分子对接模拟：遗传算法、蒙特卡罗与构象采样的三种策略

分子对接模拟的底层是一个高维非线性优化问题——在配体的平动+转动+扭转自由度构成的高维空间中寻找全局最优点（最低结合自由能构型）。这个空间通常有6+N_rot个维度：3个平动+3个转动+每个可旋转键1个扭转角。对10个可旋转键的配体而言，16维空间不是网格搜索能暴力覆盖的——需要智能的随机优化算法。

遗传算法：种群搜索与交叉操作

AutoDock 4使用的拉马克遗传算法（LGA）把对接理解为自然选择——一个pose是一个”个体”，它的基因为平动/转动/扭转角的值（或中这些值的实数值染色体）。种群（通常150个个体）在每一代经历三个操作：选择（打分好的个体存活并繁殖）、交叉（两个父代在基因中点处交换染色体片段）、变异（随机扰动某个基因值）。

遗传算法的核心优势在于种群多样性——多个个体在搜索空间中分散开，多线并行探索，不容易全部困在同一个局域最小值。当代次数（通常设25,000或250,000评估次数）决定搜索的深度。AutoDock的LGA还在每代加了一个局部搜索（Solis-Wets算法）——个体在遗传操作后做一次局部能量最小化，然后将优化后的”表型”（pose）对应的基因写回染色体——这就是”拉马克”名称的由来。

但遗传算法有一个行为特征值得注意：种群在进化后期多样性自然下降（所有个体趋向同一cluster），剩下的评估次数基本在围绕已发现的全局最优做微调。如果多样性丧失过早（搜索陷入一个假全局最优），后续微调无法跳出陷阱。增加种群规模和交叉概率可以延缓多样性丧失，代价是收敛速度变慢。

蒙特卡罗：Metropolis采样与模拟退火

MC方法以Metropolis准则为核心——每一步从当前pose随机生成一个新pose（扰动一项随机自由度），计算能量差ΔE。若ΔE<0（新pose能量更低）→接受移动。若ΔE>0（新pose能量更高）→以概率exp(-ΔE/kT)接受——这就是”上坡移动”的机制，允许系统暂时爬升能量来逃离局域最小值陷阱。

模拟退火（SA）在MC的基础上加上了一个时变温度曲线：初始温度高（kT大→上坡移动频繁→充分探索高能区域），温度逐步降低（上坡概率降低→系统收敛到低能区域）。SA的收敛性质取决于冷却速率——退火过快→系统来不及逃离局域最小值→”快速淬火”而非平衡态退火→最终构型不一定全局最优。实际操作中，起始温度设500-600 K，以0.95的因子每N步降温一次，总步数~10,000-50,000（具体取决于配体复杂度）。

SA对能量景观中”深邃且窄”的最小值特别敏感——低温阶段系统越过势垒离开阱底的概率几乎为零，一旦掉进一个窄阱（如氢键的最佳几何定向），温度和扰动不足以让系统越过势垒逃出来，即使隔壁有更深的阱也看不到。这是所有基于MC的对接方法在面对高精度氢键互补的活性位点时共同的挑战。

Exhaustiveness：Vina的并行随机搜索

Vina的搜索策略是MC-based的多起点独立随机搜索——由exhaustiveness参数（默认8）控制每次对接的独立搜索链数量。exhaustiveness=8意味着8条独立的MC链从不同的随机初始pose出发，各自做局部采样，最后取所有链中的最低能量pose作为输出。

exhaustiveness设为8与设置为32相比，对于10个可旋转键以下的配体，全局最优的复现率从65%提升到90%——更高的exhaustiveness降低了”某条搜索链陷入假全局最优→最终结果被误导”的概率。但exhaustiveness的边际收益递减：从32到64的提升主要体现在配体特别灵活（可旋转键>15）或活性位点特别开放（>1000 ų腔体）的体系中。

Vina内部对每个MC链的上限步数也有控制（~300-500步，具体由盒子尺寸和配体复杂度决定）——在预定义的搜索半径内做采样。因此，exhaustiveness只控制”独立链的数量”，不直接控制”每条链的采样密度”。如果单条链的步数不足以覆盖配体的构象空间（配体特别大或特别柔），单纯提高exhaustiveness不能弥补采样不充分。

对接失败的识别信号

模拟结果中的三个信号提示搜索算法可能出了问题：(1) 跑5次独立对接得到的top pose cluster完全不同（RMSD>5 Å）→搜索空间太大，exhaustiveness不够或者配体构象空间没被任何单条链充分遍历。(2) docking score随不同seed的波动>3 kcal/mol→存在多个能量相近的binding mode，系统无法分辨最优模式。(3) top pose的能量远低于预期（如-12 kcal/mol）但对应的配体与蛋白的接触面积<300 Ų→打分函数被某个主导项（如超大疏水面+静电互补）放大，搜索算法在能量景观中找到了一个”能量陷阱”而非真正的物理结合。

分子对接模拟的算法选择，本质上是对精度-效率-重构性三者的平衡。了解搜索算法的行为特征，才能在结果异常时判断”是算法跑偏了”还是”分子根本不结合”。

更多内容请访问 https://www.keyanxueshu.com/