一小段螺旋为什么值得单独研究
羊毛纤维受力时能够伸长，细胞里的蛋白质能够把某些分子夹在特定位置，一条人工多肽也可能在环境改变后从松散链段变成较规则的结构。这些现象并不都由同一种机制决定，却共同提醒我们：蛋白质不是只有化学组成的材料，它的局部形状也会参与承力、识别和组装。α螺旋就是一种常见的局部形状。链沿轴方向盘旋，主链上的基团形成有规律的接触，使一段原本能够采用许多姿势的链偏向一组相近结构。研究这一小段螺旋，可以先把复杂蛋白质折叠中的一个问题讲透：相邻单元为什么会一起改变状态？
把一条链看成由许多个小铰链连接的带子，有助于理解它的可变性。每个铰链都能转动时，整条带子有许多姿势；若相邻几段必须以合适角度排成一圈，它们的选择就受到共同限制。第一圈形成后，接下来的单元可以沿已经建立的几何关系继续排列。于是“从没有螺旋开始一段螺旋”和“给已有螺旋再接上一点”并不是同一件事。这种邻近状态会影响下一步统计偏好的现象，称为协同性。
协同性并不意味着整条链像一支队伍接受了统一命令，也不要求每个残基在同一瞬间转身。分子始终处于热运动中，螺旋段可以出现、延长、缩短或分裂。我们通常测到的是许多分子和许多时刻形成的平均结果。若平均螺旋含量在很小的温度范围内变化明显，背后可能是不同状态的概率重新分配，而不是每条链都经过同一条整齐的路线。统计理论的用途，就在于把这种看似杂乱的状态集合与稳定可测的曲线连接起来。
这一思路也适合材料问题。若一种含肽链的材料通过螺旋段形成连接点，改变温度、酸碱度或盐浓度可能影响连接点的数量与寿命，继而改变材料的流动和回复。若一个识别片段需要保持螺旋才能展示合适侧链，局部螺旋的稳定性又会影响它与其他分子的接触。完整材料还涉及链间作用、网络和溶剂，但先弄清单链局部结构的统计规律，可以把后面的问题建立在明确的分子图景上。
从化学几何走到α螺旋
多肽主链由重复的氮、α碳和羰基碳等原子连接而成，氨基酸侧链从α碳伸出。肽键是羰基碳与氮之间的酰胺连接，由于电子分布的关系，肽基通常接近平面，绕肽键的自由转动受到较强限制。α碳两侧的其他主链键仍能转动，不过不同转角会让原子靠近或远离，某些姿势会发生空间拥挤。因而一个残基能够选择的姿势不是任意方向，也不是只有“伸直”和“卷起”两种，而是在化学约束下分布于许多构象区域。
Pauling、Corey与Branson在1951年的研究从这些具体几何限制出发构建螺旋模型。他们把小分子结构中得到的键长、键角和酰胺平面性带入长链，并要求适合形成氢键的基团能够按合理方向相遇。重要的一步是允许一圈包含非整数个残基：分子可以旋转一圈又继续向前，并不需要在每圈结束时恰好落在整数刻度。这个例子说明，直觉上整齐的画法有时会过度限制模型，真正需要满足的是原子之间的几何与化学关系。
常见α螺旋每圈约有3.6个残基，每个残基沿轴前进约0.15纳米。主链第i个残基的羰基氧通常与第i＋4个残基的N—H形成氢键；i只是沿序列编号的整数，i＋4表示往后数四个残基。氢键不是连接主链的共价肽键，而是特定基团在合适距离和方向上形成的较弱相互作用。L型氨基酸构成的蛋白质中，常见α螺旋为右手螺旋，侧链主要朝外伸出。图中画出的规则螺旋，是帮助理解结构的平均几何，真实分子仍然会振动和弯曲。
螺旋端部与内部并不等价。靠近端点的部分基团没有足够的后续或前序残基形成完整的内部氢键网络，可能由水或特定侧链提供不同接触。这也是端部容易出现松动、某些封端结构能影响稳定性的原因之一。对一条很短的肽链，端部所占比例很大，不能把长螺旋中间的规律直接套到全部位置。稍后讨论有限长度模型时，这个看似小小的几何差异会再次出现，并影响螺旋含量随参数变化的曲线。
形成接触的收益，限制姿势的代价
为什么氢键能够形成，链却不总是全部卷成螺旋？原因在于我们比较的是两种处于溶剂中的状态。线团中的羰基和N—H也可以与水相互作用，形成内部氢键时，原有水合关系需要重新安排。与此同时，线团可以采用许多不同姿势，进入较规则的螺旋区域会减少主链的构象选择。某些接触有利于螺旋，姿势数量的减少则倾向于支持线团。只有把链与周围环境一起比较，才能判断哪一类状态在给定条件下更常出现。
热力学用自由能把这些效应放到同一尺度上。焓变化描述包括分子接触和水合在内的能量变化，熵变化反映可实现状态及其分布的变化；温度把熵的作用换成与能量相同的单位。这里的熵不只是日常语言里的“凌乱程度”。如果一个链段在两种状态下看起来同样弯曲，却分别拥有十种与一万种可访问姿势，它们的统计情况就很不同。形状照片只有一幅，熵关心的却是与这种宏观描述相容的许多微观可能性。
为描述已有螺旋的延长，可以引入传播参数s。它比较一个有效单元加入螺旋与保留在线团统计背景中的相对权重。s大于1表示延长较有利，小于1表示较不利，等于1表示这两种局部选择的权重相当。另用σ描述开始一个新螺旋段的额外代价，通常取零到一之间的正数。σ越小，孤立地重新开始一段螺旋受到的抑制越强。它们是相对统计权重，不是直接的百分比；要变成概率，还要把其他所有可能状态一起计入。
| 符号 | 含义 | 单位 |
|---|---|---|
| ΔGp, ΔHp | 传播过程的摩尔自由能差与焓差 | kJ mol⁻¹ |
| ΔSp | 传播过程的摩尔熵差 | kJ mol⁻¹ K⁻¹ |
| ΔGi | 开始一个新H段的额外摩尔自由能代价 | kJ mol⁻¹ |
| T | 绝对温度，摄氏温度加273.15 | K |
| R | 气体常数，取0.008314 | kJ mol⁻¹ K⁻¹ |
| s, σ | 传播权重与开始新段的额外权重 | 1 |
| exp(x) | 自然指数e的x次方，e约为2.718；这里x是自由能与RT之比的负值 | — |
怎样理解自由能差已经合并能量与状态数量的影响。除以RT把摩尔能量变成无量纲数，指数关系使更低自由能获得更高相对权重。传播与开始新段分别计入不同代价。
算一个例子T＝300 K，ΔHp＝−4 kJ mol⁻¹，ΔSp＝−0.010 kJ mol⁻¹ K⁻¹，得到ΔGp＝−1 kJ mol⁻¹，s＝exp(1/2.4942)≈1.493。若额外开始代价约11.49 kJ mol⁻¹，则σ≈0.010。
使用条件有效平衡参数相对于所定义的线团参考态，包含溶剂与构象贡献；它们不是单个氢键能量，也没有给出动力学速率。
一个数字例子可以看清符号方向。若300开尔文时，传播过程的摩尔焓变为负4千焦、摩尔熵变为负10焦每开尔文，那么熵减少带来的自由能代价为3千焦每摩尔，总传播自由能仍为负1千焦每摩尔，因此s大于1。温度升高时，这个例子中的熵代价增加，传播会变得较不有利。真实体系的焓和熵也可能随温度变化，溶剂与侧链会影响趋势，所以不把这个算例推广成所有多肽的唯一温度响应。
还要区分两种不同的“难”：一种是形成新螺旋段后的平衡统计代价，另一种是到达该状态之前需要跨越的动力学障碍。σ属于前一种描述，它帮助决定平衡时有多少螺旋段；它本身没有时间单位，不能直接给出成核需要多少秒。要知道反应快慢，需要额外的速率或自由能障碍信息。把这两件事分开，后面就不会因为某种结构在平衡时很少见，便断定它一定形成得慢，或因为结构稳定就断定它一定形成得快。
给每一种排列分配权重
Zimm与Bragg在1959年的理论把螺旋传播与开始新段的代价分开处理，说明少数参数怎样产生明显的协同转变。为了逐步学会这个方法，先建立一个两状态链模型：把N个有效位置中的每个标记为H或C，分别表示螺旋样与线团样局部状态。H是粗粒化标签，单个H并不等于一个残基已经独自形成完整α螺旋。真实的数个残基几何限制被折合进有效参数；若要逐个描述主链转角和氢键，需要更细的状态模型。
在这条符号链中，连续的H构成一段。排列CCHHHCC只有一个H段，CHCHHCC有两个H段，尽管两者都含三个H。若每个H贡献传播因子s，每个新H段再贡献因子σ，就可以给整种排列计算一个权重。相同螺旋单元数但分成更多小段的排列，会多付出开始新段的代价。σ较小时，模型因此更偏向把H聚成较长连续段，而不是分散成许多孤立位置；这种邻近相关性就是协同性的一种具体表达。
| 符号 | 含义 | 单位 |
|---|---|---|
| a | 某一种H/C排列 | — |
| Ω | 长度N的全部H/C排列的集合 | — |
| m(a) | 排列a中的H位置数 | 1 |
| r(a) | 排列a中的连续H段数 | 1 |
| s, σ | 每个H的传播因子与每个新段的额外因子 | 1 |
| w(a), Z | 排列a的权重与全部排列的权重总和 | 1 |
| P(a) | 排列a的归一化概率 | 1 |
| Σ, ∈ | 求和符号与属于：逐一遍历Ω中的排列后相加 | — |
怎样理解每个H提供一个s，每段提供一个σ，所以重复相乘形成两个幂。不同排列是可替代的可能性，要相加；除以总和使所有概率相加等于1。
算一个例子CCHHHCC有m＝3、r＝1，权重σs³；CHCHHCC有m＝3、r＝2，权重σ²s³。取σ＝0.1，前者权重是后者的10倍，尽管H总数相同。
使用条件本章采用均匀两状态有效链，线团位置的参考权重为1，允许任意长度H段；标签不逐一代表完整氢键几何。
权重需要归一化才能成为概率。可以把它想成一场抽签：每种排列按自己的权重分到不同数量的票，所有票的总数就是配分函数Z，某种排列占总票数的比例就是它被抽到的概率。真实权重可以是小数，这个比喻只是帮助理解相对份额。配分函数并没有增加新的物理作用，它把已有的全部可能性汇总起来。若漏掉一类排列，总票数就不完整，得到的概率也会随之出错。
只有三个位置时，可以手工检查全部八种排列。CCC的权重为1；HCC、CHC、CCH各为σs；HHC、CHH各为σs²；HCH为σ²s²；HHH为σs³。取s＝1、σ＝0.1，总权重为1.61。此时全线团占有较大概率，单个连续H段的不同位置也各占一部分，而把两个H分隔开的HCH只得到0.01的权重。这个小例子不代表三个真实氨基酸足以形成稳定完整α螺旋，它展示的是如何不遗漏地统计一个定义清楚的模型。
这里容易混淆“某种排列的权重”和“某类状态的总份额”。单个全螺旋排列的权重可能很大，线团较多的排列却有很多种，它们合起来仍可能占据相当比例。就像一个大袋子里的单张票不一定最多，但许多小袋子合起来可以拥有更多票。能量偏好与状态数共同决定结果，统计力学正是通过求和把这两种作用放在一起。这个逻辑也解释了为什么只比较一幅全螺旋图和一幅全线团图，往往不足以描述整个转变。
把全线团的权重设为1，是选择比较的基准，并不是宣布线团没有能量或没有内部结构。线团区域中许多允许的姿势，以及它们与溶剂的关系，已经包含在参考态和有效参数中。同样，本模型把每段的开始代价集中记为一个σ，没有给左右两侧另加相同的边界因子。不同理论可能采用不同的状态定义和端部约定，比较参数时必须先比较定义。两个模型使用相同字母，并不保证它们的数值可以直接互换。
从许多排列算出平均螺旋含量
实验常问的是“有多少比例处于螺旋样状态”，而不是某一条符号排列的概率。对每种排列，先数出其中H的个数，再乘以该排列出现的概率，最后把所有乘积相加，就得到平均H数。再除以总位置数，得到平均螺旋含量。这个操作称为加权平均：常见的排列贡献较多，罕见的排列贡献较少，概率已经说明该给每种结构多少分量。平均值可以不是整数，因为它描述一群链或一条链经过许多变化后的统计结果。
| 符号 | 含义 | 单位 |
|---|---|---|
| θ | 平均H位置比例 | 1 |
| ⟨m⟩ | 按所有排列概率计算的平均H数，尖括号表示平均 | 1 |
| N | 链中的有效位置总数 | 1 |
| a, Ω | 一个排列与全部排列的集合 | — |
| P(a), m(a) | 该排列的概率与H数 | 1 |
| Σ | 把所有排列的概率乘H数后相加 | — |
怎样理解平均值应让常见排列贡献更多，因此用概率乘每种排列的H数。再除以总位置数，得到零到一之间的含量。
算一个例子N＝3、s＝1、σ＝0.1时，总权重Z＝1.61，未归一化的加权H总数为1.02。因此θ＝1.02/(1.61×3)≈0.2112，即21.12%。
使用条件这是本模型的平衡平均。将其与实验螺旋含量比较时，需要定义标签怎样对应结构与测量信号。
在刚才三个位置的例子中，三种单H排列共贡献0.30的加权H数，两个相邻H的两种排列共贡献0.40，分开的HCH贡献0.02，HHH贡献0.30。总计1.02，再除以总权重1.61和三个位置，平均螺旋样比例约为21.1%。这不表示每条链上有0.633个半成形的H，也不表示某个原子被切成了小数份；它表示不同整数状态按概率混合后得到这个平均量。
平均螺旋含量相同的体系，还可以有不同的结构组织。一条链可能多半时间处于全线团，少数时间出现一个长螺旋；另一条链可能一直带着几个短螺旋段。若只测平均含量，两者的信号有可能接近，但局部柔性、端部数量和与其他分子接触的方式不同。因此，模型还可以统计平均H段数、段长分布以及每个位置处于H的概率。数学不是为了增加输出名词，而是为了回答不同实验所关心的结构差别。
当链变长，逐一列出全部排列就不方便了。十个位置已有一千零二十四种，二十个位置超过一百万种。这里每增加一个位置都有H或C两种选择，所以可能性成倍增加。不过本模型的下一步权重只需要知道前一步是否已经处在H段中，不必保留整条历史。于是可以把所有以C结尾的排列先汇总为一类，所有以H结尾的汇总为另一类，再沿链逐步更新。这就是递推：把一个大问题拆成一系列规则相同的小更新。
| 符号 | 含义 | 单位 |
|---|---|---|
| n, N | 当前长度与目标长度 | 1 |
| Cn, Hn | 长度n、分别以C或H结尾的所有排列权重总和 | 1 |
| s, σ | 传播与开始新H段的相对权重 | 1 |
| ZN | 目标长度N的配分函数 | 1 |
怎样理解C可接在任意结尾后，故直接合并。H接在C后开始新段，乘σs；接在H后继续传播，乘s。初始设C0＝1、H0＝0，把空链当作尚无H段的参考。
算一个例子取s＝1、σ＝0.1：第一步(C1,H1)＝(1,0.1)，第二步为(1.1,0.2)，第三步为(1.3,0.31)，于是Z3＝1.61，与列出八种排列得到的结果相同。
使用条件严格对应本章定义的均匀两状态开放链；不同边界、位置依赖或更长程相互作用需要相应增加状态或修改权重。
递推中的加号表示不同来源的排列都要纳入，乘号表示给新增选择附上它的权重。新位置若是C，可以接在任何旧结尾后面；若是H，接在C后面要开始新段，付出σs，接在H后面只需继续传播，付出s。这个算法完全保留了我们定义的两状态模型统计，并不是随机挑出少数结构作替代。它也让链长成为容易比较的变量：在同一组局部参数下，短链与长链为何表现不同，可以直接从端部影响和新段代价的相对份额看出来。
协同性怎样改变曲线，链长又怎样改变答案
设想把传播参数s缓慢调大，相当于逐步让已有螺旋的延长变得更有利。若σ＝1，开始新段没有额外代价，每个有效位置的选择可以独立进行，螺旋含量随s平缓增加。若σ很小，链不愿意反复开始许多短段；在传播还不够有利时，线团占据较大份额，一旦延长收益足以补偿开始代价，较长H段便迅速增加，曲线显得更陡。协同性不是把某个位置单独变得极强，而是让相邻状态之间出现相关。
足够长且各位置等价的链有一个简洁表达式，能够直接显示传播参数与成核参数的作用。在这个长链极限中，s＝1对应平均一半螺旋样位置；σ越小，附近的变化越集中。这里的“极限”表示端部影响相对于整条链足够小，并不意味着任何几十个位置的短链都可以照搬。对有限长度链，开始新段的代价在总账中仍然明显，达到一半含量的位置往往会偏移，端部也会使平均含量下降。
| 符号 | 含义 | 单位 |
|---|---|---|
| θ∞ | 端部影响可忽略时的平均H比例；∞表示长链极限 | 1 |
| s, σ | 传播参数与开始新段参数 | 1 |
| √ | 平方根，把括号内量的平方尺度还原 | — |
怎样理解将两类结尾的递推写成线性更新后，长链总权重由增长最快的组合控制。对该增长因子中s的变化计数，可得平均H比例；分母中的σ使有限开始代价下的转变保持平滑。
算一个例子s＝1时分子s−1为零，因此θ∞＝1/2。取σ＝0.01，s＝0.8得到θ∞≈12.73%，s＝1.2得到约83.71%。
使用条件均匀、正σ、端部影响足够小的长链极限。短链应使用有限长度递推，特别是σ很小时，所需长链尺度会增大。
实线为当前有限链，虚线为长链极限；圆点对应当前s。H段数为概率平均，可以不是整数。
改变链长、传播偏好与开始新段的代价，比较有限链平均含量、段数及长链近似。
先保持s不变，改变链长，能看到相同局部化学偏好如何产生不同总体比例；再保持链长不变，降低σ，能看到形成新段的抑制怎样影响含量与段数。交互显示的是有限链的递推结果，曲线上的每一点都重新计算全部排列的统计总和。可以特别比较s＝1时的短链与较长链：短链未必正好一半螺旋，随着长度增加才逐渐接近长链关系。平均H段数也会帮助区分“更少但更长的结构段”与“许多短结构段”。
曲线陡峭并不自动意味着出现了与大量水结冰完全相同的宏观相变。有限链具有有限数目的状态，概率随参数连续改变；在这个短程、正σ的一维模型中，协同交叉可以非常明显，却没有在某个普通有限参数处凭空出现数学不连续。把这种差别说清楚，不会削弱模型的用途。恰恰相反，它帮助我们选择正确问题：实验需要的是转变位置、宽度和链长依赖，还是宏观两相共存与临界行为？不同问题需要不同层次的模型。
较小σ还不意味着任何环境下都会有更多螺旋。它首先抑制的是新段的出现；在固定s与有限N下，这种抑制可能降低总体含量，同时让已有螺旋更集中。只有把传播偏好、开始代价和链长放在一起，才能解释曲线。实际比较两种肽时，如果同时改变了侧链组成和长度，就可能同时改变s、σ与端部效应。设计有层次的对照，逐项改变条件，比仅按一条曲线更陡就给出“更稳定”的笼统判断更有信息。
把光谱与热量变成结构问题
圆二色谱常用于观察多肽的螺旋变化。光可以具有左旋或右旋的圆偏振，两种偏振经过具有手性结构的样品时，吸收程度可能不同；仪器测量这种差异随波长的变化。α螺旋在远紫外区域具有常见的谱形特征，包括约208与222纳米附近的负信号。这里的负号来自仪器定义的两种吸收之差，不表示样品发出了负能量。将光谱按浓度、光程和残基数进行合适归一化后，才能比较不同样品与条件。
下面的信号采用平均残基椭圆率：把圆二色测量转成描述偏振光椭圆程度的角度量，再按光程和残基浓度归一化。因此，单位中的deg表示度，cm²来自所采用的光程与浓度单位组合，dmol表示十分之一摩尔的残基，而不是毫摩尔。它计量的是归一化光学响应，并非螺旋本身绕了多少度。同一蛋白质多测一点、光程变长一点，原始信号会变大；正确归一化后，才更适合比较结构比例。
若一个分析区间主要由螺旋样与线团样两类贡献组成，可以先把观测信号近似为两类参考信号的加权和。这个步骤与前面的概率平均是同一个逻辑：有多少比例处在某类状态，就带来相应比例的信号。参考信号本身可能随温度、链长和溶液条件变化，因此需要使用匹配基线。若还有β结构、聚集或明显散射参与，就要扩展信号模型，让更多可区分的结构贡献进入解释。
| 符号 | 含义 | 单位 |
|---|---|---|
| Sobs | 实测平均残基圆二色信号 | deg cm² dmol⁻¹ |
| SC, SH | 同条件下线团样与螺旋样参考信号 | deg cm² dmol⁻¹ |
| θ | 由两类信号混合模型估计的螺旋比例 | 1 |
怎样理解两种结构各按其比例贡献光学信号，比例总和为1。减去线团基线后，剩余信号占完整基线差的比例即为θ。
算一个例子若SC＝−1000、SH＝−35000、Sobs＝−18000，三者使用同一单位，则θ＝(−18000＋1000)/(−35000＋1000)＝0.50。两个负差相除得到正比例。
使用条件两类贡献线性混合且基线匹配的近似；波长、链长、温度与背景均须一致。其他结构、聚集或散射需加入观察模型。
Scholtz等人在1991年对不同长度丙氨酸基多肽的研究提供了一个有用范例：保持序列设计之间的关系，再比较长度变化下的热展开曲线，把实验与螺旋—线团理论连接。同年的量热研究则从吸收或释放的热量约束螺旋形成的焓变。光谱关心结构相关信号，量热关心热效应，两种测量互相补充，比只用一条曲线自由调整多个参数更容易形成可靠解释。
平均螺旋含量还无法直接告诉我们哪几个残基形成螺旋。核磁共振可以提供更局部的化学环境与接触信息，红外光谱关注主链振动，散射与其他结构方法则提供不同尺度的约束。选择测量时，可以先写清要分开的两个假设：是全链一起改变，还是端部逐渐松动；是单链内部转变，还是多条链聚在一起；是结构变化，还是样品浓度或光学背景变化。围绕假设选信号，模型参数才会对应具体的分子问题。
加热和冷却曲线也值得放在一起看。如果二者能够在足够等待后重合，平衡统计解释更容易成立；若明显依赖扫描速度或出现不可逆变化，就需要考察慢过程、聚集或其他化学变化。这里不是给样品贴上“符合”或“不符合”的标签，而是让测量时间与分子变化时间相匹配。一个系统可以在某段温度范围内接近平衡，在另一段范围内被缓慢过程限制，解释也应随实际过程改变。
相同的平衡比例，可以用不同速度到达
平衡曲线告诉我们等待充分后各状态占多少，动力学则问从旧分布变成新分布需要多久。假设快速改变温度，环境已经进入新状态，多肽的构象分布却来不及立即完成调整，就会在随后时间里逐渐靠近新的平均值。用足够快的光谱记录这个过程，可以把“结构最终变了多少”与“怎样变过去”分开。若扰动很小、一个主要松弛过程占主导，观测信号常可以用单指数形式描述。
| 符号 | 含义 | 单位 |
|---|---|---|
| X(t), X(0), Xeq | 时刻t、起始与最终平衡的观测量；算例采用螺旋比例 | 1 |
| t, τ | 经过时间与松弛时间 | μs |
| exp | 自然指数函数；t/τ为无量纲时间比 | — |
怎样理解若偏离最终值越大，单位时间消去的偏离也成正比，则剩余偏离按指数衰减。t＝τ时指数为−1，剩余比例约0.368。
算一个例子起始螺旋比例0.60，最终0.50，τ＝10 μs。10 μs后X＝0.50＋0.10×0.3679≈0.5368；20 μs后约0.5135。
使用条件一个主要松弛模式占主导时的描述；单指数不自动指定唯一微观机制。若X为其他光学信号，其三个X量需使用相同信号单位。
指数衰减表示每过相同时间，剩余偏离按相同比例减少，而不是每秒减少同样的绝对数量。经过一个松弛时间τ，距离最终值的偏离剩下最初的约36.8%；经过两个τ剩约13.5%。它像杯中温水逐渐接近室温时的简单模型，不过分子折叠的具体阻力和通路来自构象变化、溶剂作用与化学接触。单指数中的τ描述这一观测条件下的整体松弛时间，不能只凭一个数字就断定已经识别出唯一的微观步骤。
Williams等人在1996年的温度跃迁与时间分辨红外研究观察了短螺旋肽在快速扰动后的变化，展示了把很快的结构响应转成时间曲线的可能性。后续研究不断区分端部松动、传播、起始与不同探针所看到的过程。理解这段科学史的要点，不是记住一个可以套给所有α螺旋的折叠时间，而是认识实验怎样选中某种变化：扰动大小、初始螺旋含量和探针所在位置都会影响被观察的响应。
一个平衡模型可以配上多套快慢不同、但最终分布相同的动力学规则。例如把某套正反向变化速率都同时乘以十，平衡比例可以保持不变，达到平衡的速度却加快。反过来，改变正向与反向速率的相对大小，通常会改变最终比例。因此，从平衡拟合得到s与σ之后，仍需要时间分辨实验来确定速率。把统计权重画成结构偏好，把时间曲线画成响应过程，能够避免把成核参数误当作成核时间的倒数。
当实验呈现多个时间阶段时，也不必急着给每条指数都贴上一个残基动作。不同结构群体、多个路径或探针对不同区域的敏感性，都可能产生复杂曲线。可以通过改变链长、端部、序列或测量波长，让候选解释作出不同预测，再用实验区分。这样的安排保持了本章一贯的逻辑：先让物理对象清楚，再决定一个数学量应该代表什么，而不是让一个容易拟合的公式替代对分子过程的理解。
一个有辨别力的时间实验，可以同时记录整体螺旋相关信号与靠近链端的局部信号。如果端部先发生明显变化，而整体含量随后才调整，就能进一步检验端部松动与整段重排的关系；如果两者始终按同样时间变化，则另一类共同过程可能更值得考察。探针不是透明的观察者，其引入也可能改变局部环境，因此比较带探针与不带探针的平衡行为，有助于把测量工具的影响同目标分子的响应分开。
把局部螺旋放回真实蛋白质与材料
真实序列中的位置并不相同。甘氨酸具有较多可用主链构象，进入某些规则螺旋时会付出不同的构象代价；脯氨酸限制主链几何，其肽氮也缺少普通残基的N—H供体，在许多螺旋内部位置会造成明显影响。其他侧链通过体积、疏水性、离子化和彼此接触改变局部偏好。这些倾向取决于位置与环境，不能把某个氨基酸永久称为绝对的螺旋促进者或破坏者。端部、膜环境和相邻结构都可能改变它的作用。
若要扩展模型，可以让不同位置具有不同传播参数，并加入端部和特定侧链接触的贡献。两条螺旋相互缠绕形成卷曲螺旋时，还要统计链间配对与排列；一个球状蛋白形成完整折叠时，则会出现相距很远残基之间的接触、疏水核心和不同结构片段的相互制约。α螺旋统计提供了局部协同性的清晰例子，完整折叠还需要把这些更长程关系接进来。模型层次增加的依据是新的物理问题，而不是把每种作用都预先塞进最初的公式。
在一种含螺旋连接点的水凝胶中，螺旋含量、链间连接数和网络是否贯通，也属于三个不同层次。单链上出现更多螺旋，可能增加有效连接，也可能只是让同一条链内部变得更规则；只有连接跨越不同链并形成足够的整体通路，材料才会产生相应网络响应。类似地，一个肽链与表面结合后螺旋含量升高，可能来自表面选择性稳定某些构象，而不是该肽在所有溶液中都更稳定。把环境、结构和功能按因果顺序联系起来，才能设计有针对性的材料比较。
本章的统计方法可以用一套可重复的问题带走：局部有哪些状态，哪些变化需要额外开始代价，如何给整条排列分配权重，测量对应的是哪一种平均，以及等待时间是否足够。回答这些问题后，螺旋含量就不再是一条孤立的曲线，而是许多分子构象共同形成的可计算结果。协同性的意义也变得具体：一个单元的选择会改变邻近单元的统计环境，局部作用沿着链累积，最终在材料与生命过程的尺度上留下清楚的响应。