第3章 分子对接基础：对接算法、刚性对接与柔性对接、评分函数
这一章咱们聊聊分子对接的底层逻辑。说白了，对接就是回答一个问题：配体怎么结合到受体上，结合得有多牢？我入行那会儿，实验室师兄跟我说“对接就是个三维拼图游戏”，后来我发现，这拼图不光要拼上，还得算清楚拼得紧不紧。好，我们拆开来看。
3.1 对接算法：搜索空间怎么穷尽？
分子对接的第一步，是要在受体结合位点里，找到配体最可能的摆放姿势。这个搜索空间有多大？你想想看，一个可旋转键超过10个的配体，构象组合就能到百万甚至亿级。搜索算法的作用，就是在这么大空间里快速定位到“对的区域”。
我个人习惯把对接算法分成两大类来讲：系统搜索和随机/启发式搜索。它们在“精细度”和“速度”上各有取舍。
系统搜索法
这类方法把搜索空间划分成网格，或者把配体拆成片段逐步生长。代表性的技术有：
- 网格搜索：将受体结合腔离散成三维网格点，配体在网格点上平移和旋转。优点是穷尽，缺点是维度一高直接爆炸。我记得以前做过一个网格搜索脚本，配体才5个可旋转键，跑了两天没出结果……从此老老实实换随机算法。
- 片段生长：把配体拆成刚性片段，从锚点片段开始逐步连接。像 Dock 6 里的片段生长法，适合有明确锚定基团的分子。
- 构象系综枚举：预先枚举配体的低能构象，再分别做刚性匹配。适合柔性小分子，但构象库大了也很吃内存。
随机/启发式搜索
这类方法引入了随机性，在搜索速度和全局寻优能力上更均衡。主流算法包括：
- 遗传算法（GA）：把配体的位置、取向、二面角编码成“染色体”，通过交叉、变异、选择来迭代。AutoDock 4 用的就是拉马克遗传算法，我之前做激酶项目时用它调过一批抑制剂，收敛速度比网格搜索快至少一个数量级。
- 模拟退火（SA）：从高温开始，随机扰动配体状态，逐渐降温到“冻结”。优势是理论上能收敛到全局最优，但参数（退火速率）得反复调。
- 蒙特卡洛（MC）：随机采样构象，按 Metropolis 准则接受或拒绝。适合处理大量局部极小值的情况。
| 算法类别 | 代表方法 | 搜索全局能力 | 计算成本 | 适用场景 |
|---|---|---|---|---|
| 系统搜索 | 网格搜索、片段生长 | 高（理论穷尽） | 极高 | 刚性小分子、已知结合模式验证 |
| 遗传算法 | GA（AutoDock） | 较高 | 中等 | 柔性配体、先导化合物优化 |
| 模拟退火 | SA（AutoDock Vina 早期） | 较高（依赖降温策略） | 中等 | 中等柔性分子 |
| 蒙特卡洛 | MC（RosettaLigand） | 中等 | 中等偏高 | 蛋白-肽段对接 |
3.2 刚性对接与柔性对接：精度和速度的博弈
早期分子对接大多用刚性对接——受体和配体都固定，只做平移和旋转。这有点像两个乐高积木硬拼，拼不上就是拼不上。后来大家发现，配体和受体在结合时都会发生诱导契合，尤其是侧链的重排。所以柔性处理成了对接精度的关键瓶颈。
我做过一个比较测试：同一对激酶-抑制剂复合物，用刚性对接打分很高，但跟晶体结构一比对——RMSD 跑了 2.8 Å，明显对不上。换成半柔性对接后，RMSD 降到 1.1 Å。嗯，这就是柔性的价值。
三种模式的对比
- 刚性对接：受体和配体都视为刚体。速度最快，但只能处理“锁钥模型”的体系。适合大通量虚拟筛选的预过滤。
- 半柔性对接：配体柔性（旋转键采样），受体刚性。这是目前最常用的模式，兼顾了效率和精度。AutoDock Vina 和 Glide SP 用的都是这个策略。
- 全柔性对接：配体和受体侧链都柔性。计算成本非常高，通常只用于少数候选化合物的精细优化。RosettaLigand 和 GOLD 的柔性模式属于这一类。
| 对接模式 | 受体柔性 | 配体柔性 | 典型速度 | 适用阶段 |
|---|---|---|---|---|
| 刚性对接 | 无 | 无 | 极快（秒级/分子） | 百万级虚拟筛选初筛 |
| 半柔性对接 | 无 | 可旋转键采样 | 中等（分钟级/分子） | 先导化合物优化、SAR分析 |
| 全柔性对接 | 侧链柔性 | 完全柔性 | 慢（小时级/分子） | 候选化合物精细验证 |
3.3 评分函数：怎么判断对接好不好？
算法找到了摆放姿势，但好不好还得靠评分函数来量化。评分函数本质上是结合自由能的近似估算模型。我常说，评分函数是对接的“眼睛”——它告诉你哪个构象更像真的。
目前主流的评分函数分三大类，它们的哲学完全不同：
基于力场的评分函数
直接从分子力场（如 Amber、CHARMM）中提取能量项：范德华 + 静电 + 键伸缩/弯曲/扭转（有时也包括去溶剂化）。优点是物理意义明确，缺点是忽略熵效应和极化效应，算出来的结合能绝对值通常偏高。
# 一个简化的力场评分项示例（伪代码）
score = w_vdw * sum(van_der_Waals) +
w_elec * sum(electrostatic) +
w_desolv * sum(desolvation_penalty)我在做 GPCR 项目时，力场评分对疏水口袋的分子打分偏高，后来加了去溶剂化校正项才把假阳性压下去。
基于经验的评分函数
通过对已知复合物的结合数据做多元线性回归，拟合出各能量项的权重。像 ChemScore、GlideScore 都是这个路子。优势是计算快，劣势是对训练集外的骨架预测不稳定。
# 经验评分函数的通用形式
Score = C0 +
C1 * (疏水接触面积) +
C2 * (氢键数) +
C3 * (旋转键熵损失) +
C4 * (金属配位贡献)基于知识的评分函数
从已知的蛋白质-配体复合物结构中提取原子对间的距离分布，通过 Boltzmann 转换得到“势能”。代表有 DrugScore、ITScore。说白了，它学的不是物理，而是统计偏好。这种评分对同源体系的预测往往更稳定。
| 类型 | 理论基础 | 计算速度 | 泛化能力 | 典型代表 |
|---|---|---|---|---|
| 基于力场 | 物理能量项 | 较慢 | 中等 | AmberScore、DOCK 能量评分 |
| 基于经验 | 回归拟合 | 快 | 依赖训练集 | GlideScore、ChemScore |
| 基于知识 | 统计分布 | 快 | 对同源体系较好 | DrugScore、ITScore |
3.4 实战中的权衡与组合策略
好了，三大块都讲完了。但实际项目里，它们不是孤立使用的。我习惯把对接流程设计成一个分级漏斗：
- 第一级：刚性对接 + 经验评分 —— 用最快的方式过滤掉明显不结合的分子，通常可以筛掉 60-70%。
- 第二级：半柔性对接 + 交叉评分 —— 对通过初筛的分子做精细化，同时用两种以上评分函数取交集。
- 第三级：柔性局部精修 + MM/GBSA 重打分 —— 对最后的候选分子，用全柔性对接或 MD 采样后做更精确的结合自由能计算。
这个流程帮我避过不少坑。记得有个激酶项目，第一级刚性对接筛出了 120 个分子，第二级半柔性交叉评分后剩下 18 个，最后 MM/GBSA 重打分只保留了 5 个——这 5 个在后续活性测试里有 3 个达到了纳摩尔级。你看，每加一层精度，噪声就少一截。