📚 课程目录第1章高通量对接概述

1. 高通量对接概述

我得先问问你：做分子对接时，你一般一次跑多少个配体？十个？一百个？如果哪天老板甩给你一个包含一百万个小分子的库，你怎么办？

别慌，高通量对接就是专门解决这个问题的。说白了，就是用自动化脚本和并行计算，在合理时间内把成千上万个配体对接到同一个靶点蛋白上，然后快速筛选出有潜力的候选分子。

我最早接触高通量对接是在一次抗肿瘤靶点的虚拟筛选项目里。当时手里有个 30 万的小分子库，用传统方法一个一个对，估计得跑到项目结题。后来被迫学了一堆脚本和队列调度的东西——嗯，推开了新世界的大门。

1.1 什么是高通量对接？

高通量对接（High-Throughput Docking）不是某个特定的软件，而是一种工作流模式。它把单体对接的步骤拆解、自动化，并利用计算集群或多核心 CPU 做并行处理。

核心要素其实就三个：

批量化准备：对成百上千个配体文件做统一格式转换、加氢、分配电荷。
自动化执行：写脚本或配工作流引擎（如 Knime、PyRx）批量调用对接程序。
结果聚合：从大量对接日志里提取打分、姿势，然后排序、过滤。

一句话总结：高通量对接 = 标准化脚本 + 并行计算 + 自动化后处理。

我记得第一次建流水线时，光是处理配体文件格式就卡了两天——2D SDF 转 3D 的时候原子类型全乱掉。后来我才发现，很多人用 OpenBabel 时默认加了不对的力场参数。

1.2 应用场景与重要性

高通量对接能做什么？应用场景比你想象的多：

场景	典型库大小	核心目标
苗头化合物筛选	10⁴ – 10⁶	从超大库中快速缩小候选范围
先导化合物优化	10² – 10⁴	对已有骨架做取代基扫查
反向对接	10² – 10³ 个靶点	预测已知化合物的潜在靶标
虚拟筛选批产	10⁵ – 10⁷	制药公司前期预筛

为什么要重视高通量对接？三个字：效率比。

传统湿实验筛 10⁵ 个分子：数月甚至数年，成本上千万。
高通量对接筛 10⁵ 个分子：几小时到几天，成本忽略不计（电费+服务器折旧）。
而且，对接结果能直接指导湿实验选哪些化合物，避免盲目送测。

⚠️ 注意：对接分数 ≠ 结合亲和力。高通量对接只是个富集工具，不是预测绝对能量。我曾经在项目里只看打分排前 100 的分子，结果买回来测 IC₅₀，一大半都大于 10 μM。后来加了药效团过滤和共识打分，富集率才上来。

1.3 高通量对接的工作流

一张图帮你理清整体流程：

你看，整个流程说难不难，说简单也不简单。每个环节都有坑。

1.4 一个简单的实操例子

拿 AutoDock Vina 举例。如果你有个配体库 ligands.sdf，想批量对接，脚本大概长这样：

mkdir -p docking_results
while IFS= read -r line; do
  mol=$(echo "$line" | cut -d',' -f1)
  smi=$(echo "$line" | cut -d',' -f2)
  obabel -:"$smi" -O ${mol}.pdbqt --gen3d
  vina --receptor protein.pdbqt \
       --ligand ${mol}.pdbqt \
       --center_x 12.5 --center_y 8.2 --center_z 3.1 \
       --size_x 20 --size_y 20 --size_z 20 \
       --exhaustiveness 8 \
       --out docking_results/${mol}_out.pdbqt
done < ligand_smiles.csv

这只是一个最基础的 demo。真正生产环境里，你需要考虑：

分配任务到集群（SLURM / SGE 作业数组）
处理部分失败的作业（重试机制）
日志收集与异常检测

小建议：一开始别贪多。先拿 100 个分子测试管线，确认每一步输出正确再做全库。我吃过亏——全线推到第 10 万步时发现配体文件原子名不一致，导致对接盒子没对上，白跑两天。

1.5 质量控制为什么重要？

高通量对接的本质是大规模近似计算。规模一上来，任何细微的疏忽都会被放大：

一个配体加氢参数错了，可能导致它的对接姿势全部紊乱。
一个文件编码不对，脚本直接跳过去，你都不知道少了 10% 的数据。
打分函数的随机性——同一个配体对两次，结果可能差 0.5 kcal/mol。

所以，整个课程的核心就是教你：怎么在设计管线时就埋好质量检查点，避免“垃圾进，垃圾出”。

血的教训：我曾参与一个项目，用市面某商业软件做 50 万虚拟筛选。结果出来后老板发现库里有 3000 多个分子结构重复但名字不同，我们完全没做去重。后来重跑加去重步骤，前 100 候选分子换了将近一半。从那次以后，我每次都会在管线上加一个 deduplication 步骤。

1.6 本章小结

高通量对接 = 自动化 + 并行化 + 批量后处理。
应用覆盖苗头发现、先导优化、反向对接。
效率优势明显，但质量风险同样成倍放大。
后续章节会深入每个环节的质控方法。