同源建模（Homology Modeling / Comparative Modeling）基於蛋白質演化的核心觀察：三維結構在演化中比序列更為保守（Chothia & Lesk, 1986）。當目標序列與模板序列一致度 > 30% 時，主鏈 RMSD 通常 < 2 Å，提供足以進行功能推論和藥物設計的結構資訊。
方法論框架
- 模板辨識與選擇：PSI-BLAST（Altschul et al., 1997）和 profile-profile 比對法（HHpred, Söding, 2005）可偵測遠緣同源性。模板選擇考慮序列一致度、解析度、覆蓋率和實驗方法。
- 目標-模板比對：比對品質是建模精度的最大瓶頸，尤其在 twilight zone（20–30% 一致度）。多模板比對和疊代比對策略（如 HHblits）可提高準確度。
- 骨架生成：以滿足空間限制（spatial restraints）的方式建構模型——MODELLER（Šali & Blundell, 1993）從比對中提取距離和二面角限制，以共軛梯度法和模擬退火優化目標函數。
- 環區建模：缺乏模板的環區（loop region）以 ab initio 方法或片段組裝法建構，通常是同源模型中誤差最大的區域。
- 側鏈建模：SCWRL4（Krivov et al., 2009）以旋轉異構體圖求解最優側鏈構象。
品質驗證
統計勢能評分（DOPE, Shen & Šali, 2006）、全原子接觸分析（MolProbity, Chen et al., 2010）和 Ramachandran outlier 比例是標準驗證指標。CAMEO（Continuous Automated Model EvaluatiOn）提供持續性的盲測評估。
與深度學習方法的關係
AlphaFold2（Jumper et al., 2021）在 CASP14 的自由建模目標上達到前所未有的精度，使傳統同源建模在高同源性區間的優勢縮減。然而，同源建模在以下場景仍有價值：（1）需要特定配體結合構象時（AlphaFold 預測的是 apo 構象）；（2）計算資源受限的高通量建模；（3）模型可解釋性需求——限制式建模的每一步都可追溯。SWISS-MODEL（Waterhouse et al., 2018）已整合 AlphaFold 結構作為備選模板，形成混合式工作流。