分子对接位点

结合案例图分析，本文以这个新靶点口袋识别项目为例，讲结合位点识别为什么是对接前置。这是一个新药靶点结合位点识别项目。客户拿到一个新解析的蛋白结构，不知道小分子该往哪对接、哪个口袋有成药价值。第一张案例图是蛋白表面口袋探测结果，几个虚线圈出 P36（S=0.92）、P44（S=0.70）、P68（S=0.65）等口袋。第二张案例图是四个口袋 P1–P4 的体积和疏水性对比。

项目过程：新靶点口袋识别项目的执行链路

方法上我先用 DoGSite 和 FPocket 各跑一遍，再取交集作为高置信口袋，而不是依赖单一算法。单一算法漏检率高——FPocket 偏几何、DoGSite 含能量项，两者对柔性口袋识别差异可达 20% 体积。 我的设置：网格分辨率 0.5 Å（更细能捕捉小口袋），探针半径覆盖 1.0–1.8 Å 多个尺度。客户最初只想让我”跑个对接随便放”，我坚持先定位口袋，因为位点选错后面全废。第一张图里 P36 评分最高，是最优先对接位点，我据此进入下一步对接。

案例分析：从口袋评分到成药价值

图里读出的数要落地。第一步看可药性评分 S，P36 的 0.92 是最高置信，但仍要结合溶剂可及性判断。我对每个口袋算疏水性分布，P1 疏水性最高（正有助于疏水配体结合），但我在报告里注明柔性 loop 占比——柔性高的口袋对接构象不确定性大。 第二步把体积、疏水性、关键残基列成表，P1 体积 520±20 ų、疏水性评分高、含 3 个保守残基，综合最优。误差量级上，网格分辨率从 1.5 Å 提到 0.5 Å 让 P1 体积从 380 稳定到 520 ų，偏差 ±20 ų。

总结教训：算法差异与口袋开口的坑

做的过程中我踩过实打实的坑。第一坑是分辨率：1.5 Å 时 P1 体积只测到 380 ų（漏了窄缝），0.5 Å 才稳定到 520±20 ų——这条收敛曲线说明分辨率不够会系统性低估口袋。 第二坑是算法差异，DoGSite 测的 P1 比 FPocket 大 15%，我取交集并手动核查。第三坑是开口，P1 体积虽大，但若开口太窄或由柔性 loop 组成，实际对接也会失败；我额外标了开口可及性，避免客户被大体积误导。

项目经验：口袋识别交付的可复用清单

作为可复用的项目经验，第一，可药性评分只是参考，必须结合溶剂可及性、残基保守性、共晶位置综合判断。第二，报告把 top 口袋的体积、疏水性、关键残基列成表，比单纯一个评分更有信息量。第三，误差带（体积 ±20 ų）必须标注。客户最终优先对接 P36/P1。说到底，对接项目的第一步不是放配体，而是把”该放哪”讲清楚；口袋找错了，后面再漂亮的对接打分都是自欺欺人。

分子对接位点

计算工程师团队：500+ ｜ 成功计算案例：5W+ ｜ 1W+ 助力顶刊发布经验

需要模拟代算服务可以联系我们，可免费评估项目的计算费用和免费出计算方案。