UniRef/BFD/Uniclust30/MGnify（MSA 库）

内容与规模

结构预测靠多序列比对提取共进化信号，MSA 库就是被搜索的序列底座。AlphaFold2 用 UniRef90 v2020_01、BFD、Uniclust30 v2018_08、MGnify v2018_12 [1]；AlphaFold3 同用 UniRef90、Uniclust30、MGnify、BFD，另加 Rfam 14.9、RNAcentral 21.0 和 NCBI nt [2]。UniRef100/90/50 实测分别为 2.21 亿 / 1.21 亿 / 3,884 万簇 [3]。

格式与 license

序列聚类库（FASTA/HMM 数据库），上游为 UniProt、MGnify 等公共库；各库条款不一，未逐库核。

哪些模型拿它训练或评测

AF2/AF3 既用作 MSA 输入，也用于蒸馏集构建（AF2 自蒸馏用 355,993 条 Uniclust30 序列）；OpenFold / OpenFold3 preview 含 MGnify 长单体蒸馏。

已知偏差与泄漏

这些是公共库在某一日期的快照，版本决定可复现性；孤儿蛋白和设计蛋白的 MSA 很浅，模型表现下降。

来源

1. https://pmc.ncbi.nlm.nih.gov/articles/PMC8371605/ (2026-10-15)
2. https://pmc.ncbi.nlm.nih.gov/articles/PMC11168924/ (2026-10-15)
3. https://rest.uniprot.org/uniprotkb/search?query=reviewed:true&size=1 (实测)