如何使用MDAnalysis绘制带颜色梯度的Ramachandran概率密度图

我完全懂你的困扰——满屏同色同大小的点堆在一起，根本没法分辨哪些构象是模拟里更常出现的对吧？别担心，我们可以把原来的散点图改成密度热图，用颜色梯度来表示构象出现的频率，这样就能清晰看到高频区域啦！

第一步：提取Ramachandran数据 #

你已经用MDAnalysis生成了Ramachandran分析结果R，接下来我们需要把所有帧、所有残基的phi和psi角提取出来，整理成适合绘图的一维数组：

# 提取所有phi角（第一列）和psi角（第二列），展平多维数组
phi = R.results.angles[..., 0].flatten()
psi = R.results.angles[..., 1].flatten()

第二步：绘制密度热图（三种方案任选） #

下面给你三种常用的密度绘图方式，你可以根据自己的需求选择：

方案1：直方图式密度图（hist2d）

用hist2d统计每个网格内的点数量，颜色深浅代表频率，适合需要精确数值统计的场景：

import matplotlib.pyplot as plt
import matplotlib.colors as colors

fig, ax = plt.subplots(figsize=plt.figaspect(1))

# 绘制2D直方图，用对数归一化让低频区域也清晰显示
hist = ax.hist2d(phi, psi, bins=100, cmap='viridis', norm=colors.LogNorm())
# 添加颜色条，标注频率
fig.colorbar(hist[3], ax=ax, label='出现频率')

# 设置坐标轴标签和范围（符合Ramachandran图标准）
ax.set_xlabel('Phi (°)')
ax.set_ylabel('Psi (°)')
ax.set_title('Ramachandran密度图（直方图式）')
ax.set_xlim(-180, 180)
ax.set_ylim(-180, 180)

plt.show()

方案2：六边形密度图（hexbin）

用六边形网格统计密度，视觉效果更柔和，比hist2d更美观：

import matplotlib.pyplot as plt
import matplotlib.colors as colors

fig, ax = plt.subplots(figsize=plt.figaspect(1))

# 绘制六边形密度图
hexbin = ax.hexbin(phi, psi, gridsize=100, cmap='viridis', norm=colors.LogNorm())
# 添加颜色条
fig.colorbar(hexbin, ax=ax, label='出现频率')

ax.set_xlabel('Phi (°)')
ax.set_ylabel('Psi (°)')
ax.set_title('Ramachandran密度图（六边形网格）')
ax.set_xlim(-180, 180)
ax.set_ylim(-180, 180)

plt.show()

方案3：核密度估计图（KDE）

用核密度算法平滑密度分布，适合需要展示构象分布趋势的场景，需要先安装seaborn库：

import matplotlib.pyplot as plt
import seaborn as sns

fig, ax = plt.subplots(figsize=plt.figaspect(1))

# 绘制填充式KDE密度图，levels控制等高线数量
sns.kdeplot(x=phi, y=psi, fill=True, cmap='viridis', ax=ax, levels=10)
# 可选：叠加低透明度散点图，保留原始数据痕迹
# sns.scatterplot(x=phi, y=psi, color='white', marker='.', alpha=0.1, ax=ax)

ax.set_xlabel('Phi (°)')
ax.set_ylabel('Psi (°)')
ax.set_title('Ramachandran密度图（KDE平滑）')
ax.set_xlim(-180, 180)
ax.set_ylim(-180, 180)

plt.show()

小提示 #

• 颜色映射（cmap）可以换成你喜欢的，比如plasma、inferno、magma都是不错的选择；
• LogNorm对数归一化能避免高频区域颜色过亮，让低频区域的细节也能展现出来，如果不需要可以去掉；
• 调整bins（hist2d）或gridsize（hexbin）的数值，可以控制密度图的精细程度。

备注：内容来源于stack exchange，提问作者Fernando Oliveir Tytor