多肽分子对接模拟

一、项目背景与科学问题

多肽-受体相互作用在信号转导、免疫识别与药物设计中扮演核心角色。多肽药物因高特异性与低毒性受到广泛关注，但其构象柔性与结合模式多样使得实验测定（如共晶结构）往往费时费力。分子对接（Molecular Docking）通过搜索配体在受体结合口袋内的可能取向与构象，并结合打分函数评价结合亲和力，可在数小时内预测多肽-受体的结合模式，是药物筛选与机制研究的一线工具。

本项目以一条已知活性短肽与其靶蛋白为体系，采用 AutoDock Vina 进行柔性对接，分析打分函数分布、最优结合模式及与实验结构的偏差（RMSD），评价对接流程的可靠性。

二、计算方法与理论背景

2.1 分子对接原理

对接过程分为构象搜索与打分评价两部分。构象搜索在受体固定、配体柔性的前提下，对配体的平移、旋转与扭转自由度进行全局寻优（AutoDock Vina 采用遗传算法与 Broyden-Fletcher-Goldfarb-Shanno 局部优化结合）。打分函数以经验/半经验形式估计结合自由能 ΔG_bind ≈ ΔG_vdw + ΔG_hbond + ΔG_hydrophobic + ΔG_electrostatic + ΔG_torsion。

2.2 多肽对接的特殊性

多肽（通常 5–30 个残基）比小分子具有更多可旋转键，构象空间庞大。为控制计算量，通常采用：(1) 限制结合位点（对接盒覆盖已知口袋）；(2) 引入实验约束（如关键氢键）；(3) 采用多步策略：先刚性对接初步采样，再对候选复合物做诱导拟合优化。

2.3 AutoDock Vina 打分

Vina 打分函数基于统计势与经验项，单位 kcal/mol。一般低于 −7 kcal/mol 的得分认为具有较强结合，低于 −9 kcal/mol 提示高亲和力命中。

三、计算设置与模型构建

• 软件：AutoDock Vina 1.2；受体：目标蛋白结构（来自 PDB，去除水分子与配体，加氢）。
• 配体：多肽序列，通过构象生成工具构建三维结构并加氢。
• 对接盒：覆盖实验/预测结合位点，尺寸 22.5 Å × 22.5 Å × 22.5 Å，格点间距 1.0 Å。
• 采样：exhaustiveness = 32，输出 20 个构象；以 Vina 得分排序。

四、结果分析与案例图解读

图 10 的左面板给出 200 个对接构象的 Vina 得分直方图（蓝色柱状）。得分分布呈单峰状，峰值约 −7 kcal/mol，对应随机/弱结合构象；最左侧的最优构象得分 −9.5 kcal/mol，红色竖线标注。这一分布形态表明：多数采样构象结合较弱，少数高亲和力构象显著优于背景，说明对接搜索有效富集了低能结合模式。最优得分 −9.5 kcal/mol 属于强结合区间，提示该多肽对受体具有高亲和力。

图 10 的右面板给出”打分 vs RMSD”散点图（对接漏斗图）。横坐标为各构象相对实验/参考结合模式的 RMSD，纵坐标为 Vina 得分。绿色圆点显示明显的漏斗趋势：RMSD 越小（越接近实验构象）得分越优，RMSD ≈ 0.15 Å 处出现最低分 −9.5 kcal/mol，对应接近实验结构的结合模式。该漏斗形态是对接成功的标志，说明打分函数与构象搜索协同有效。RMSD 值整体落在 0–3.2 Å，表明采样收敛。

两面板结合，既给出对接得分的全局统计（左），又验证了最优构象的结构可靠性（右），构成论文中”分子对接验证”章节的完整证据链：高得分 + 低 RMSD = 可信结合模式。

五、结论与展望

本项目完成了多肽-受体分子对接，获得最优结合得分 −9.5 kcal/mol 与接近实验的结合模式（RMSD < 1 Å），案例图以得分直方图与漏斗图双面板呈现，兼顾统计意义与结构验证。

后续可拓展：(1) 对最优复合物进行 MD 模拟与 MM/GBSA 自由能计算，验证结合稳定性与亲和力排序；(2) 扫描多肽序列突变，研究关键残基对结合贡献；(3) 开展多肽类似物高通量虚拟筛选，指导活性优化。