多对多分子对接

多对多分子对接是普通虚拟筛选的升级玩法——不再是”一个靶点筛一堆配体”，而是”一堆靶点对一堆配体”全网捕捞，专门挖那些能同时命中多个靶点的多效分子。我做过几个老药新用和脱靶风险评估的项目，这种矩阵式对接的信息量极大，但坑也极多，最典型的就是假阳性被放大成虚假网络。

一、背景：为什么要从一对一走到多对多

我们接过中药单体库对接多靶点的活儿，客户一开始想”一个一个靶跑完再拼”，结果三千个化合物乘十几个靶点，排期排到半年后。后来改成矩阵式对接，把靶点预处理和化合物库标准化，一轮就出全矩阵，工期直接砍掉八成。

另一类常见错是把多靶点当成”多遍单靶点”，忽略了靶点之间的构象关联。同一蛋白不同配体结合后构象漂移，拿固定受体跑所有化合物，会系统性漏掉诱导契合型命中。

很多疾病不是单靶点驱动的，找到能多靶点协同的分子才有价值；反过来，药物安全性也要评估它对其他靶点的”误伤”。我们在做老药重定位时，几乎必然上多对多框架。一个 多对多分子对接 如果只算不梳理，出来的配对矩阵比彩票还难读，必须配上一套清晰的优先级和验证逻辑。

二、核心原理：矩阵背后的假设

矩阵对接的本质是排序矩阵，不是单个分数的加减。我们在做项目时，先固定一套打分口径，再让所有”化合物×靶点”落在同一坐标系里比，否则 A 靶的高分和 B 靶的高分根本不可比，矩阵就失去了意义。

构象集合（ensemble docking）是提升召回的关键。我们对柔性靶点取多个晶体/模拟构象一起对接，再合并排序，能显著补回单构象漏掉的命中，代价只是预处理多花一遍。

多对多本质是把 N 个靶点和 M 个配体两两对接，得到 N×M 的结合评分矩阵。难点在于：不同靶点的打分函数尺度不一致，直接横向比毫无意义。我们内部会对每个靶点单独做阳性对照校准，把原始分归一到”能否复现已知活性”的尺度上，再拼矩阵。否则一个靶点的高分在另一个靶点语境下可能只是噪声。

三、关键技术要点：三个决定可信度的环节

决定矩阵可信度的三个环节：一是化合物库去重与质子化标准化，二是靶点构象集合质量，三是打分函数的跨靶一致性。任一处偷懒，矩阵里就会出现”假热点靶”，后面实验验证全是空。

批处理里的容错也重要。几千个任务里难免有几个因结构异常挂掉，我们不靠人工盯，而是用失败重投 + 结果完整性校验，保证矩阵没有空洞，避免”少几个无所谓”拖垮后续统计。

第一是靶点构象一致性，多个结合态的靶点要选对代表构象，否则配对失真。第二是打分尺度归一，前面说了，必须分靶点校准。第三是假阳性控制，矩阵大了随机命中暴增，必须靠共识打分或后续 MD 精修压住噪声。我们做多对多必设”最少命中两条独立证据”的门槛，单点高分一律不采信。

四、实操流程：从矩阵到候选

从库到矩阵，我们分六步：靶点构象准备→化合物库标准化→阳性对照校准→批量对接→矩阵聚合排序→热点靶人工复核。校准那步决定了整个矩阵的横向可比性，是省不掉的前置投资。

交付时我们给的是”化合物×靶点”二维排序表，不是一堆单靶清单。客户一眼看到哪些分子是广谱、哪些只打单一靶，筛药策略直接清楚，比散装结果信息密度高得多。

落地步骤：靶点集合与构象确认→配体库标准化→分靶点对点对接→逐靶点校准打分→拼矩阵并聚类→Top 候选做 MD/MM-GBSA 精修。当你把 多对多分子对接 当成”带校准的网络分析”而非”批量跑分”，出来的多效候选才经得起后续实验盘问，而不是一张花哨但脆弱的网络图。

五、常见问题：矩阵筛选的典型翻车

矩阵筛选最典型翻车是库没去重，同一分子不同互变异构体占了好几个坑，看着命中多实为重复；其次是靶点只用单构象漏掉诱导契合；还有人拿单靶分数横向比，矩阵失真。

另一类坑是阳性对照只在一个靶上做，其他靶的打分偏置没校准，热点靶其实是打分函数偏好。我们对每个靶点都跑对照，差异大的一律单独处理。

最频繁的是跨靶点直接比原始分，挑出一堆假多效。其次是靶点构象偷懒用单一状态，漏掉别构口袋导致真实多效被埋。还有人不做精修就交付排名，假阳性率能到九成。这些问题的根是”只重数量不重标尺”，靠逐靶点校准和共识门槛就能压住。

六、复盘总结：多对多对接的三条经验

回过头看，多对多对接的价值不在”跑得多”，而在”比得清”。矩阵能横向比，前提是所有靶和化合物都在同一评分口径下。

我们的经验：库标准化 + 构象集合 + 跨靶校准三件套，矩阵才从”大表”变成”可决策的热点击穿图”。

回过头看，多对多分子对接最值钱的是”标尺统一”和”证据共识”。构象要对、打分要校准、结论要多证据。我们交付的多效网络，必附逐靶点校准曲线和精修结果，客户拿去立项能分清哪些是真多效哪些是统计幻象。把这三件事做扎实，矩阵才是有用的情报而非噪声。