第2节：分子对接基本原理与评分函数

分子对接，说白了就是预测小分子配体与蛋白质受体之间的结合模式。你在药物设计项目里，最关心的问题无非就是：这个化合物能不能结合上去？结合得有多紧？

这节内容，我想带你从底层逻辑上搞懂两个核心问题：对接到底在算什么，以及打分函数是怎么判断好坏的。只有把这两个地基打牢，后面调参和特征构建才不会跑偏。

2.1 分子对接的本质

我习惯把对接想象成一个锁和钥匙的匹配游戏。蛋白质是锁，小分子是钥匙。但真实的蛋白质锁并不是死的——它是柔性的，会动。小分子钥匙也不是完全刚性的，它有可旋转的键，可以扭动。

对接的三要素：

构象空间搜索：找钥匙用哪种姿势插进锁孔
位姿评估：判断每个姿势好不好
排序与挑选：输出最好的几个候选姿势

记住一句话：对接不是模拟真实结合过程，而是在结合位点附近快速枚举可能姿势，再通过打分函数给每个姿势算分。分数的物理含义越合理，结果越可靠。

我在一个激酶项目中遇到过这样的情况——分子模拟跑出来的结合模式看着很漂亮，但实际活性测试完全不匹配。后来复盘发现，罪魁祸首就是我把受体处理得太刚性了，结合口袋的侧链构象根本不允许配体钻进去。

2.2 刚性受体与柔性侧链的权衡

你想想看，如果完全考虑蛋白质的柔性，计算量会爆炸。AutoDock Vina默认使用刚性受体+柔性配体的模型，这就相当于认死了锁的形状，只让钥匙变形去适应锁。

但现实情况是，很多蛋白质的结合口袋在结合配体后会发生诱导契合。举个例子，一个柔性的侧链（比如酪氨酸的苯环）可能会翻转，给配体让路。如果你的受体模型里没有这个自由度，那打分就一定会失准。

我做过的其中一个改进方案是这样的：先用常规对接跑一轮，然后挑几个高分位姿，手动检查侧链是否与配体有空间冲突。如果有，就把对应侧链设成柔性残基重新对接。

注意：每增加一个柔性残基，计算量大概翻倍。我自己习惯最多柔性处理不超过5个残基。超过这个数，搜索空间太大，Vina的随机算法也很难收敛到全局最优。

2.3 打分函数的核心逻辑

打分函数，说白了就是一个数学函数。给它一个配体位姿，它返回一个分数，数值越低代表结合越强。Vina用的是什么体系？它用的是半经验打分函数，既有物理模型的骨架，又用实验数据拟合了经验参数。

Vina打分函数的组成：

范德华相互作用项：疏水作用的直接体现
静电相互作用项：带电基团之间的库仑力
氢键与疏水项：用经验参数模拟受体-配体间的特异作用
熵惩罚项：配体结合后自由度受限的能量代价
内部应变项：配体在结合过程中自身扭曲产生的能量

2.4 打分函数的三大流派

我见过不少初学者上来就问“哪种打分函数最好”，这个问题其实没标准答案。不同流派适合不同的场景。

类型	原理	优点	缺点
力场类	直接用分子力场算结合能	物理图像清晰	速度慢，忽略熵效应
经验类	用已知实验数据拟合参数	拟合精度高，速度快	外推性差，对训练集依赖大
知识类	基于已知结构的原子对偏好统计	避免实验数据偏差	连结合能都出不来，只有相对偏好

AutoDock Vina属于经验类打分函数的进化版。它用了一套叫“迭代评分”的框架，通过大量已知晶体结构不断优化参数。我自己的经验是，这套打分在疏水结合口袋上表现最好，但在全是带电残基的口袋里，往往会高估静电贡献。

2.5 Vina的评分模型详解

Vina的评分函数核心公式并不复杂。它把不同作用项按权重加起来，每个项的系数是通过机器学习方法从PDBbind数据库中学习到的。

Score = gauss1 * w1 + gauss2 * w2 + repulsion * w3
        + hydrophobic * w4 + hydrogen_bond * w5
        + 内部应变权重 * 配体自身扭转势能

你看，这里面没有独立的静电项。为什么？我刚开始用Vina时也很疑惑。后来看了论文才明白：Vina把静电和疏水的效果部分合并到了gauss函数里一起考虑。这种做法对中性配体还行，但如果你做的是高度带电的化合物，就要小心了。

这也是为什么后来我开发特征工程时，强烈建议用户补充静电互补性和溶剂化能这两个特征。它们能把评分函数漏掉的物理量补回来。

调试小技巧：可以在Vina的输出里看各个能量项的分解值。如果某个项占比异常大（比如排斥项接近0分），那就说明你的对接位姿可能产生了严重的原子重叠。这种位姿直接丢掉就好。

2.6 结合自由能的物理含义

我得提醒你一件事：打分函数输出的分数是“相对结合强度”，不是真实的结合自由能。它不能和实验测的kcal/mol直接对标。

举个例子，Vina打出-10.0分和-9.0分两个结果，你只能判断前一个结合更强，但不能说前一个的结合自由能比后一个低了1.0 kcal/mol。这个差值没有绝对物理意义。

我曾经犯过一个低级错误——拿Vina分数直接做MM/GBSA的初筛。把Vina的top1对接结果丢进高精度计算里，结果发现分数越低的位姿能量反而更高。排查后发现，Vina的最优解和力场最优解有时根本不在同一个构象空间里。

2.7 常见误区与避坑

注意：打分函数的排名能力 ≠ 打分能力。一个函数能正确排序A>B>C，但绝对分数可能偏离实验值2-3 kcal/mol。这种情况其实很常见，我个人觉得没必要过度纠结绝对数值。

我见过不少团队在这个问题上栽过跟头——他们用Vina跑完所有化合物，然后把分数大于-9.0的当作活性物，小于-9.0的当作非活性。这种做法在统计上极度危险，因为打分函数的方差很大，同一配体跑两次都可能偏差0.5分以上。

更好的做法是什么？把Vina分数当作排序特征来用，而不是绝对阈值。你可以把Top 10%的化合物标记为“高倾向性”，然后结合其他特征（比如分子对接的几率、氢键数量、疏水接触面积）做多维度打分。

2.8 参数设定对评分的影响

最后一个要点：Exhaustiveness（搜索深度）这个参数直接影响打分结果的可靠性。默认值是8，但我建议初学者至少开到20再做正式实验。

为什么？我调参时做过统计：Exhaustiveness = 8时，同一个配体跑10次，5次的最终位姿都不一样，分数波动在1.5分左右。提升到20之后，重复率提高到80%，分数波动降到0.3分以内。

# 我常用的基础对接命令
vina --receptor receptor.pdbqt --ligand ligand.pdbqt \
     --out output.pdbqt \
     --center_x 0 --center_y 0 --center_z 0 \
     --size_x 20 --size_y 20 --size_z 20 \
     --exhaustiveness 20 \
     --num_modes 9

注意看，我设的是20的Exhaustiveness和9个模态。9个输出足够做位姿多样性分析了。再多也浪费计算资源，而且第5名之后的位姿通常物理可信度已经很低了。

一个调试思路：先用小Exhaustiveness跑快速预筛，锁定额外到前10%的候选化合物。然后再用高Exhaustiveness对这些精筛成员做精细对接，这样既快又不容易漏掉真正的活性分子。

好了，这一节我把分子对接的基本原理和评分函数拆开揉碎了讲了一遍。从对接三要素到打分函数的物理含义，再到Vina评分模型的具体分解，你应该已经对整个流程有了清晰的框架。记住：对接不是魔法，打分更不是真理。它只是一个帮你缩小实验范围的计算工具，用得好能省一半时间，用得不好可能会带你在错误的方向上浪费几个月。