評判數據標準的指標

也許是歷史傳統的問題， Rint （Rsym，Rmerge）被選中了作為評判數據標準的指標。甚至在很多不是很專業的書里，學生們都被告知Rint 需要低于多少，I/σ高于多少才能表示數據可用。于是乎，這些數值變成了評判數據質量所謂的金標準。可是當提問Rint 是什么意義時，跟什么因素相關時，大多數同學卻卡在了那里?？赡躌int在大多數同學眼里就是個發表文章的門檻數值，具體是什么意義已經不再重要。不然就不會有那么多同學追問著怎么把Rint修下去，或者解決掉所謂的“錯誤"。

誠然Rint本身的意義并不復雜。它的公式也看起來一目了然，表示著合并等效衍射點之間的誤差。Rint值越低，通常表示著數據的精度越高。然而這是有一定的前提條件的。Rint實際上并不是一個很好的評判數據質量的指標。畢竟絕大多數數據都是通過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字對結構精修并無意義，反而會導致精修的結果失真。甚至一些數據處理的軟件會去迎合同學們的這種“追求"，去“美顏"數據，讓大家“喜聞樂見"，然而有時掉進了坑里，卻渾然不知。Rint同時也受到數據收集的多重度的影響。過低的多重度，會讓衍射點沒有其它等效點可以進行比較，自然Rint就會很低，甚至接近于0，然而卻毫無意義（結構甚至都無法解析）。而高多重度的數據，由公式決定了Rint自然會升高，反而成了大家不喜歡看到的數值。但是不管怎么解釋，很多同學仍然不以為然，原因只是Checkcif不檢查多重度，但是對Rint卻有“嚴格"的門檻（而實際上大多數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，自然得到的數值會大有不同。調高I/σ自然也是大家喜聞樂見的事情，比如故意降低σ，刪除更多的衍射點也會讓I/σ看起來更高。然而這些美顏的數據，對結構精修卻毫無意義。

對于多重度對Rint的影響，Rmeas解決了這個問題，所以對于蛋白晶體學傾向于用Rmeas。此外現在還有CC1/2 來表征數據質量。不過在化學晶體學界似乎對這兩個數值并不感冒。也許是通常衍射太強，不需要更寬松的指標。這些指標在APEX4里都能輕松看到。
實例分析

比如前兩天講座的時候提到的一個數據，大家投票的結果在意料之中。超過一半的同學都認為質量更高的數據是A。如果這是不同的數據還情有可原，然而這是同一套數據，同樣的結構模型?；蛟S是顏色的誤導，讓同學們失去了基本的判斷力。A為什么會看起來更好看，因為Reject了很多數據。完整度表觀上只下降了2%，而實際上卻高達30%的數據被reject，Multiplicity極大的下降。保留下來的衍射點自然站在了一邊，雖然看起來更精確，卻丟失了準確。自然結構精修的結果就會反過來打臉。追求某些數字，對結構解析和精修本身毫無意義。結構精修的質量作為評判數據質量的指標才更加合理。比如R1，健長的精度，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，有時候會遇到一些看起來數值質量很高，卻怎么也精修不好的數據。比如有嚴重的無序，莫名的Q峰。這時候專注于結構精修，會百思不得其解。從衍射圖上才會發現更多的端倪。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上其實發覺不了任何問題。因為單晶的數據還原并不是還原的所有的信息，而是通過晶胞截選而來。而很多時候，“晶胞"不能反映衍射的全部信息，自然會丟掉很多原本的衍射細節。比如很多Smear的信號，Modulation的信號，衍射點形狀的信號。這些信息都不會在hkl文件中體現。普通的結構精修自然也無法全部的反映晶體的實際狀況。

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

結論

所以數據質量的評估，從來都不是單個指標，固定的標準。從衍射圖到數據處理，到結構精修，每一步的細節都在告訴著我們的數據可能出現的問題。真實的數據才會有真實的結構，刻意為了迎合某些死板的標準，不惜去“美顏"甚至偽造數據，也就背離了科學研究。

-轉載于《布魯克X射線部門》公眾號