结合案例图分析，我把这个项目的完整过程、参数设置、结果解读和踩坑经验整理如下。
客户要做的是一个酶-小分子抑制剂的对接研究，目的是找到结合最强的姿态（pose），并解释哪些残基贡献了主要相互作用。这个项目的难度在于：客户只知道小分子结构，对结合位点没有晶体结构，需要用盲对接（blind docking）先定位口袋。
我用的软件是 AutoDock Vina。先通过 PDB 下载受体结构，去水、加氢、修复缺失残基；然后用 AutoDockTools 定义搜索空间，覆盖整个受体表面；对接时生成 10 个 poses，exhaustiveness 设为 32。
参数设置：格点盒子覆盖整个蛋白（x,y,z 各 60 Å），spacing 0.375 Å；对接算法使用 Vina 默认 Lamarckian GA；打分函数为 Vina 内置经验势；对 top pose 做了 MM/GBSA 复算作为对照。
第一张案例图是 10 个对接 poses 的打分排序。纵轴是 docking score（kcal·mol⁻¹），越负代表结合越强。可以看到前 3 个 pose 的 score 明显优于后面（约 -9.0 到 -9.8），第 4 名之后出现断崖式下降（约 -8.0 左右），说明最优解比较集中。最佳 pose 的 score 为 -9.8 kcal·mol⁻¹，按经验公式估算结合常数 K_i 约 60 nM，属于较强结合。
第二张案例图是最佳 pose 与受体残基的相互作用分解。红色条代表氢键，蓝色条代表范德华作用，橙色条代表疏水作用。Glu189 和 Asp194 提供了最强的氢键贡献（约 -1.0 到 -1.6 kcal·mol⁻¹），Trp215 和 Ile99 提供主要疏水作用。这说明小分子的羧基/酰胺基团与催化位点的酸性残基形成盐桥或氢键，而芳香/脂肪部分嵌入疏水口袋，是典型的”锚定+填充”结合模式。
第一，受体结构的质子化状态必须仔细处理。我最初用默认质子化，Glu189 和 Asp194 都带负电，与小分子羧基产生过强排斥，导致最佳 pose 偏移；把活性位点残基按 pH 6.5 重新质子化后，结果才合理。
第二，搜索空间不能太小。盲对接时我先把盒子设成 40 Å，漏掉了真实口袋；扩到 60 Å 后才找到低能量 pose。
第三，对接打分只是半定量。score=-9.8 对应 nM 级是经验估算，最终亲和力必须用实验 SPR/ITC 或更精确的 FEP 验证。
下次再做小分子对接，我会固定这个流程：结构准备 → 质子化检查 → 盲对接/位点对接 → top pose 可视化 + 相互作用分解 → MM/GBSA 或 FEP 复算。交付时一定同时给打分排序图和相互作用分解图，让客户既能看到哪个 pose 最好，又能解释为什么好。
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。
