第2章：对接基本原理：受体-配体相互作用、构象搜索、打分函数简介

做高通量对接的，很多人上来就怼软件、调参数、跑流程。但我个人习惯，先花半天把理论基础过一遍。底子不牢，跑出来的结果你根本不敢信。

对接这件事，说白了就是三件套：相互作用怎么描述、空间怎么搜、结果怎么评价。这三部分缺一不可。我今天就按这三个方向，把核心逻辑拆开讲。

2.1 受体-配体相互作用：非共价键的“手拉手”

蛋白质和药物分子之间的结合，不是靠化学键“焊死”的，而是通过一堆弱相互作用力“搭积木”。你想想看，一个药物分子进入口袋，跟氨基酸残基之间能形成好几种力。

• 氢键——最常见。供体-受体对，方向性极强。我在项目中遇到过一个案例，优化一个激酶抑制剂时，把氢键供体从NH换成O，活性掉了两个数量级。方向偏了，氢键就废了。
• 静电相互作用——长程力。带电基团之间互相吸引或排斥。比如带负电的配体对精氨酸、赖氨酸这些正电残基有天然亲和力。
• 疏水相互作用——驱动力。非极性基团从水环境躲进蛋白疏水口袋。说白了就是“怕水分子聚团”。很多药物分子的骨架核心靠着这层力去结合。
• 范德华力——瞬时偶极引起的弱力。单体很弱，但原子一多，加总起来就很大。

做个表格对比清楚些：

2.2 构象搜索：在“乱麻”里找最优姿态

配体分子不是刚体，它有很多可旋转键。进到口袋之后，它会扭来扭去，寻找最舒服的构象。搜索算法就是负责模拟这个过程的。

构象搜索的方法有很多，但做高通量筛选，你必须平衡精度和速度。

• 系统搜索——把所有可旋转键的扭转角按固定步长扫描。空间复杂度随旋转键数指数增长。分子能动键超过8个，基本就跑不动了。
• 随机搜索——蒙特卡洛、遗传算法这些。每次随机改变构象，能量评估，保留低能结构。AutoDock Vina用的就是这种思路。
• 确定性搜索——比如模拟退火、分子动力学。温度控制接受概率，慢慢“降温”让构象收敛到全局最优。
• 片段搜索——把分子拆成刚性片段，旋转柔性连接处。Glide的SP模式就用这个办法。

我建议小分子对接（比如分子量小于500，旋转键少于10），随机搜索配合模拟退火就够用了。但遇到多环大分子，片段搜索更靠谱。

2.3 打分函数：把结合“算成”一个数字

搜索完上千个构象，怎么选出最优的？靠打分函数。它把相互作用能量加在一起，输出一个数值，越负说明结合越强。

市面上的打分函数大致分三类：

1. 经验打分——把氢键、静电、范德华力、去溶剂化效应、旋转熵损失等项，乘以拟合权重后求和（如ChemScore）。优点：快。缺点：对新型骨架偏差大。
2. 基于力场打分——直接调用分子力场计算非键相互作用（如AMBER/GAFF）。理论更严格，但计算慢。高通量时几乎用不起。
3. 知识打分——统计蛋白质-配体复合物数据库中的原子对出现频率，转化成势能（如PMF）。我见过不少团队用它做第一轮粗筛。

实际应用中，光靠一个打分函数做决定要吃亏。我踩过坑：用Glide XP跑了一批化合物，打分前20都结合作得很好，结果全部“昙花一现”。后来加入MM-GBSA再算一遍，淘汰掉一半。

打分函数有个致命问题：对去溶剂化效应、熵变描述不准。药物分子从水环境钻进疏水口袋，需要脱掉水壳，这块能量损失很大。很多打分函数干脆忽略掉，结果就是高估疏水分子的结合能力。

做高通量对接，我建议按这个流程走：

2.4 三个关键概念之间的逻辑关系

讲完三个部分，你可能会问：“那它们之间到底怎么配合？”

其实很简单：受体和配体的相互作用决定了“哪些构象有机会”。构象搜索决定了“怎么找到这些构象”。打分函数决定了“哪个构象是最优的”。

我举一个现实例子：我做EGFR激酶抑制剂虚拟筛选时，先预处理受体结构（去掉水，加氢，优化口袋侧链），再把配体库生成多构象。然后让AutoDock Vina在每个构象下计算互作用，给一个打分。同时我用Glide SP跑一次作为盲法复核。最后筛选出排序靠前的100个分子，再用MM-GBSA做精算。

这个流程下来，命中率从底部5%不到提升到37%。不是软件多先进，而是三件事情咬合得到位。

好了，第二节就聊到这里。记住：互作是“什么会结合”，搜索是“怎么找结合姿势”，打分是“哪个姿势最好”。三者缺一，对接就瘸腿。接下来的章节，我们会从具体质控指标出发，把每一步量化和可操作化。