分析與打分Analysis and ranking
把軌跡變成一個能排序變體的分數，而且要能防守。
01一句話只有一句
軌跡變成分數之前，先決定哪些數字有資格被打分。
02Why should I care?我為什麼要讀這頁
因為這一頁是你的 project 從「有趣的觀察」變成「可以排序的方法」的那一步，而它有一個只能做一次的動作：凍結打分公式。做錯了不能重來，因為你已經看過答案了。
先看你手上有什麼。同一批 4 條 replica、同一個 5F9R 系統，各個量的跨 replica CV 是：
- 🟢 BSA 2.1%、總 protein–DNA 接觸 4.1%、target-DNA 接觸 9.4%、鹽橋 9.5%
- 🟡 protein RMSD 12.2%、non-target 接觸 17.7%
- 🔴 interface iRMSD 23.9%、DNA RMSF 59.1%、groove 距離 48%、逐位點距離 38 到 46%、groove 接觸計數 145.5%
這張表已經替你做完一半的決定了。一個 CV 145.5% 的量，意思是它的標準差比它的平均值還大——你拿它排序變體，排出來的順序跟擲骰子的差別，只在於擲骰子比較誠實。
先把定義釘死，否則後面每一條規則都會被誤用。這裡的 CV 是四條 replica 各給一個值之後，那四個值的標準差除以平均值。三件事要一起記住：
- 它量的是單條軌跡的雜訊，不是平均值的誤差。 平均值的相對誤差是 CV/√n，n = 4 時剛好是 CV 的一半。
- 這些 CV 自己也有誤差棒。 從 4 個點估標準差，相對誤差就有 1/√(2(n−1)) ≈ 40%。所以這張表是三檔紅綠燈，不是小數點後一位的排名——12.2% 與 17.7% 在 n = 4 之下分不太開，別拿它們的先後順序講故事。
- 10% 這條紅線是本專案的約定，不是從任何原理推出來的。 真正的判準是「平均值的誤差要小於你想偵測的變體效應」，而那個效應量到今天還沒量過。10% 是保守的起手；等第一批變體的效應量出來，這條線應該回頭重訂，而且要在規格檔裡留下改過的紀錄。
用你熟的話講：這相當於你不會拿一個還沒對 ENCUT 收斂的能量差去比較兩個表面。差別在於，DFT 的收斂測試會給你一條明顯變平的曲線，你一眼就知道該停在哪；MD 的「收斂」沒有這種曲線，它只有跨 replica 的散布，而你必須先花錢跑出那個散布才知道自己能不能用這個量。CV 分層就是 MD 版的收斂測試，而且它是事後的——這就是為什麼從 PDB 到軌跡裡的 replica 數決定會在這裡引爆。
03What這是什麼
三層。層與層之間的界線由 CV 決定，不由「這個 metric 聽起來多高級」決定。
第一層 · QC（不打分）
用途是回答一個二元問題：這條軌跡能不能進入下一層。 內容包括溫度、密度、盒體積、總能量的平穩性，protein RMSD 的平台，RMSF 的形狀是否合理（高峰落在末端與 loop、核心是平的），核酸鹼基配對與 R-loop 是否維持，以及 Jiang 等人在 5F9R 報的 30° DNA 彎折有沒有在軌跡裡崩掉——這是少數從起始晶體結構直接帶來、可以逐幀對照的幾何量，很適合當免費的健康檢查。
QC 層的輸出是通過／不通過，不是分數。一條軌跡被判定為「還沒平衡」，它就整條不進入打分，而不是給它一個比較低的分數。 這一點常被搞混，混了之後你的分數裡就混進了「這條軌跡品質比較差」這個與突變無關的維度。
第二層 · 打分（只用綠燈）
目前只有四個量夠格：BSA（2.1%）、總 protein–DNA 接觸（4.1%）、target-DNA 接觸（9.4%）、鹽橋（9.5%）。它們的共通點很明確——全部是聚合量。逐位點、逐殘基、逐 groove 的版本全部落在紅燈區。
這不是巧合。聚合等於在空間上做平均，而空間平均與時間平均、系綜平均一樣會壓低變異。你的資料把這件事量化得很乾淨：同一批 protein–DNA 接觸，聚合成一個總數 CV 是 4.1%，拆成 groove 的逐位點計數就變成 145.5%。「拆得更細 = 資訊更多」在有雜訊的系統裡是錯的，拆細只是把訊噪比拆掉。
第三層 · 機制敘事（可以講，不進分數）
HNH 距離、PCA、DCCM、逐殘基接觸圖。這一層是你 paper 裡最好看的圖，也是向別人解釋機制時唯一用得上的語言，但它的 CV 進不了打分層。
這兩件事不衝突，前提是你在文字裡把它們分開。 「HNH 在變體 A 的軌跡裡停留在 undocked 構形的時間比較長」是一個定性的機制敘述，可以寫；「變體 A 的 HNH 距離分數是 0.73，排第二名」是一個定量宣稱，不可以寫，因為那個數字的跨 replica 散布還沒有小到能支撐排序。
04Why為什麼重要
因為 reviewer 不會問「你的分數是多少」，會問「你怎麼知道換一組 replica 這個排序不會翻」。
分層的本質是把這個問題提前到打分之前回答。你不是在挑「最有生物意義的 metric」，你是在挑「訊噪比足以支撐排序的 metric」——這兩件事在一個 500k 原子、4 條 replica 的系統裡經常不是同一批。最有機制意義的量（HNH 距離、逐殘基接觸）恰好是最吵的，這很不公平，但它就是你的資料說的話。
第二個理由是打分公式的自由度遠多於你的資料點。假設你有 4 個綠燈 metric，那麼光是「每個要不要納入」就有 2⁴ 種、「方向符號」再乘 2⁴、權重是連續的、還有「用哪個底物條件」「取不取 log」「用平均還是中位數」。對照之下你能拿到的校準資料點大概是 3 到 5 個已知功能結果的變體。在這個比例下，任何事後調整都能湊出你想要的排序。 這不是道德問題，是自由度計數問題——就算你完全誠實，事後選擇也會系統性地高估預測力。
第三個理由是排序軸的方向。若一條篩選漏斗全程以平衡結合 ΔG 排序，就會遇到一個結構性問題：高保真變體（SpCas9-HF1、eSpCas9(1.1)、HypaCas9）對 on/off-target 的結合親和力與 WT 差不多，差別在 HNH 構形檢查點的動力學。Chen 等人量到刪掉整個 REC3 domain（ΔREC3）讓 cleavage rate 掉了約 1000 倍，而對 on-target 底物的親和力仍接近 WT——那是 domain 刪除、不是點突變，所以 ΔREC3 不會出現在你的候選清單裡，但它把「結合強度與切割能力可以完全脫鉤」證得最乾淨。這代表打分公式的形狀不能是「單一條件下的親和力代理量」，不管你用多精確的方法去算那個代理量。
分數的可信度來自分層規則與凍結時機，不來自 metric 本身多聰明。一個用等權重、只用四個聚合量、事前凍結的公式，比一個用十個高級描述符、事後調權重的公式強得多——強在它可以被防守。
05How怎麼做
打分公式：一個可以直接用的版本
對每個變體 v、每條 replica r、每個綠燈 metric m：
Step 1 · 時間平均。 丟掉 equilibration，取 production 段的平均，得 xv,r,m。這裡每條 replica 給一個數，不要在這一步就把 replica 平均掉——那個散布是你後面唯一的誤差來源。
Step 2 · 對 WT 取差。
WT 必須用完全相同的設定跑。這就是吸附能的參考態問題：ΔEads 的絕對值會隨你選 gas-phase 分子還是化學勢當參考而變，但只要所有表面用同一個參考態，相對排序不受影響；一旦每個表面各用各的參考態，整張圖就沒有意義。WT 就是這裡的參考態，它一旦選定，這一批比較裡不能換。
Step 3 · 用雜訊尺度無因次化。
分母用的是 WT 自己的跨 replica 標準差，不是變體之間的散布。這個選擇很關鍵，理由有二：第一，z 的物理意義變成「這個變化等於幾個雜訊單位」，你一眼就能看出 |z| < 1 的變體根本不該進排序；第二，如果用變體之間的散布當分母，分母會隨著你納入哪些變體而變，那是循環的。
Step 4 · 加權求和。
sm = ±1 是方向符號，wm 是權重。兩者都必須在看到變體結果之前決定。
Step 5 · 誤差棒。 對 replica 做 bootstrap，或直接傳遞 SE = σ/√n。沒有誤差棒的排序表等於沒有排序表，而且要在圖上畫出來，不是塞在補充材料。
方向符號必須來自機制，而且必須是雙差
這是整套設計最容易被忽略的一步。問題長這樣：on-target 底物上「介面總接觸下降」算好還是壞？
答案是單一條件下這個問題沒有答案。你要的專一性變體，定義上是「保住 on-target、削弱 mismatched」。所以打分量必須是雙差（double difference）：
這一點有直接的實證：eSpCas9(1.1) 在 on-target 底物上是 null——而且它本來就該 null，這一類變體的設計目標本來就是保住 on-target 行為。在單一 on-target 條件上打分，你會把所有真正的專一性變體都判成「跟 WT 沒差」。這條規則的代價是每個變體要跑兩組條件，成本直接乘二，但這是不能省的乘二。
這對你也不陌生：你不會用絕對吸附能排序催化劑，你會用相對於某個 reference 的 ΔΔG，或用對 scaling relation 的偏離量。同樣的邏輯，同樣的理由——絕對值裡的系統誤差在取差時會消掉。
權重怎麼定才不是事後湊的
三個可辯護的選項，按防守難度由易到難：
- 等權重（wm = 1/M）。 最保守，也最好防守：「我們沒有任何先驗資訊可以決定權重，所以不假裝有。」這應該是你的預設。
- 反變異加權（wm ∝ 1/CVm²）。 在「事前可決定」這一點上它是合法的，因為 CV 只用了 WT 的資料，完全沒碰到變體資訊。但先注意一個很容易漏掉的重複計算：Step 3 已經把每個 metric 除以 σWT,m，那本身就是一次反變異縮放；再乘上 1/CV² 等於對同一件事罰第二次，高 CV 的量會被壓得比它該被壓的還低。要用就必須在規格檔裡明寫「這是刻意的二次降權，理由是我們認為高 CV 的量連方向都不穩」。沒有這句話，就回到第 1 項。
- 由校準集擬合權重。 以 3 到 5 個校準變體來說，這是不可以做的——待定參數比資料點還多。誠實的說法是：這個規模的校準集只夠校準方向與尺度（我的分數是不是至少把已知的高保真變體排在 WT 之上），不夠擬合權重。要擬合權重，你需要的資料點數量是另一個量級。
有效自由度：四個 metric 不等於四個獨立軸
BSA 與總 protein–DNA 接觸幾乎在量同一件事——介面埋得多深。把它們當兩個獨立軸加總，等於偷偷把這件事的權重變成兩倍。
做法： 算四個綠燈 metric 在 WT replica 之間（以及跨變體之後）的相關矩陣，報出來。如果 BSA 與總接觸的相關係數是 0.9 以上，就明說「我們的四個 metric 對應大約兩個有效自由度」，並考慮把高度相關的合併成一個複合軸。這一步不用算力，只需要誠實。
凍結：具體怎麼做
- 寫一個
scoring_spec.yaml：綠燈 metric 清單、CV 閾值、方向符號、權重、底物條件配對、誤差估計方法、以及「什麼結果算成功」的判準。 git commit，把 commit hash 抄進 lab notebook；要更強的證據就用有第三方時間戳的服務。- 變體的分析腳本讀這個檔，不接受命令列覆寫。這一條是工程紀律，也是你日後唯一的證據。
- 允許事後修改，但不允許隱藏。 如果後來發現公式有缺陷，改，然後在 paper 裡同時報原始版本與修改版本的結果，並說明修改當下你已經看過什麼。同時報兩個版本的人不會被質疑；只報一個版本的人會。
06When什麼時候用
- 當你手上有 WT 的多條 replica、要決定哪些量能用時。 這是分層的入口，也是唯一該做這件事的時機。
- 在跑任何變體之前。 公式凍結必須發生在這裡，晚一步就沒有補救。
- 當要決定各類指標該落在哪一層時。 三層架構是一個很好的溝通工具：它讓「ΔG 類指標適合放在粗篩層而不是排序層」變成可以指著圖談的結構問題，而不是立場之爭。
- 當要回答「這個差異顯著嗎」時。 z 值就是答案：|z| < 1 的差異連提都不該提。
- 當算力不足以跑更多變體、必須決定先跑哪幾個時。 分層告訴你哪些量能區分，也就告訴你哪些變體值得花錢。
07When NOT什麼時候別用
- 不要把 CV > 10% 的量放進打分公式，不管它多有機制意義。 為什麼會壞： CV 給的是單條軌跡的雜訊尺度，除以 √n 之後才是你排序時實際承受的雜訊；當它與你想偵測的變體效應同量級，排序就是在對雜訊排序。你的 groove 接觸計數 CV 是 145.5%，標準差比平均值還大。怎麼看出它壞了： 做 leave-one-replica-out——每次拿掉一條 replica 重算排序，比較 Spearman。如果拿掉任一條 replica 排序就大幅重排，這個 metric 沒有資格打分。這個檢查不用新算力，而且幾乎沒人做。
- 不要在單一 on-target 條件上打專一性分數。 為什麼會壞： 專一性變體的設計目標就是在 on-target 上不改變行為，所以你量到的必然接近 null。怎麼看出它壞了： 所有變體的 Δ 都落在誤差棒內，而且沒有任何方向性——這正是 eSpCas9(1.1) 在 on-target 上的結果。正解： 雙差設計，每個變體跑 on-target 與 mismatched 兩組。
- 不要在看過變體結果之後調整權重、增減 metric、或改變方向符號。 為什麼會壞： 自由度遠多於資料點，事後選擇必然高估預測力，而且你無法量化高估了多少。怎麼看出它壞了： 這個沒辦法從結果看出來——這正是它危險的原因，也是唯一防線只能是事前凍結的原因。
- 不要用 MM-PBSA 或 FEP 的絕對值當唯一排序軸。 為什麼會壞： ΔG 是態函數，它決定平衡常數、不含決定速率的能障；HNH docking 的檢查點是速率問題，再精確的結合自由能計算也量不到它。Chen 等人的 ΔREC3 是最好的反例：切割速率差約 1000 倍，on-target 親和力接近 WT。怎麼看出它壞了： 你的 ΔG 排序與已知的高保真變體排名沒有相關性，而且你會發現自己在解釋「為什麼機制上該有差的變體算出來沒差」。正解： ΔG 當粗篩留在上游，專一性排序另設軸。
- 不要把逐殘基的「一致性看起來不錯」當成可靠性證據，除非你檢查過 n 的影響。 為什麼會壞： 小 n 會系統性高估一致性。你的數據：n = 2 時逐殘基 top-8 看起來 6/8 共享，加到 n = 4 掉到 3/8。怎麼看出它壞了： 把一致性指標當作 n 的函數畫出來，如果它隨 n 單調下降而還沒變平，你看到的是取樣不足不是重現性。
- 不要在 metric 高度相關時假裝有多個獨立軸。 為什麼會壞： 加總會偷偷放大共同成分的權重，而你以為自己在做多證據整合。怎麼看出它壞了： 算相關矩陣；若前一個主成分就解釋了絕大部分變異，你的「四個軸」其實是一個軸加一點雜訊。
- 不要用 QC 層的量當分數。 為什麼會壞： RMSD 與 RMSF 的用途是判斷軌跡品質，把它們當分數等於把「這條軌跡跑得好不好」混進「這個突變效應多大」。怎麼看出它壞了： 你的分數與軌跡長度、與 equilibration 丟棄量高度相關。
08Project Lens跟我的 project 多相關
為什麼不是更低： 因為 project 的交付物就是「一個能排序變體的分數」，而這一頁定義了那個分數。前面所有的算力最終都匯流到這裡，後面的驗證也只能驗證這裡定義出來的東西。
- 分層規則已經有實證基礎，不是理論偏好。 你自己 4 條 replica 的 CV 表（綠燈 2.1% 到 9.5%、紅燈到 145.5%）直接把「打分只能用聚合量」寫成了硬規則。文獻上少見有人把整張表報出來，所以 metric 選擇多半還是品味問題；你有這張表，所以你的選擇是資料驅動的。可防守的講法是「把 metric 的跨 replica 可重現性當成一級結果報告，並提供一張可重用的分層表」；任何比這更強的原創性宣稱，都要先自己查一次文獻確認沒有人做過。
- 雙差設計有直接的實證理由。 eSpCas9(1.1) 在 on-target 上的 null 結果，換成一條「專一性打分必須是兩個底物條件的差」的設計規則。這條規則會讓成本乘二，但它把整個打分框架從「量不到」變成「量得到」。
- 凍結時機是零成本、不可逆、且唯一防線。 沒有其他任何投入能像它一樣，用半天的工夫換掉一整類審稿攻擊。
風險要誠實講： 這一頁描述的是應然，不是已然。目前打分公式尚未凍結、校準集尚未取得、metric 之間的相關矩陣也還沒算。也就是說這套框架的預測力目前是零證據——不是負面證據，是還沒有證據。而且有一個結構性限制沒解：綠燈的四個量全部是平衡態的介面聚合量，它們與「動力學檢查點」的關聯尚未建立。這是這條 workflow 目前最大的科學缺口，也是驗證與實驗合作存在的理由。
09Reviewer Thinkingreviewer 會問什麼
你的權重是在看到結果之前還是之後決定的？點開看參考答案
唯一能防守的回答是「之前，這是 commit hash」。如果沒有事前凍結，第二好的回答是完整揭露：報告等權重版本與你實際使用版本的結果，讓讀者自己判斷差多少。最糟的回答是「我們選了物理上最合理的權重」——那句話在 reviewer 耳裡等同於「我們調過了」。
你的四個 metric 之間相關性多高？有效自由度是多少？點開看參考答案
準備好相關矩陣與主成分分析。BSA 與總 protein–DNA 接觸幾乎必然高度相關，主動說出來並說明你怎麼處理（合併、或降權、或明示「四個 metric 約等於兩個有效軸」）。這一問答不出來，reviewer 會合理懷疑你的多 metric 整合只是同一個量算了四遍。
為什麼不直接用 MM-PBSA 或 FEP？那才是標準做法。點開看參考答案
答案要分兩段。第一段承認：ΔG 類方法在粗篩層有價值，你並不排斥它們。第二段給機制理由：結合 ΔG 是態函數、不含決定速率的能障，而高保真變體的機制是構形檢查點的動力學——Chen 等人的 ΔREC3 量到切割速率差約 1000 倍而 on-target 親和力接近 WT。把這一問當成展示你懂得比 reviewer 深的機會，不要當成防守。
你怎麼確定分數的差異超過雜訊？點開看參考答案
兩個具體檢查：第一，z 值本身就是以 WT 雜訊為單位的，|z| < 1 直接排除；第二，leave-one-replica-out 重算排序，報 Spearman 的分布。這兩個都不需要新算力，而且能把「顯著嗎」從形容詞變成數字。
你的方向符號依據是什麼？如果反過來，排序會不會剛好變對？點開看參考答案
這一問是在測你有沒有事後翻轉符號。要準備的是機制論證：為什麼在 mismatched 底物上介面接觸下降代表專一性提升。以及一個誠實的補充——雙差設計讓符號問題大幅減輕，因為你比較的是兩個條件之間的差異，而不是單一條件的絕對方向。
10Common Mistakes最常犯的錯
- 把所有 replica 先平均掉再算 metric。 後果：散布消失，誤差棒無從估計，整套框架垮掉。正解：每條 replica 一個值，最後才聚合。
- 用變體之間的散布做無因次化。 後果：分母隨納入哪些變體而變，分數不可比也不可重現。正解：分母用 WT 的跨 replica 標準差。
- 在單一 on-target 條件上比較高保真變體。 後果：全部 null，浪費整輪算力。正解：雙差，兩個底物條件。
- 把 HNH 距離做成一個定量分數放進排序。 後果：那一層的 CV 進不了打分（逐位點距離 38 到 46%），排序不可重現。正解：HNH 距離放機制敘事層，用定性語言講，不給名次。
- 看到排序不符合預期就加一個 metric。 後果：不可逆地污染整套分析，且無法量化污染程度。正解：事前凍結；若真的要改，同時報改前改後。
- 四個相關的 metric 直接等權加總。 後果：共同成分被放大，等於把一個量算了兩次。正解：報相關矩陣，必要時合併。
- 報排序表卻不畫誤差棒。 後果：第一位與第五位可能完全重疊，而讀者無從得知。正解：每個變體的分數都帶 bootstrap 或 σ/√n，畫在主圖上。
- QC 沒過的軌跡給低分而不是剔除。 後果：軌跡品質這個與突變無關的維度混進分數。正解：QC 是二元閘門，不是連續分數。
11Further Reading讀哪幾篇
12Summary三句話
分析要分成三層：QC 層做二元閘門不打分、打分層只收跨 replica CV 低於 10% 的聚合量（BSA、總接觸、target-DNA 接觸、鹽橋）、機制敘事層可以講故事但不進分數。打分公式的形狀是「以 WT 為參考態、用 WT 雜訊尺度無因次化、跨兩個底物條件取雙差」，權重預設等權，任何非等權的選擇都必須寫在事前凍結的規格檔裡。這套框架的可信度不來自 metric 多聰明，而來自分層由資料決定、公式在看到答案之前就鎖死。