2. 骨架跃迁的化学空间与相似性度量

骨架跃迁的本质，是在保持生物活性关键特征的前提下，把分子搬到化学空间的另一个位置。要判断“跃迁是否成功”“两个骨架到底差多远”，就必须先把分子放进一个可度量的空间里。本节讨论四类最常用的度量工具：分子指纹、骨架树、形状与静电相似性，以及跃迁距离的量化方法。它们回答的是同一个问题的不同侧面——两个分子在化学空间中的距离是多少，这个距离是否仍允许活性保留。

一、分子指纹：把结构编码成可比对的位串

分子指纹是把二维结构压缩成定长位串（或计数向量）的编码方式。最常见的 ECFP（扩展连接指纹，即 Morgan 类指纹）以每个原子为中心，按半径逐层扩展子结构，把每一层出现的子结构哈希到固定长度的位向量中。半径 2 的 ECFP4 是活性预测中最常用的默认设置，因为它兼顾了局部环境与环系信息。

指纹之间的相似性通常用 Tanimoto 系数衡量：

Tanimoto(A, B) = c / (a + b - c)

其中 a = A 中为 1 的位数，b = B 中为 1 的位数，
c = A 与 B 同时为 1 的位数（交集）。

例如两个分子各有 40 个置位，交集为 12，则 Tanimoto = 12 / (40 + 40 − 12) ≈ 0.176。经验上，Tanimoto > 0.85 通常意味着同一骨架的类似物，0.3～0.6 属于中等跃迁，低于 0.2 则往往是显著骨架改变。需要注意，ECFP 对环系拓扑敏感，但对原子类型替换（如 C→N）的响应较弱，因此它擅长捕捉“子结构是否共享”，不擅长刻画“形状是否相似”。

二、骨架树：从原子到环系的层级抽象

骨架树（Scaffold Tree）由 Bemis 和 Murcko 提出，把分子抽象为“环系 + 连接链”的骨架，再按环系数量、环大小、连接方式逐层归并，形成一棵树。树的根节点是空骨架，越往下越具体。两个分子在骨架树上的距离，可以用最近公共祖先的深度差来量化：

d_tree(A, B) = depth(A) + depth(B) − 2 × depth(LCA)

depth 为节点到根的层数，LCA 为最近公共祖先。

骨架树的价值在于它把“跃迁”翻译成树上的移动：从叶节点向根移动是抽象化（骨架简化），向另一分支移动是骨架替换。若两个分子共享同一父节点，说明它们只差一个环系修饰，属于温和跃迁；若 LCA 就是根，说明环系拓扑完全不同，属于剧烈跃迁。骨架树不依赖指纹哈希，结果可解释性强，适合做跃迁路径的规划与记录。

三、形状与静电相似性：三维层面的互补性

二维指纹无法回答“分子在三维空间中是否占据相似体积、是否具有相似的静电势分布”。形状相似性常用高斯体积重叠（Gaussian Shape Overlap）或 Carbo 指数计算：把每个原子表示为高斯球，求和得到分子体积场，再对两个场做归一化重叠积分。静电相似性则用 ESP（静电势）场做同样的重叠计算，常用 Tanimoto 或 Carbo 形式。

一个实用的做法是：先做构象搜索（如 OMEGA 或 RDKit ETKDG 生成多构象），对每个构象计算形状与静电描述符，取最高重叠值作为分子对得分。示例中若形状相似性为 0.72、静电相似性为 0.55，说明两个骨架体积接近但电荷分布差异明显，提示跃迁后可能保留形状互补性，但需关注极性相互作用是否丢失。形状与静电相似性对药效团匹配、靶点口袋互补性判断尤其重要，是二维指纹的重要补充。

四、跃迁距离的量化与综合评分

单一指标往往不足以描述跃迁幅度。工程上常把四类距离加权组合成综合跃迁距离：

D_total = w1·(1 − Tanimoto_fp)
        + w2·d_tree_norm
        + w3·(1 − ShapeSim)
        + w4·(1 − ESPSim)

示例权重：w1=0.35, w2=0.20, w3=0.25, w4=0.20
（权重需用项目内已知活性/非活性对做校准）

其中 d_tree_norm 是骨架树距离除以树的最大深度，使其落在 0～1。综合距离可用于分档：D_total < 0.3 为温和跃迁，0.3～0.6 为中等跃迁，> 0.6 为剧烈跃迁。分档阈值不是绝对标准，应结合靶点口袋大小、配体效率要求和合成可行性调整。