### 能量项概览：范德华力、静电、氢键、溶剂化、熵项 讲真，评分函数的核心，就是把这些物理化学作用量化为一个数字。你想想看，蛋白质和配体怎么互相认识？靠的就是这些力。Rosetta 的 `ref2015` 也好，`beta_nov16` 也罢，本质上都是这些项的加权组合。 我个人习惯把评分函数拆成“物理项”和“统计项”两大类。物理项好理解，就是经典力学里那套；统计项则是从已知结构中“学”出来的。这节课咱们先啃物理项，它们是打分的基础。

Rosetta评分函数在结合亲和力预测中的应用 - 第3节

1. 范德华力（Lennard-Jones 势）

范德华力，说白了就是原子间的“近身肉搏”。距离远了，互相吸引；靠太近了，电子云重叠，排斥力爆炸式上升。 Rosetta 里用 Lennard-Jones 12-6 势能模型来描述：

fa_atr = Σ ε_ij [ (r0_ij / r_ij)^12 - 2 * (r0_ij / r_ij)^6 ]
fa_rep = Σ ε_ij * (r0_ij / r_ij)^12

- **fa_atr（吸引项）**：-1/r^6，远距离的色散力。我在做蛋白质-蛋白质对接时，经常发现这个项贡献很大。两团疏水表面一靠近，这个负值就会往下掉，说明结合得好。 - **fa_rep（排斥项）**：+1/r^12，模拟原子间的“保罗不相容原理”。**一旦出现原子重叠，这个值会瞬间飙升，告诉你这个构型不可能。** 你怎么直观感受它？跑个简单例子就知道。这行命令可以输出两个原子在不同距离下的 Lennard-Jones 能量：

$Rosetta/main/source/bin/score_jd2.linuxgccrelease -s 1ubq.pdb -score:weights ref2015 > score.sc
grep -E "^ATOM  " 1ubq.pdb | head -10

但我不建议你直接拿命令行当计算器。Rosetta 内部把 LJ 参数写死在 `LennardJonesPotential` 里，每个原子类型（比如 `C`、`CA`、`N`、`O`）都有对应的 `r0` 和 `ε`。这些参数是在 `params` 文件中定义的。

2. 静电相互作用

静电这玩意儿，蛋白质里到处都是。带正电的侧链（Lys、Arg）和带负电的（Glu、Asp）之间会产生库仑力。 Rosetta 用了 **Coulomb 势**，但做了一点调整——加了一个距离依赖的介电常数 `ε(r)`。

fa_elec = Σ (q_i * q_j) / (ε_0 * ε_r * r_ij)

在 `ref2015` 里，`ε_r` 不是固定的 80 或 2，而是一个 **sigmoidal 函数**： - **短距离**（< 5.5 Å）：介电常数低（~4），模拟局部环境。 - **长距离**（> 5.5 Å）：介电常数接近 80，模拟水溶液屏蔽。 为什么要这样搞？我曾经犯过傻，直接用固定介电常数跑小分子对接。结果发现，带同号的基团明明应该排斥，却因为忽略了溶剂的屏蔽效应，产生了虚假吸引。后来切到 `fa_elec` 默认的 sigmoidal 介电函数，结果才正常。 **电荷分配也很关键。** Rosetta 用的不是经典力场的点电荷，而是 **partial charges**，从 `mm_std_params` 文件里读。不同的小分子，你得保证它的参数文件（`.params`）里的 `PDB_ROTAMERS` 和 `CHI` 定义好了，否则电荷算出来是错的。

3. 氢键

氢键，这门课的核心之一。蛋白质的二级结构、配体识别、酶催化，都离不开它。 Rosetta 对氢键的处理非常精细。它有独立的 `hbond` 项，而不是把它藏到静电或 LJ 里。

hbond_sr_bb  = 主链-主链侧链，短程
hbond_lr_bb  = 主链-主链侧链，长程（二级结构之间的）
hbond_sc     = 侧链-侧链
hbond_bb_sc  = 主链-侧链

**打分基于几何参数**：氢键供体（D-H）、受体（A）以及它们形成的角度和距离。 **我踩过最大的坑**: 用 `ref2015` 打分，但忘了检查配体上的氢键供体/受体定义是否正确。结果呢？明明能做氢键的配体，评分函数说它几乎没有氢键贡献。后来发现是 `.params` 文件里 `TYPE` 那一栏写成了 `C`（碳），而不是 `OC`（羰基氧）。改过来之后，亲和力预测的相关系数直接提升了 0.2。

4. 溶剂化效应

分子从疏水环境跑进水里的过程，能量变化很大。Rosetta 里用 **Lazaridis-Karplus (LK) 模型** 来处理，也叫 `fa_sol`。 LK 模型的核心思想：**每个原子周围的溶剂，其有序程度和密度会受邻近原子的影响。** 溶剂化自由能不是简单的对原子表面积求和，而是考虑了一个“高斯重叠”模型。

fa_sol = Σ (ΔG_ref_i - Σ_j ΔG_free_i * f(r_ij, λ))

翻译成人话：每个原子 i 有一个“参考溶剂化自由能”（`ΔG_ref`），如果它被其他原子（j）包围，那就从参考值里扣除一部分。扣多少，取决于原子 j 的极性、距离和衰减参数 `λ`。 - **疏水原子**（C）：`ΔG_ref` 是正的（溶进来不利），但被其他疏水原子包住时，`f(r)` 接近 1，`ΔG_free` 也是正的，一减，总能量就小了——**疏水效应**。 - **极性原子**（O、N）：`ΔG_ref` 是负的（溶进来有利），但如果它周围是疏水环境，`f(r)` 不发挥作用，极性基团没被“保护”好，能量就会升高。

5. 构象熵项

熵，是个让人头疼的东西。打分函数总想破坏它，但结合亲和力是自由能变化（ΔG = ΔH - TΔS），你不可能忽略熵。 Rosetta 的 `ref2015` 里没有单独显式的熵项，而是通过以下方式隐式包含： - **主链熵**: 使用“unfolded state”的参考能量。Rosetta 参考的是**未折叠的、完全溶剂暴露的构象**。内部分子的主链自由度被冻结了，这部分熵损失已经在打分函数里通过“参考态”扣除了。 - **侧链熵**: 主要体现在 `fa_dun` 项（侧链二面角势能）里。`fa_dun` 基于 Ramachandran 图和侧链扭角库，反映的是侧链的可达构象数。如果一个侧链在结合后只有一种构象，`fa_dun` 会升高（因为真实体系里，侧链被卡住，熵损失大）；如果侧链自由度大，`fa_dun` 就比较低。

6. 能量项如何组装？

下面这张图，你应该刻在脑子里。它展示了这些物理项如何组合成总分。

7. 各能量项关键参数对比

这张表，我建议你直接存起来。面试或者写文章时经常用到。

能量项	作用范围	权重（ref2015）	对结合有利方向
fa_atr	所有原子对	-0.231	负值越大（即越负）
fa_rep	所有原子对	+0.559	正值越小（即接近 0）
fa_elec	极性原子对	+0.210	负值（静电互补）
hbond_*	供体-受体对	+0.586 ~ +1.170	负值（形成强氢键）
fa_sol	所有原子	+0.530	负值（疏水效应）
fa_dun	侧链骨架	+0.560	越低越好（熵有利）

> 权重数值来源于 `ref2015.weights` 文件。不同版本（如 `beta_nov16`、`beta_genpot`）会略有调整。

8 避坑指南与个人经验

1. **别只盯着总分看**。我最开始时被坑过，总能量很低，但分解后一看，`fa_rep` 和 `fa_sol` 都很高，不是好结合的迹象。要学会看 `per_residue` 能量。 2. **氢键项权重其实很大**。权重值只是乘数，实际氢键的原始能量（从势能面查的）可能很大。比如一个完美的 backbone N-H···O=C 氢键，`hbond_sr_bb` 能给到 -3~-4 REU（Rosetta Energy Unit）。这对最终结合的贡献非常可观。 3. **熵项是隐性高手**。做刚性对接时，熵项基本不变。但做柔性对接或自由度很大的侧链突变时，`fa_dun` 会波动。如果你预测的结合能不太对，可以先看 `fa_dun` 是否异常。 4. **调试时用 `-out:file:score_only`**。这样只看总分，不输出结构文件，跑得快。但我想看分解项时，会用 `-score:weights ref2015 -score:output_terms`，把每个 term 都打印出来。

9 总结几句

这堂课我们把打分函数的五个核心能量项翻了个底朝天。范德华力、静电、氢键、溶剂化、熵，每一项都不是孤立的，它们通过不同的权重组合在一起，共同决定了 Rosetta 对结合亲和力的最终判断。 理解这些能量项的物理意义，比记住它们的公式重要得多。它能帮你直观地判断：我的分子结合好在哪，不好在哪。是疏水口袋没填满？还是氢键几何很差？或者静电排斥太强？带着这些问题去看你的打分结果，你才不会被一个冷冰冰的总分数所迷惑。