，因為 MD 的失敗模式大多是災難性的、而且肉眼可見的：某個 domain 飛掉、DNA 一股滑脫、蛋白開始解摺、週期性邊界處理錯了讓分子被切成兩半、restraint 忘記關掉。這些事情全部會在 RMSD 曲線上留下無法忽視的痕跡 —— 突跳、單調攀升、或是一個永遠不下來的高原。
用你熟的話講：RMSD 是煙霧偵測器。它能可靠地告訴你房子失火了，但它評不了這頓飯好不好吃。你不會因為煙霧偵測器沒響就宣稱菜色優秀，可是 MD 論文裡「RMSD 平了所以模擬是可信的」這種句子滿地都是。
還有一件事值得先講清楚，因為它常被反過來用：RMSD 不是力場被校準的對象。 打開 ff14SB 那篇論文，它的驗證標的是相對構形能量對 QM 的誤差（壓到 1.0 kcal/mol 以下，比 ff99SB 改善 35%）與 NMR 的 χ1 耦合常數，不是「模擬結構對晶體結構的 RMSD」。RMSD 在文獻裡的位置是事後的健康檢查，不是擬合目標。所以當你看到一個「正常」的 RMSD，你既沒有確認生物學結論，也沒有確認力場在你這個系統上真的準 —— 你只確認了沒出大事。這個區別跟你在 DFT 裡拿晶格常數誤差驗證贗勢是同一件事：晶格常數對得上，不代表你算的吸附能就對。
05How怎麼做
最小工作流（每條軌跡都跑，成本是秒到分鐘等級）：
- 全域 backbone RMSD，參考用晶體結構（你的是 5F9R），fit 與 measure 同一組。這是煙霧偵測器。
- 分 domain 的 RMSD，fit 在一個相對剛性的核心（例如 RuvC 加 REC 核心），measure 逐 domain。這張圖會直接把 HNH 的擺動秀出來。
- iRMSD，10 Å 介面殘基骨架。這是你真正在乎的那個。
- 三者都每條 replica 各一條曲線疊在同一張圖上，不要畫平均曲線。
工具與寫法：
gmx rms -s ref.tpr -f traj.xtc -fit rot+trans -o rmsd.xvg。用-n給 index 檔可以分開指定 fit group 與 output group（互動選擇時它會先問「疊合用哪組」再問「計算用哪組」—— 這兩問就是 fit / measure 的分離，很多人隨手兩次都選 Protein 就跳過了）。- MDAnalysis：
MDAnalysis.analysis.rms.RMSD(u, ref, select='backbone and segid PROT', groupselections=['segid HNH', 'segid DNA'])。select是 fit set，groupselections裡每一組都會在用select疊合之後各自算 RMSD。這正是「fit 在核心、量在 domain」的標準寫法，也是這個工具最被低估的功能。 - mdtraj：
md.rmsd(traj, ref, atom_indices=...)的atom_indices同時用於疊合與計算。要分離就先traj.superpose(ref, atom_indices=fit_set)，再自己對 measure set 算偏差。
丟掉多少 equilibration，不要用目測。 pymbar.timeseries.detect_equilibration 之類的做法會用統計判準（最大化有效不相關樣本數）自動切點，比「我看它 20 ns 就平了」可防守得多。這是免費的可信度加分。
報告清單（缺一項 reviewer 就有話講）： 參考結構是誰、fit selection、measure selection、原子集合、丟掉多少前段、幾條獨立 replica、以及跨 replica 的 mean ± SD 或 CV。
06When什麼時候用
- 每一條 production 軌跡跑完的第一件事。 這是最便宜的系統健康檢查，沒有例外。
- 決定 production 從哪裡開始算。 配合統計判準，不要目測。
- 偵測明確的大尺度事件：domain 脫離、DNA 股滑脫、解摺、建模區段爆走。
- 當你有一個明確的「終點構形」要度量接近程度時。 例如把 HNH docked 的晶體構形當參考、只量 HNH。但如果你真的在追這件事，HNH 距離是更直接、更好解釋的座標。
- 附在 SI 裡當作「我的系統沒爆炸」的標準證據。 這是它最恰當的最終歸宿。
07When NOT什麼時候別用
-
不要用 RMSD plateau 當收斂證據。 為什麼會壞：plateau 只證明「在這段時間內沒發生大事」。系統完全可以穩穩地卡在單一 basin 裡，而你需要的那個構形轉變在別的 basin。Palermo 等人做 Cas9 的 HNH 構形活化就是這樣：非偏壓 MD 到不了那個轉變，得上 enhanced sampling。怎麼看出它壞了：把多條獨立 replica 的曲線疊在同一張圖上。你自己的數據就是最好的示範 —— protein RMSD 跨 4 條 replica 的 CV 是 12.2%，四條停在 2.3 到 3.0 Å 之間不同的高度，三條平、一條尾段還在爬。若只跑一條，你永遠不會發現這件事。
-
不要用 RMSD 排序變體。 為什麼會壞：介面 iRMSD 跨 replica 的 CV 是 23.9%，屬於 noise tier。你想偵測的變體間差異幾乎一定小於這個雜訊。更根本的問題是 RMSD 沒有方向性 —— 兩個變體可以有相同的 RMSD 卻往完全相反的方向偏離參考，排序把它們判成一樣。怎麼看出它壞了：先算同一個變體內部跨 replica 的 SD，再看變體之間的差值。差值沒有明顯大於 SD，這個排序就不存在。
-
不要在沒說明 fit / measure 分離的情況下報 domain RMSD。 為什麼會壞：HNH 是整台機器上最會擺的部分。用全蛋白疊合量到的 HNH RMSD，主要成分是它整塊在動，不是它自己在變形。讀者無從分辨你講的是哪一個，而這兩件事的生物學意義完全不同。怎麼看出它壞了：兩種算法都跑一次，如果數字差很多（在 Cas9 上一定會），那你就必須明說你用的是哪一種。
-
不要跨系統或跨 paper 比較絕對值。 為什麼會壞：RMSD 對系統大小有系統性依賴（分子越大，低頻集體運動的數目與振幅都越大，平方平均被一起抬高；這個效應大到有人專門提出按殘基數正規化的版本來補救），也隨力場、水模型、溫度、軌跡長度、原子集合系統性移動。怎麼看出它壞了：把同一條軌跡分別用 Cα、backbone、全重原子算三次，三個數字就不一樣了 —— 連自己跟自己都不可比，何況跨 paper。
-
含大量建模補出區段時，不要報全域 RMSD。 為什麼會壞：平方平均會被最大的幾個偏差主導。你系統裡有 11 個核苷酸屬於這一類 —— 5F9R 的 non-target 股 res 1 到 11 在晶體裡完全沒有電子密度（該鏈 30 nt 只有 19 個被 model 出來），是你自己補建的；它們的 RMSF 有 6 到 8 Å，而有實驗座標的本體只有 3.9 Å。這幾個殘基會把整條全域 RMSD 曲線扛在肩上。怎麼看出它壞了：把它們排除後重算，若曲線整個掉下來一截，你原本量的就是那幾個殘基的建模不確定性。
-
不要把 RMSD 當反應座標去投影自由能。 為什麼會壞：從 3N 維壓到 1 維是多對一映射，不同 basin 的構形會落在同一個 RMSD 值上而被疊在一起，投影出來的 PMF 會出現不存在的 barrier、也會把真的 barrier 抹平。怎麼看出它壞了：拿同一條軌跡做 PCA，看在 PC1–PC2 平面上分得開的 basin 是不是在 RMSD 軸上重疊。要反應座標就用物理座標或 tICA/PCA，不要用 RMSD。
「RMSD 在 X ns 後達到 plateau，顯示系統已達平衡。」這句話在單條軌跡上沒有任何統計內容。它成立的前提是「若沒收斂，RMSD 一定不會平」—— 而這個前提是錯的。改寫成「RMSD 在 X ns 後未再出現大尺度躍遷，我們以此界定 production 起點；收斂性另以跨 4 條獨立 replica 的 CV 評估（見 SI）」，同樣的資料，可信度差一個量級。
08Project Lens跟我的 project 多相關
為什麼不是更低（不是一星或兩星）： 因為它是進入這條 pipeline 的強制閘門，而且這個閘門很貴。你的 5F9R 完整三元系統是 535,265 個原子、4 條 replica、每條約 87 ns，跑在資料中心級 GPU 上；而共用叢集上同時可跑的 job 數有硬性上限。在這種算力現實下，最不能接受的事情是「跑完才發現系統早就壞了」。RMSD 是秒級成本、又能一眼掃掉大多數災難性失敗模式的檢查。它抓不到的（質子化指派錯、恆溫器耦合不當、力場選錯）另有別的關卡，但它抓得到的那一類，沒有更便宜的辦法。它不值錢，但它省下來的是 GPU 時數。
為什麼不是四星或五星： 因為它自己的可靠性數據已經把它擋在打分層之外。protein RMSD 的 CV 12.2% 是 marginal，介面 iRMSD 的 23.9% 直接是 noise —— 兩者都遠差於總 protein–DNA 接觸的 4.1% 與 BSA 的 2.1%。更關鍵的是方向性問題：這個 project 的核心結論是專一性由 HNH 構形檢查點的動力學決定，而不是平衡結合強度。RMSD 是一個平衡結構的距離，它連「哪個構形」都分不清楚（多對一映射），更不可能量到「跨越門檻有多難」。
具體怎麼用： QC 層與 SI，不進打分層。標準配置是三張圖 —— 全域 backbone、分 domain（fit 在核心）、iRMSD，每張都疊四條 replica 的曲線並標出 CV。在正文只寫一句「系統在 production 期間未出現大尺度結構失穩」，把數字放 SI。要打分，去聚合接觸數或介面埋藏面積。
09Reviewer Thinkingreviewer 會問什麼
你怎麼決定丟掉多少 equilibration？是目測 RMSD 曲線嗎？點開看參考答案
如果答案是目測，這一問就會滾成三問。可防守的回答是：用統計判準自動決定切點（例如 pymbar.timeseries.detect_equilibration 這類最大化有效樣本數的做法），並在 SI 給出每條 replica 各自的切點。同時做一個穩健性檢查：多丟 20% 再算一次主要結論，若結論翻轉，那結論本來就不穩。這是十分鐘的事，但幾乎沒人報。
你的 fit selection 是什麼？你報的 HNH RMSD 是相對誰量的？點開看參考答案
必須明講。用全蛋白疊合量到的是 HNH 相對整體的剛體位移，用 HNH 自身疊合量到的是它的內部形變。正確做法是兩個都報、兩張圖並排，並說明結論建立在哪一個上。在 Cas9 上這個區分特別要命，因為 HNH 正是全域 RMSF 最高（apo 1.86 Å，完整三元 1.61 Å）的那個 domain —— 它的「高 RMSD」有很大一部分本來就是整塊在擺。
RMSD 已經 plateau，你憑什麼說取樣夠？點開看參考答案
誠實的答案是：單靠 RMSD 說不了。 正確回答的形狀是「我們不以 RMSD plateau 主張收斂；收斂性由跨 4 條獨立 replica 的可重現性評估，聚合量 CV 在 2 到 10%（BSA 2.1%、總接觸 4.1%、鹽橋 9.5%），逐殘基與 DNA 層級的量 CV 在 24% 以上，因此我們的結論只建立在前者。」先自己說出限制，比被問出來好。
你的四條 replica RMSD 曲線疊起來長什麼樣？可以看嗎？點開看參考答案
這一問是在測你有沒有藏東西。要能直接給圖。如果四條曲線 plateau 在明顯不同的高度（在你的系統上 CV 12.2%，就是會），那就大方承認並解釋：這正是為什麼打分軸選在聚合接觸數而不是 RMSD。把弱點主動放在論證結構裡，比讓 reviewer 挖出來強得多。
為什麼你不用 RMSD 當變體排序的分數？它不是最標準的嗎？點開看參考答案
標準不等於適用。RMSD 是多對一映射（不同構形同一個值）、沒有方向性（往哪邊偏都一樣）、沒有能量單位（不能接到任何實驗 observable），而且在你的介面上 CV 高達 23.9%。四個理由任何一個單獨都足以否決它當 ranker。標準是「大家都報」，不是「大家都拿它排序」。
10Common Mistakes最常犯的錯
- 只畫平均 RMSD 曲線。 後果：如果四條 replica 分別停在不同高度（甚至有一條是雙峰），平均曲線會長得非常漂亮而且完全在說謊。正解：疊四條原始曲線，另外報 CV。
- 只用第一幀當參考。 後果：你量到的是「離起點多遠」，等於把 equilibration 的漂移算成結構變化，同時完全看不出模型跟實驗結構的偏差。正解：至少同時報「對晶體結構」與「對 production 平均結構」兩條。
- fit set 與 measure set 用同一組卻宣稱在講 domain 運動。 後果：剛體位移與內部形變混為一談。正解：分離兩者，兩種都報。
- 把氫、水、離子、建模補出的末端算進 RMSD。 後果：數字被最柔軟、最沒有實驗約束的部分主導。正解：主圖用重原子骨架且排除無實驗座標區段，並在圖說寫明排除了哪些殘基。
- 用 RMSD 當 free energy 的反應座標。 後果：不同 basin 疊在同一個投影值上，PMF 出現假 barrier。正解：用 PCA/tICA 或物理座標。
- 比較 WT 與變體時換了參考結構。 後果：差異全部來自參考不同。正解：兩者都對同一個參考（通常是 WT 的晶體結構）疊合與計算，並在 SI 放疊合定義。
11Further Reading讀哪幾篇
12Summary三句話
RMSD 把每一幀與參考結構的整體差距壓成一個純量，它是結構距離而不是物理量，而且壓縮過程是有損的。它最誠實的用途是 QC 與界定 equilibration，因為在你自己的系統上 protein RMSD 跨 4 條 replica 的 CV 是 12.2%、介面 iRMSD 更高到 23.9%，兩者都不夠格當打分軸。真正決定這條曲線意義的是三個你必須寫進 methods 的選擇：fit selection、measure selection、以及參考結構是誰。