分子对接结合能

结合案例图分析，第一张案例图展示的是配体骨架，碳原子为深色圆球，氮为蓝色，氧为红色。可以看到配体与周围口袋残基形成了多条氢键（绿色虚线标注”H-bond”），并且有一个疏水相互作用区。图内标注ΔG_b=−9.6 kcal/mol，这是最佳结合构象的结合自由能估算值。−9.6 kcal/mol属于较强的结合，通常小于−7 kcal/mol就被认为有较好的结合潜力。图中”binding pocket”大圈表示整个活性空腔，配体位于中心位置，说明对接程序找到了一个合理的结合模式。

第二张案例图横轴是对接打分（kcal/mol），范围从−12到−4，纵轴是构象密度（density of poses）。蓝色柱状图是100个对接构象的打分分布，红色曲线是高斯核密度估计。峰值出现在−8.5 kcal/mol附近，说明大部分构象集中在这个能量区间。图中虚线标注”best pose −9.6 kcal/mol”，表示最佳构象比主峰还要低约1 kcal/mol，属于少数优势构象。这个分布的形态接近正态，尾部向左延伸，说明对接搜索比较充分，没有遗漏明显更优的构象。

从结合口袋2D示意图和打分分布图的组合来看，这是一个分子对接结合能计算项目——配体是一个小分子药物候选物，受体是蛋白靶点，客户想确认这个小分子能不能稳定地结合到活性口袋，以及结合能的置信区间。第一张案例图给出了结合模式的结构细节（氢键、疏水接触），第二张案例图给出了结合能的统计分布和最佳构象的位置。

项目计算流程上，我先用AutoDock Vina做刚性受体对接，格点盒子以已知活性位点为中心，尺寸设为60×60×60 Å，exhaustiveness=32。受体结构从PDB下载后加了氢原子、分配了Gasteiger电荷，并去除了结晶水和备用构象。配体用RDKit生成3D构象并做了能量最小化。

对接结果分析时，我不仅看打分，还看构象聚类。100个构象按RMSD<2 Å聚成5个cluster，最佳构象来自最大的cluster，说明该结合模式具有结构可重复性。氢键分析显示配体与口袋中的两个关键残基形成氢键，这解释了−9.6 kcal/mol的强结合。

踩坑经验有三条。第一个是电荷模型：AutoDock Vina默认用Gasteiger电荷，对带电基团可能低估静电作用；如果配体含羧基或胺基，建议用AM1-BCC或RESP电荷重新算一遍。第二个是水分子的处理：活性口袋里的结晶水如果参与氢键网络，不能简单删除；我保留了三个与配体形成氢键的水分子，对接结果improved约0.4 kcal/mol。第三个是打分阈值：不同靶点的”好”结合能标准不同，激酶通常−7 kcal/mol就不错，而蛋白-蛋白相互作用可能要到−10 kcal/mol才算强，需要结合文献判断。

这张图给客户的核心结论是：小分子以−9.6 kcal/mol的结合能稳定占据活性口袋，且构象分布集中，是一个值得进一步做分子动力学验证和FEP计算的hits。关于分子对接结合能计算的更多细节，我整理在分子对接结合能栏目里。