2. 分子对接核心原理

分子对接并不是“把配体放进受体口袋里”这么简单。它本质上是一个搜索 + 评价的联合优化问题：在配体可旋转键构成的高维构象空间中寻找若干候选姿态，再用打分函数判断哪个姿态最可能接近真实结合模式。理解这两件事，才能理解为什么对接任务在高通量场景下会迅速吃掉 CPU 核时、内存和 I/O。

一、打分函数：把“结合得好不好”变成一个可计算的数

打分函数（scoring function）负责给每一个候选姿态输出一个数值，通常以结合自由能 ΔG 或经验分数表示，分数越低（负值越大）通常被认为结合越有利。常见类型有三类：

• 基于力场：把范德华项、静电项、氢键项相加，物理意义清晰，但对溶剂化、熵效应处理粗糙。
• 经验型：用回归拟合原子对接触、疏水埋藏、氢键等计数项，如 AutoDock Vina 的评分即属此类，速度快、适合大规模筛选。
• 知识型：从 PDB 统计原子接触频率反推势能，擅长识别天然接触，但对非天然配体泛化有限。

以 Vina 为例，其打分可简化为若干加权项之和：

score = w_gauss · 高斯排斥/吸引项
      + w_rep   · 近距离排斥项
      + w_hb    · 氢键项
      + w_hydro · 疏水项
      + w_rot   · 可旋转键惩罚项

其中 w_rot 项非常关键：每增加一个可旋转键，构象空间维度就上升一维，搜索代价指数增长，同时打分函数也会对“柔性过大”的配体施加惩罚。这直接决定高通量任务的资源画像——配体平均可旋转键数越高，单分子对接耗时越长。

二、构象搜索：在高维空间里找“最像”的姿态

构象搜索要同时优化配体的平移（3 个自由度）、旋转（3 个自由度）以及可旋转键的二面角（n 个自由度），总维度为 6+n。常用策略包括：

• 遗传算法（AutoDock）：种群进化、交叉、变异，适合多模态搜索。
• 蒙特卡洛 / 模拟退火：以概率接受劣解跳出局部极小。
• 迭代局部搜索（Vina）：多次随机起点 + 局部优化，速度快、并行友好。
• 片段生长：逐步构建配体，适合大柔性分子。

搜索的停止条件通常由 exhaustiveness（穷尽度）控制。Vina 中 exhaustiveness=8 表示运行 8 次独立搜索；提高到 32 或 64 会显著增加耗时，但可能找到更优姿态。这就是高通量调度中“精度—时间”权衡的核心旋钮。

三、结合模式预测：从多个姿态中挑出可信的那个

一次对接通常输出 9 个（或更多）姿态，按打分排序。判断哪个姿态可信，不能只看分数，还要看：

• 构象聚类：多个独立搜索是否收敛到同一姿态，聚类越大越可信。
• 关键相互作用：是否与已知催化残基、铰链区形成氢键或疏水接触。
• RMSD 一致性：若有共晶配体，可用重对接 RMSD < 2 Å 作为方法验证标准。
• 打分差距：最优与次优分数差距过小，说明区分度不足，需提高穷尽度或换打分函数。

下面这张图把“打分函数—构象搜索—结合模式预测”三者的关系，以及它们对计算资源的传导路径放在一起：

四、三者如何共同决定高通量资源画像

把上面三块串起来看，一个对接任务的耗时大致可以写成：

单分子耗时 ≈ 单次搜索耗时 × exhaustiveness × 姿态数
总耗时     ≈ 单分子耗时 × 配体数量 / 可用核数

这意味着调度策略必须围绕三个变量做文章：

1. 配体数量：百万级库需要分片、断点续跑，不能一次性提交。
2. exhaustiveness：初筛可用 8，命中复核用 32～64，形成“粗筛—精算”两级流水线。
3. 可旋转键数：对 n > 10 的柔性配体单独标记，必要时限制可旋转键或改用片段生长。

五、一个可复用的对接参数记录表

为了让高通量结果可追溯、可复现，建议每个批次记录以下字段。这不是管理表格，而是对接实验本身的参数快照：

当一批任务完成后，先看分数分布是否合理（多数在 -6～-11 kcal/mol 区间），再看 Top 姿态是否落在预期口袋内、是否与关键残基形成相互作用。若大量分子最优姿态落在口袋外或分数异常偏高，往往说明盒子设置、质子化状态或配体准备环节出了问题，而不是打分函数本身失效。把这些判断做在前面，后续的调度与扩容才有意义。