分子间互相预测

本项目用分子对接与自由能估算方法，预测小分子配体与受体蛋白的相互作用模式，并对多个候选构象做亲和力排序。这张图展示了预测的结合模式与四个构象的 ΔG_bind 对比，最低者即为最佳候选。

左边看结合模样，右边比谁更稳

左图是配体（红）怎么趴在受体口袋（蓝）里：两个氢键加一个 π-π 堆积，把它锚住了。右图用结合自由能给四个构象排座次，Conf-1 最低（约 −8.2 kcal/mol），几何也最合理，自然是最佳候选。看图的逻辑很简单：长得对、能量又低，才信它。

计算逻辑

1. 构象采样：用 AutoDock Vina 或 Glide 对配体在受体口袋中做全局搜索，生成 4–10 个候选 pose。
2. 相互作用分析：对每个 pose 统计氢键、疏水接触、π-π 堆积与盐桥。
3. 亲和力打分：用对接打分函数或 MM-PBSA 估算 ΔG_bind。
4. 排序与筛选：选择几何合理且能量最低的构象进入后续 MD 验证。

受体与配体准备清单

对接结果准不准，七成在准备阶段。本项目实际操作的硬性清单：

• 受体：去原始水分子（保留催化必需的桥水）、加氢、按 pH 定质子化状态、检查二硫键与金属中心配位；活性口袋中心用 `center_of_mass` 或已知配体坐标定位。
• 配体：从 2D 转 3D（Open Babel），生成合理构象异构体，明确互变异构与质子化（酸/碱形式），避免拿中性分子去对接带负电口袋。
• 电荷：配体用 AM1-BCC 或 Gasteiger 赋 Partial Charge，受体用标准力场电荷。
• 刚性/柔性：刚性受体用于初筛；若口袋已知柔性大（诱导契合），务必接诱导契合 docking 或后续 MD 弛豫。
• 验证：用已知活性分子做 redocking，RMSD < 2 Å 才说明口袋定义可靠。

关键参数

结果判读

• Conf-1（−8.2 kcal/mol）：结合最强，且左图显示其与受体形成稳定氢键与 π-π 堆积，优先进入 MD 验证。
• Conf-2 与 Conf-3：能量次之，可作为备选或用于解释选择性。
• Conf-4：能量最高，几何上可能缺少关键相互作用，优先排除。

可借鉴经验

• 对接打分最低不等于真实活性最高，必须结合相互作用模式判断。
• π-π 堆积与疏水作用在对接打分中常被低估，需要肉眼复核。
• 对关键候选务必做 50 ns 以上的 MD 验证，确认氢键占有率与结合稳定性。

MM-PBSA 关键输入与验证

对接给出的是几何排序，本项目对 Conf-1 进一步用 MM-PBSA 精算自由能，关键设置：

• 采样：从 MD 轨迹取最后 20 ns、每 100 ps 一帧，共 200 帧做能量分解。
• 溶剂模型：PB 算静电，SA 算非极性，介电常数蛋白内 1、溶剂 80。
• 熵项：用 NMODE 或准谐波近似估振动熵，小体系可开，大体系常省略只看 ΔH。
• 验证：MM-PBSA 的 ΔG_bind 应与对接打分趋势一致；若矛盾，优先信 MD 采样后的能量。

最终给客户的不是”Conf-1 最好”一句话，而是结合模式图 + 氢键占有率（MD 中 > 60% 才算稳定）+ 自由能排序三件套。

局限

分子对接是刚性受体假设，对显著柔性口袋或诱导契合体系会漏掉正确 pose；自由能估算对极性溶剂化敏感，结论应视为相对排序而非绝对亲和力。分子间相互作用预测相关方法可参考本站的分子对接计算栏目。更多服务见科研学术网首页。