这张图是本项目做虚拟筛选(virtual screening)时的典型结果:左边是配体最佳结合姿态的二维示意,配体(红色)嵌在蛋白口袋(蓝色椭圆)里,通过一个氢键锚住;右边是 6 个候选化合物 L1–L6 的对接打分柱状图。L1 得分最低(约 −9.5 kcal/mol),远低于 −6.0 的活性阈值,是首选命中;L5、L6 落在阈值附近,算可进一步验证的边界化合物。

对接打分不是绝对结合自由能,而是用来排序。柱子越往左(越负),预测结合越强。图中 −6 kcal/mol 的红线是本项目根据已知活性分子 ROC 曲线定的 cutoff,低于它才进入下一轮。L1 一枝独秀,说明它的几何匹配和能量贡献都占优;L2–L4 在 −8 附近,也是不错候选;L5、L6 刚过线,需要更仔细验证。
本项目做对接筛选通常分五步:
| 项目 | 操作 | 本项目经验 |
|——|——|——|
| 蛋白去水 | 去掉结晶水(保留催化必需水) | 误留水分子会挡住口袋 |
| 质子化 | 按 pH 7.4 用 H++/PROPKA 判断 | His/Asp/Glu 电荷错,打分差 2–3 kcal/mol |
| 金属中心 | 检查配位几何 | 锌指、血红素必须正确处理 |
| 配体电荷 | AM1-BCC / Gasteiger | 电荷错,静电项完全歪 |
| 构象采样 | 每个分子 50–200 个构象 | 构象不够会错过最优姿态 |
| 软件 | 特点 | 适用 |
|——|——|——|
| AutoDock Vina | 开源、快、适合初筛 | 大批量库筛选 |
| Glide SP/XP | 精度高、商业软件 | 中等库精细筛选 |
| Discovery Studio | 界面友好、集成功能多 | 企业内部流程 |
| GOLD | 柔性高、打分函数多 | 金属酶、柔性口袋 |
本项目初筛用 Vina 或 DS,top 500 再用 Glide XP 精筛,最后拿 top 30 做 MD。
docking 打分误差通常在 1–2 kcal/mol,不能直接当 ΔG 用。本项目验证两条:
– **重对接(redocking)**:用共晶配体验证口袋,RMSD < 2 Å 说明口袋定义可靠。
– **对接-MD 一致性**:MD 跑 50–100 ns 后,若 L1 仍稳定在原姿态,才把它当命中。
只有打分低、姿态合理、MD 稳,三线合一,才值得上实验。
本图输出的 L1 是 SAR(构效关系)起点。接下来可以:做同系物修饰看哪个骨架变化能进一步降低打分;对 L1 做合成可行性评估;或者直接购买 L1 做酶活/细胞实验。
更多分子对接与筛选流程可参考科研学术网 [分子对接筛选](https://www.keyanxueshu.com/category/md/fzdj/) 栏目,完整案例见首页 https://www.keyanxueshu.com/。
分子对接是刚性/半柔性受体假设,不能处理诱导契合;打分函数对金属离子、水介导氢键、π-π 堆积权重 imperfect;最终活性必须实验验证。
GROMACS分子动力学模拟的性能调优与并行计算
GROMACS分子动力学模拟的性能调优与并行计算
gpcr分子动力学模拟
gromacs自由能计算
高通量分子筛选:从算力并行到结果聚合的工程化路径
GROMACS分子动力学模拟:从建模到轨迹分析完整流程
Gromacs代算 — 科研用户的GROMACS分子动力学外包服务选型与质量验收指南
高斯加速分子动力学模拟 — GaMD突破常规MD采样瓶颈的原理与实践