蛋白分子对接预测

蛋白分子对接预测，是每一个想用计算替实验筛先导化合物的人必须跨过的一道坎。我刚接触对接那会儿，把配体往蛋白活性口袋里一丢，软件吐出一堆打分排名第一的构象，我如获至宝拿去给药理学的同事，结果湿实验一个都不中。当时很受挫。后来才慢慢明白，蛋白分子对接预测真正的价值不在那个排名第一的分数，而在于你有没有把构象采样、打分函数和蛋白柔性这三件事的局限想清楚。把这条链路理顺，对接才真正成了你缩小实验范围的工具，而不是制造假阳性的机器。

一、背景：为什么对接是药物发现的过滤器蛋白分子对接预测

分子对接把配体放进蛋白结合位点，通过采样构象并用打分函数估计结合亲和力，用来预测哪个小分子最可能与靶点结合。它是虚拟筛选的第一道闸门，能从百万化合物里快速筛出几千个候选，大幅降低实验成本。做激酶抑制剂、GPCR 配体的人几乎天天和它打交道。可以说，蛋白分子对接预测这件事，决定了你的虚拟筛选能不能把火力集中到真正有戏的分子上。很多新手以为对接打分高就等于能成药，等到实验命中率惨淡，才发现只跑了一个刚性蛋白、一种 protonation 状态，漏掉了真实结合的关键柔性。更现实的是，对接的假阳性率天然高，审稿人和药化专家都清楚它的局限，报告里必须讲清不确定性。

二、核心原理：采样与打分的两难

对接分两步：一是构象采样，在口袋里搜索配体的位置、取向和自身构象（扭转角）；二是打分，对每一采样构象估算结合自由能近似。采样算法有穷举（如 AutoDock 的遗传算法、Vina 的蒙特卡洛）、碎片生长等；打分函数多是基于经验的加和模型（范德华、静电、氢键、疏水项加权）。核心认知是：对接的瓶颈从来不是算力，而是打分函数的精度——它只是结合自由能的粗糙代理，无法可靠区分相差 1–2 kcal/mol 的构象，所以排名靠前的几个往往难分伯仲。加上蛋白通常被当成刚性（或仅侧链柔性），而真实结合常伴随蛋白构象调整（诱导契合），刚性对接天然会漏掉需要口袋变形的真阳性。

三、关键技术要点：蛋白准备、质子化与柔性

蛋白结构准备是对接最容易翻车的地方。要先修缺失loop、加氢、确定各残基质子化状态（这强烈依赖预测的 pH），再指派合适的质子化与互变异构。我早年对接一个天冬氨酸附近的配体，没注意 ASP 在该 pH 应去质子化，结果静电项全错，筛出的前几名全是假阳性。金属离子、水的处理也要小心，关键结构水可能参与桥接氢键，删了就失真。采样上，对柔性大的配体要放开扭转角，口袋侧链柔性可用侧链优化或诱导契合模式（如 AutoDock 的柔性残基、Schrödinger 的 induced fit）。打分函数别盲信绝对值，我习惯用一套对接结果做后续 MM-GBSA 重打分或短 MD 精修来提高区分度。

四、实操流程：从结构到候选列表蛋白分子对接预测

第一步，获取并清洗蛋白结构（PDB 修缺、加氢、定质子化、去无关配体）；第二步，定义结合口袋（基于已知配体或保守位点），必要时标记柔性残基和关键结构水；第三步，准备配体库，统一质子化并生成 3D 构象；第四步，跑对接（如 Vina/AutoDock），每个配体输出多个 pose 并按打分排序；第五步，对 top 候选做后处理——聚类相似 pose、用 MM-GBSA 或短 MD 重打分、人工检视关键的氢键和疏水接触是否合理。我后来养成一个习惯：对接前先看口袋里有没有必须保留的结构水，并在对接后人工检查前几名的相互作用模式是否”化学合理”，而不是只盯分数。口袋定义我也做敏感性测试，稍微挪动边界看结果是否剧变。

五、常见问题

Q1：对接打分高但实验不中？正常，刚性对接+经验打分假阳性高，需后处理精修。 Q2：没有晶体结构怎么办？用同源模建，但模建误差会放大对接不确定性，写清。 Q3：质子化状态不确定？按目标 pH 预测并测试几种，关键残基尤其要核对。 Q4：口袋怎么定？用已知配体或保守位点，做边界敏感性测试避免漏结合区。 Q5：配体柔性太大算不准？放开扭转角并增加采样数，否则漏构象。 Q6：要不要留结构水？关键桥接水建议保留，随意删除会破坏相互作用。 Q7：如何提高命中率？对接后接 MM-GBSA 或短 MD 精修，再做聚类人工研判。

讲一个具体的坑：有次虚拟筛选一个激酶，对接 top1 的配体结合模式里出现了一个明显不可能存在的空间冲突——配体穿进了蛋白主链。我一开始当成”新发现”差点汇报，后来才发现是蛋白结构里有几段未解析的 loop 被当成实心，对接软件把配体塞进了空隙。从那以后我对每个对接结果都做一遍蛋白完整性核查，必要时用模建补 loop 再算。另一个常被问的问题：为什么对接不能直接当结合常数。对接打分是经验加和，缺熵项、缺显式溶剂涨落、蛋白刚性，差几个 kcal/mol 是常态，所以它擅长”粗筛”而非”定量”。我给合作者交付时一定会附一句”排名用于优先级排序，不是亲和力预测”。还有，打分函数对带电和极性相互作用的处理很糙，涉及强极性口袋的体系尤其要后处理。

再说一个细节：构象簇与多样性。很多新手只看第一名，其实前几十个 pose 里聚类出的主导构象模式更有参考价值——如果不同随机种子都收敛到同一类结合模式，可信度才高。我习惯对 top 候选做 pose 聚类，挑代表做 MD 精修。如果你手上的对接命中率总是惨淡，多半是蛋白准备或质子化的基础没打牢，而不是软件的问题。需要可复现的蛋白对接与虚拟筛选模板，可以联系我们拿到现成方案，少走两年弯路。

Q8：靶点有多个构象或突变体怎么对接？要用多个代表构象分别对接，或对接到集合（ensemble docking），避免只用一个静态结构漏掉别构位点；突变体要重新准备结构并核对质子化差异，不能直接套用野生型结果。 Q9：虚拟筛选规模多大才有意义？通常几万到百万配体，但命中率随库质量和后处理强相关；我倾向先小库精筛验证流程，再放大，且对 top 候选必做 MM-GBSA 或 MD 精修降假阳性，单纯堆库量不提质检毫无意义。

六、复盘总结

回过头看，蛋白分子对接预测并不神秘，难的从来不是把软件跑通，而是把蛋白准备、打分局限和柔性处理这条链路想清楚。我现在的习惯是每接一个靶点，先把蛋白和质子化钉死再筛，并对结果做聚类与精修，基本一次给出可信候选。如果你手上的对接命中率总上不去，多半是前面准备的基础没打牢，与其盲目加库，不如回到蛋白本身重新审视。需要可复现的参数文件和流程脚本，可以联系我们拿到现成模板，少走两年弯路。对接打分高不等于能成药，它是粗筛不是定量，给合作者交付时我一定附一句”排名用于优先级排序”，免得人家拿去当结合常数用，最后坑的是双方。