分子对接虚拟筛选

分子对接虚拟筛选是药物发现早期阶段性价比最高的技术，用计算从几十万到上百万个化合物里挑出值得实验验证的候选，省下的时间和经费是实打实的。我做了十几年计算模拟，帮药企和课题组跑过大量虚拟筛选项目，今天把筛选流程和避坑要点一次讲透。

一、背景：为什么虚拟筛选越来越主流

传统药物筛选是实验高通量筛选，一个化合物一个化合物去测活性，成本高、周期长、命中率低。虚拟筛选用计算先筛一遍，把理论上不可能结合的化合物直接淘汰，让实验资源集中在最有希望的候选上。这个”先算后筛”的范式，已经成了药物发现的标准动作。

做 分子对接虚拟筛选 这些年，我见过不少客户对虚拟筛选抱有不切实际的期待——以为对接筛完就能拿到药。实际上虚拟筛选的价值在”缩小范围”而不是”给出答案”：从百万化合物缩小到几百个候选，命中率可能从千分之一提升到百分之几，这个提升就是虚拟筛选的价值所在。

二、核心原理：虚拟筛选的逻辑框架

虚拟筛选的核心逻辑是”分步过滤”：先用便宜的粗筛方法淘汰大部分明显不适合的化合物，再对保留下来的少数用更精细的方法评估。典型流程是：结构准备→分子对接粗筛→打分排序→物理化学性质过滤（类药性、ADMET）→人工复核，最后输出候选清单。

分子对接在筛选中的角色是”打分排序”。对接软件把每个化合物对接到靶点结合位点，给出打分，再按分数排序。但打分函数精度有限，所以对接筛选用的是”宽松门槛+排序”策略：先保住所有可能有活性的候选（宁多勿漏），再靠后续精细方法收紧。

虚拟筛选里还有一个关键概念是”富集因子”。衡量筛选效果的指标，看打分排名前5%里真实活性化合物的比例比随机选择高多少。好的筛选流程富集因子高，差的筛选流程相当于随机猜。这提醒我们：筛选方法的选择和验证，决定了结果的可靠性。

三、关键技术要点：虚拟筛选的四个关键环节

第一是化合物库的选择与准备。筛选结果的前提是库的质量。用ZINC、Enamine等商品化库还是自建库，化合物要不要做三维构象生成和质子化处理，可旋转键的设置，这些直接决定对接的输入质量。库准备粗糙，等于在垃圾上筛选。

第二是靶点结构的选择。对接筛选对受体结构极其敏感，晶体结构的选择（结合态还是非结合态、有没有突变）、口袋的确定、柔性残基的处理，都会影响打分排序。我通常建议用多个构象的受体结构做”集合对接”，减少单结构偏差。

第三是打分策略与过滤级联。单一打分函数误差大，我的做法是”多轮过滤”：第一轮Vina粗筛保留Top 10%-20%，第二轮用更严格的打分或分子力学方法精筛，第三轮加类药性和ADMET过滤，最后人工检查Top 50-100个化合物。每一轮都在收紧，每一轮都保留物理合理性。

第四是结果验证。筛选结果必须做验证才有说服力：用已知活性化合物做”正控制”检验筛选流程能否召回它们；对命中化合物做分子动力学模拟评估结合稳定性；有条件的用MM/PBSA算结合自由能。没有验证的筛选结果，只能当参考不能当结论。

四、实操流程：一次虚拟筛选项目怎么落地

接虚拟筛选项目，第一步是明确需求：靶点是什么、化合物库多大、客户要多少候选、目标产物类型。然后准备化合物库（通常几万到几十万化合物）和靶点结构，配置对接引擎跑批量对接。批量对接是大规模并行任务，需要合理分配计算资源。

对接跑完后是结果分析流水线：打分排序、聚类去冗余、物理化学过滤、ADMET预测、人工复核。聚类很重要，不然Top 100里可能有50个是同一骨架的相似化合物，多样性不够。我的经验是”打分排序+骨架聚类”双维度挑选，既保证分数靠前，又保证化学多样性。

做 分子对接虚拟筛选 项目时，我交付的从来不是一张排名表，而是一份完整筛选报告：筛选流程说明、命中化合物清单、每个命中的结合模式图、打分与性质数据、验证结果。客户拿着这份报告，可以直接决定下一轮实验做什么，这就是虚拟筛选的真正价值。

五、常见问题：虚拟筛选的高频疑问

最常被问的是”虚拟筛选的命中率有多高”。诚实的回答是：取决于靶点、库和筛选质量，对接筛选的初筛命中率通常在1%-5%之间，验证后的可靠命中率更高一些。虚筛不是神药制造机，它的价值是把命中率从”海里捞针”提升到”可控筛选”。

还有客户问”为什么你们筛出来的化合物和别家不一样”。筛选结果受化合物库、受体结构、打分函数、过滤条件影响，不同流程结果不同很正常。关键是流程的合理性：库是否规范、受体是否合适、过滤是否物理、结果是否验证。我建议客户关注流程质量而不是简单比较名单。

第三个问题是”虚拟筛选能不能筛天然产物库或肽库”。能，但要注意准备方式不同。天然产物结构复杂、手性中心多，肽类骨架柔性大，都需要专门的准备和对接策略。我做过很多这类定制筛选，重点是把化合物类别的特殊性处理好，而不是套用标准流程。

六、复盘总结：虚拟筛选的三条经验

第一条经验是”筛选质量看流程不看单点”。虚拟筛选的结果质量由整个流程决定：库的质量、受体的选择、打分策略、过滤逻辑、验证方法，任何一个环节差都会拉低整体效果。我坚持用标准化的多轮过滤流程，每一步都有据可查。

第二条经验是”正控制验证不能省”。每个虚拟筛选项目，我都先用已知活性化合物验证流程，确认流程能召回真实活性分子，再正式筛选。这一步是筛选结果可信度的基石，省掉它等于让客户盲信一个未经检验的排名。

第三条经验是”筛选要服务实验决策”。虚拟筛选的最终输出应该让客户能直接行动：做哪几个化合物的实验、用什么方法测、结合模式是什么、可能的问题在哪。分子对接虚拟筛选做得好不好，标准不是筛了多少化合物，而是帮客户省了多少钱、命中率提升了多少、实验验证的成功率多高。