評(píng)判數(shù)據(jù)標(biāo)準(zhǔn)的指標(biāo)

也許是歷史傳統(tǒng)的問題， Rint （Rsym，Rmerge）被選中了作為評(píng)判數(shù)據(jù)標(biāo)準(zhǔn)的指標(biāo)。甚至在很多不是很專業(yè)的書里，學(xué)生們都被告知Rint 需要低于多少，I/σ高于多少才能表示數(shù)據(jù)可用。于是乎，這些數(shù)值變成了評(píng)判數(shù)據(jù)質(zhì)量所謂的金標(biāo)準(zhǔn)。可是當(dāng)提問Rint 是什么意義時(shí)，跟什么因素相關(guān)時(shí)，大多數(shù)同學(xué)卻卡在了那里。可能Rint在大多數(shù)同學(xué)眼里就是個(gè)發(fā)表文章的門檻數(shù)值，具體是什么意義已經(jīng)不再重要。不然就不會(huì)有那么多同學(xué)追問著怎么把Rint修下去，或者解決掉所謂的“錯(cuò)誤"。

誠(chéng)然Rint本身的意義并不復(fù)雜。它的公式也看起來一目了然，表示著合并等效衍射點(diǎn)之間的誤差。Rint值越低，通常表示著數(shù)據(jù)的精度越高。然而這是有一定的前提條件的。Rint實(shí)際上并不是一個(gè)很好的評(píng)判數(shù)據(jù)質(zhì)量的指標(biāo)。畢竟絕大多數(shù)數(shù)據(jù)都是通過Scale校正獲得。過度的Fitting，以及刻意排除太多的衍射點(diǎn)都可以獲得人為的更低的Rint(以及更高的I/σ)。而這些刻意追求的數(shù)字對(duì)結(jié)構(gòu)精修并無意義，反而會(huì)導(dǎo)致精修的結(jié)果失真。甚至一些數(shù)據(jù)處理的軟件會(huì)去迎合同學(xué)們的這種“追求"，去“美顏"數(shù)據(jù)，讓大家“喜聞樂見"，然而有時(shí)掉進(jìn)了坑里，卻渾然不知。Rint同時(shí)也受到數(shù)據(jù)收集的多重度的影響。過低的多重度，會(huì)讓衍射點(diǎn)沒有其它等效點(diǎn)可以進(jìn)行比較，自然Rint就會(huì)很低，甚至接近于0，然而卻毫無意義（結(jié)構(gòu)甚至都無法解析）。而高多重度的數(shù)據(jù)，由公式?jīng)Q定了Rint自然會(huì)升高，反而成了大家不喜歡看到的數(shù)值。但是不管怎么解釋，很多同學(xué)仍然不以為然，原因只是Checkcif不檢查多重度，但是對(duì)Rint卻有“嚴(yán)格"的門檻（而實(shí)際上大多數(shù)Rint高的問題是分辨率的問題）。同樣的I/σ也是一樣，不同的誤差模型的算法，自然得到的數(shù)值會(huì)大有不同。調(diào)高I/σ自然也是大家喜聞樂見的事情，比如故意降低σ，刪除更多的衍射點(diǎn)也會(huì)讓I/σ看起來更高。然而這些美顏的數(shù)據(jù)，對(duì)結(jié)構(gòu)精修卻毫無意義。

對(duì)于多重度對(duì)Rint的影響，Rmeas解決了這個(gè)問題，所以對(duì)于蛋白晶體學(xué)傾向于用Rmeas。此外現(xiàn)在還有CC1/2 來表征數(shù)據(jù)質(zhì)量。不過在化學(xué)晶體學(xué)界似乎對(duì)這兩個(gè)數(shù)值并不感冒。也許是通常衍射太強(qiáng)，不需要更寬松的指標(biāo)。這些指標(biāo)在APEX4里都能輕松看到。
實(shí)例分析

比如前兩天講座的時(shí)候提到的一個(gè)數(shù)據(jù)，大家投票的結(jié)果在意料之中。超過一半的同學(xué)都認(rèn)為質(zhì)量更高的數(shù)據(jù)是A。如果這是不同的數(shù)據(jù)還情有可原，然而這是同一套數(shù)據(jù)，同樣的結(jié)構(gòu)模型。或許是顏色的誤導(dǎo)，讓同學(xué)們失去了基本的判斷力。A為什么會(huì)看起來更好看，因?yàn)镽eject了很多數(shù)據(jù)。完整度表觀上只下降了2%，而實(shí)際上卻高達(dá)30%的數(shù)據(jù)被reject，Multiplicity極大的下降。保留下來的衍射點(diǎn)自然站在了一邊，雖然看起來更精確，卻丟失了準(zhǔn)確。自然結(jié)構(gòu)精修的結(jié)果就會(huì)反過來打臉。追求某些數(shù)字，對(duì)結(jié)構(gòu)解析和精修本身毫無意義。結(jié)構(gòu)精修的質(zhì)量作為評(píng)判數(shù)據(jù)質(zhì)量的指標(biāo)才更加合理。比如R1，健長(zhǎng)的精度，殘余的電子峰等。

▲圖1  Better Data Quality A or B？

除了軟件處理造成的假象，有時(shí)候會(huì)遇到一些看起來數(shù)值質(zhì)量很高，卻怎么也精修不好的數(shù)據(jù)。比如有嚴(yán)重的無序，莫名的Q峰。這時(shí)候?qū)Ｗ⒂诮Y(jié)構(gòu)精修，會(huì)百思不得其解。從衍射圖上才會(huì)發(fā)現(xiàn)更多的端倪。孿晶自然不需要多做解釋，而另外一些問題則更加的隱蔽，單純從hkl上其實(shí)發(fā)覺不了任何問題。因?yàn)閱尉У臄?shù)據(jù)還原并不是還原的所有的信息，而是通過晶胞截選而來。而很多時(shí)候，“晶胞"不能反映衍射的全部信息，自然會(huì)丟掉很多原本的衍射細(xì)節(jié)。比如很多Smear的信號(hào)，Modulation的信號(hào)，衍射點(diǎn)形狀的信號(hào)。這些信息都不會(huì)在hkl文件中體現(xiàn)。普通的結(jié)構(gòu)精修自然也無法全部的反映晶體的實(shí)際狀況。

▲圖2 丟失的衍射信息 A，衍射點(diǎn)間的彌散信號(hào) B，衍射的背景彌散，C，Modulation (Precession Image)

結(jié)論

所以數(shù)據(jù)質(zhì)量的評(píng)估，從來都不是單個(gè)指標(biāo)，固定的標(biāo)準(zhǔn)。從衍射圖到數(shù)據(jù)處理，到結(jié)構(gòu)精修，每一步的細(xì)節(jié)都在告訴著我們的數(shù)據(jù)可能出現(xiàn)的問題。真實(shí)的數(shù)據(jù)才會(huì)有真實(shí)的結(jié)構(gòu)，刻意為了迎合某些死板的標(biāo)準(zhǔn)，不惜去“美顏"甚至偽造數(shù)據(jù)，也就背離了科學(xué)研究。

-轉(zhuǎn)載于《布魯克X射線部門》公眾號(hào)