1. 高通量对接概述
各位同学好，我是这节内容的讲师。咱们这门课叫《高通量对接质控指标定义教程》，说白了就是教你如何在大规模分子对接里，避免踩坑、拿到靠谱的结果。
我最早接触高通量对接，是在一个激酶抑制剂项目里。当时筛了上百万个化合物，对接分数看着都不错，结果实验验证下来，阳性率不到5%。那叫一个惨。后来回头分析，发现质控指标几乎没设，连最基本的标准对接姿势都没摆对。从那次之后，我养成一个习惯：在开始任何大规模对接之前，先把质控规则列清楚。
如果你想系统掌握这一块，就要先理解什么是高通量对接，它到底能做什么、不能做什么。咱们就从这几个基本问题开始。
高通量对接，是什么？
高通量对接（High-Throughput Docking，简称HTD），本质就是拿计算机模拟小分子和蛋白质的结合过程。一次跑几万、几十万甚至上百万个分子，然后根据打分函数给它们排个序。
你想想看，一个药物研发项目，化学家合成的化合物数量有限，但虚拟的化学空间有十亿、百亿级别。高通量对接就是大浪淘沙的第一步——把不可能结合的分子先过滤掉。
它的核心流程是这样：
- 输入：蛋白质三维结构（通常来自X射线晶体学或冷冻电镜）、化合物库（SDF、SMILES等格式）
- 过程：每个小分子在蛋白结合位点进行构象采样、打分评估
- 输出：候选化合物列表（按打分排序，附带结合姿势）
我在项目中遇到过很多新人，上来就用最慢的对接模式，一个分子跑几十秒，百万分子要跑几个月——完全不现实。高通量对接的“高通量”三个字，靠的不是单任务速度，而是并行筛选策略。
应用场景，真的很多
高通量对接能用在哪里？我随便列几个典型场景：
- 先导化合物发现：从百万级库筛出几百个候选物，交给实验组去测。
- 虚拟筛选先于实验：实验高通量筛选（HTS）成本高、周期长，用对接先砍掉90%的分子。
- 针对特定靶点：比如GPCR、激酶、蛋白酶，只要晶体结构靠谱，对接就有参考价值。
- 逆向找药：已知活性分子，反向对接去找它可能结合的靶点。
- 片段筛选：先对接小分子片段，再拼接成完整的先导化合物。
说实话，现在很多CRO公司和大型药企的早期研发管线，已经把高通量对接当成了标配流程。你想做结构生物学或计算化学，这一关早晚要过。
与实验筛选的对比
高通量对接和实验高通量筛选（HTS），其实是一对互补的技术。实验筛得准但贵，计算筛得快但假阳性多。你来看看这个对比：
| 维度 | 高通量对接（计算） | 实验HTS |
|---|---|---|
| 规模 | 百万~十亿级 | 几十万~百万级 |
| 速度 | 快（数小时~数天） | 慢（数周~数月） |
| 成本 | 低（主要是计算资源） | 极高（试剂、耗材、人力） |
| 假阳性率 | 较高（30-60%） | 较低（5-10%） |
| 假阴性率 | 中等（可能漏掉活性分子） | 低（只要分子在库中） |
| 可重复性 | 高（相同参数结果一样） | 中等（受实验条件影响） |
| 结果解读 | 需要评估打分函数可靠性 | 直接看活性数据 |
我个人经验是这样的：两者结合才是最优解。先用对接把虚拟空间筛一遍，产出几百个候选物；再交给实验跑一个mini-HTS验证。这样既省钱，又不会漏掉太多机会。我在一个项目中用这个策略，把实验HTS的成本压缩了80%，还找到了一个nM级的先导——嗯，虽然最后那个化合物的ADME性质不太好，但至少证明了方向是对的。
你想想看，如果实验筛选一个化合物要0.1美元，筛100万个就要10万美元。对接跑一个化合物只要0.0001美元，成本差距是1000倍。所以很多团队在预算有限时，会先靠对接走一遍命中率，再用实验聚焦验证。
当然，对接也有硬伤。打分函数的近似性决定了它无法完全还原真实的结合自由能。溶剂效应、蛋白柔性、熵变等因素，在对接模型里都做了大幅简化。所以我在做任何对接项目时，都会明确告诉实验同事：这份排名列表只是建议，不是结论。真正的判断，还是要靠实验数据来裁决。
好，这一节的核心就是让你建立一个大框架：高通量对接到底是个什么东西，它能用在哪些地方，又和实验筛选有什么差别。后面我们会深入到具体的质控指标——比如RMSD、Enrichment Factor、ROC AUC、打分函数一致性等等。这些东西听着有点术语化，但等你真上手做一轮对接，就会发现它们能救命。