📚 课程目录第2章结合自由能概念

2. 结合自由能概念：蛋白-配体结合自由能及其在药物筛选中的意义

好，我们接着聊。这一节我会把「结合自由能」这个概念彻底拆开，揉碎了讲清楚。你可能会问：我们做药物筛选，为什么要跟这个物理化学概念死磕？说白了，它就是一个数字，但就是这个数字，决定着化合物到底能不能成药。

结合自由能（ΔG_bind），描述的是一个蛋白和一个配体从「分开」到「结合」这个过程中，系统释放或吸收的能量。我习惯把它想象成「一次握手」——如果握手很牢固，说明结合得稳，释放的能量就多，ΔG 也就更负。

热力学上，它由两部分组成：焓变（ΔH）和熵变（-TΔS）。公式很简单：

ΔG_bind = ΔH – TΔS

其中：
ΔH：焓变，代表分子间相互作用（氢键、范德华力、静电作用）的能量变化。
ΔS：熵变，代表系统混乱度的变化。
T：绝对温度（开尔文）。

嗯，这里要注意。焓变是「好不好」，熵变是「乱不乱」。一个好的结合，通常需要两者兼顾。

小贴士： 我个人更喜欢看 ΔG 的绝对值。绝对值越大（比如 -12 kcal/mol），结合越强。一般药用的分子，ΔG 在 -7 到 -12 kcal/mol 之间。

计算结合自由能，最经典的路子是从实验平衡解离常数（K_d）出发。公式是：

ΔG_bind = RT ln(K_d)

或者写成常用形式：
ΔG_bind = -RT ln(K_b)

其中：
R：气体常数（1.987 cal/(mol·K) 或 0.001987 kcal/(mol·K)）
K_d：解离常数（摩尔浓度）
K_b：结合常数（1/K_d）

举个实际例子。如果一个化合物的 K_d 是 1 nM（纳摩尔级），在室温 298K 下计算：

ΔG = - (0.001987 kcal/(mol·K)) × 298 K × ln(1 × 10^{-9})
    ≈ -12.2 kcal/mol

这个数字很漂亮。一般我们说 ΔG 低于 -10 kcal/mol 的结合，就已经是强结合了。

  关键点： 真实体系里，配体不是融在纯水里，而是在复杂的生理环境中。自由能估计的价值，就是要在计算机里模拟出这个 ΔG，帮你提前淘汰那些结合不好的分子。

你可能觉得，反正实验也能测 K_d，为什么还要算？我来告诉你真相。

我几年前参与过一个项目，候选分子有 2000 多个。合成一个化合物平均要 2 周，测一个 K_d 又要 1 周。你算算，2000 个分子测完得多少年？

自由能估计的用处就在这里：

说白了吧，有了这玩意，你能把实验工作量压到原来的十分之一。

结合自由能不光告诉你「强不强」，还能解释「为什么强」。我把它拆解成三个维度：

我记得有一次，我们做一个激酶项目。一个类似物的 K_d 差强人意，但 ΔG 分解发现——焓变很好，但熵变惨不忍睹。原来是一个甲基基团卡在了口袋外，导致配体整体在动。后来去掉一个甲基，熵变改善，ΔG 直接降了 3 kcal/mol。这就是自由能分解的价值。

做自由能估计（FEP，Free Energy Perturbation）不是只有一条路。我按我自己的经验，把常见方法排了个序：

避坑指南： 我曾经犯过一个错误——用 MM/GBSA 算了一个带金属离子的结合位点。结果 ΔG 完全不准，因为方法没处理极化效应。自此以后，我养成了一个习惯：先看体系，再选方法。 金属蛋白、带电底物，用 FEP 或 QM/MM 更靠谱。

下面这张图，帮我把这一章的核心逻辑串起来。你看了就知道，自由能估计不是孤立的概念，它连接着热力学、计算方法和筛选决策。

图里逻辑很清楚：从 ΔG 出发，拆解出焓、熵、溶剂化三个维度，然后选对应的计算方法，最后指导筛选决策。

我把这一章最核心的三句话留给你：