Proliposomal Intravesical Paclitaxel

<<< 左右滑动见更多 >>>   榴莲忘返AIDD   供稿 | 我做科研只为发疯审稿 | 吉星   目录 研究者不仅确立了 CSI-BLI 作为早期抗体开发筛选的核心地位，还开发了一个融合序列和结构信息的 AI 模型，能有效预测这一关键指标，为抗体优化提供可行的改造策略。 Polyformer 是一个融合了物理学原理的生成模型，能直接从氨基酸序列预测蛋白质在不同温度下的动态构象系综，为理解分子功能提供了超越静态结构的动态视角。 将蛋白质拆解为 40 个古老的结构片段，不仅保留了关键功能信息，还让数据库搜索和 AI 设计效率提升了数千倍。 研究者将强化学习引入 3D 扩散模型，开发了 SeFMol，实现了配体在蛋白质口袋内的半柔性构象调整，大幅提升了生成分子的结合亲和力与几何合理性。 研究者将蛋白设计变成了一场带有反馈机制的定向进化，大语言模型负责提供合理的氨基酸突变，结构预测工具提供打分指引，让设计成功率实现了翻倍。 1. AI 如何预测抗体自聚集？新模型融合序列与结构搞定开发难题 做抗体药的，最怕什么？辛辛苦苦搞出来的分子，临床前看着都好，一到制剂开发，粘度直接爆表，打不成高浓度制剂。前面几年的心血，可能就这么打水漂了。这种由抗体分子「自嗨」（自我缔合，Self-Association）引起的麻烦事，是悬在每个生物药开发者头上的达摩克利斯之剑。 这篇文章的核心，就是一种叫做 CSI-BLI (clone self-interaction biolayer interferometry) 的筛选方法，以及如何用 AI 来预测它。 为什么 CSI-BLI 是个好工具？ 首先，CSI-BLI 这个实验本身就很适合早期大规模筛选。它是基于板子的，能自动化，而且每个抗体只需要大约 15 微克，用料很省。更重要的是，它测的是那种微弱、可逆的自我缔合。这种缔合正是导致下游一系列问题的根源，比如高浓度下的高粘度。 研究者用一个包含 246 个单克隆抗体 (mAb) 的库验证了这一点。CSI-BLI 的结果和高浓度粘度有中等程度的正相关 (Spearman ρ ≈ 0.35)，和另一个常用方法 AC-SINS 差不多。它还和多种非特异性结合 (non-specific binding, NSB) 指标，比如对杆状病毒颗粒 (BVP)、单链 DNA (ssDNA) 的结合，有很强的相关性。这说明，爱「自嗨」的分子通常也爱「乱搞」（多特异性）。 更惊人的是，CSI-BLI 和药代动力学 (PK) 也挂上了钩。在人 FcRn 转基因小鼠模型中，CSI-BLI 值高的抗体，其非靶点介导的线性清除率也更高 (Spearman ρ ≈ 0.65)。这意味着，一个在体外表现出自我缔合倾向的分子，很可能在体内被更快地清除掉，药效自然就差了。 用 AI 把湿实验「搬」到电脑里 实验总归是要花钱花时间的。能不能用计算的方法，提前就把这事儿给预测了？这正是这篇工作的重头戏。 研究者开发了一个融合了序列和结构信息的深度学习模型。 它的工作原理是这样的： 读懂序列：用一个强大的蛋白质大语言模型 ESM-2 (650M 参数) 去「阅读」抗体的氨基酸序列，把每个氨基酸残基都转换成一个包含丰富信息的数字向量（embedding）。 理解结构：用 AlphaFold 预测出抗体的三维结构。然后，把这个结构看作一个由氨基酸节点和它们之间的相互作用边组成的图，再用图神经网络 (Graph Neural Network, GNN) 来学习这个结构图谱里的信息。 智能融合：最妙的是融合部分。他们设计了一个「解耦多流注意力 (disentangled multi-stream attention)」模块。你可以把它想象成一个指挥官，能精确地告诉模型，什么时候该多听听序列说的，什么时候该多看看结构给的线索，以及怎么把这两边的信息结合起来做出最准的判断。 这个模型在 VHH（纳米抗体）和 IgG（全长抗体）两个数据集上都取得了目前最好的预测性能 (VHH F1 = 0.76; IgG F1 = 0.57)。有意思的是，即便是拿掉结构信息，只用序列和那个特殊的注意力模块，性能也比传统的基线模型要好。这说明这个融合架构设计得确实不错。 不仅要预测准，更要能指导实验 这个模型最值钱的地方，可能还不是预测准，而是它能告诉你「为什么」。 研究者用 SHAP (SHapley Additive exPlanations) 这种可解释性分析工具，去剖析模型到底学到了什么。结果发现，模型的判断依据和我们做蛋白工程的直觉高度一致：决定一个抗体是否容易自聚集的关键，就在于其 CDR 区和框架区的电荷分布、疏水性以及天然的聚集倾向。 更进一步，通过对 SHAP 值的聚类分析，他们发现自聚集可能存在不同的「模式」。有些分子主要是因为电荷不平衡「惹事」，而另一些则是因为疏水性太强。 这种洞察对于抗体优化来说是无价的。比如，模型告诉你这个分子主要是因为 CDR3 区的几个正电荷残基导致了高 CSI-BLI 信号，那工程师就知道该往哪个方向去修改了。是换成中性氨基酸，还是在别处引入一个负电荷来中和一下？这就有了明确的思路，而不是像以前一样「摸着石头过河」。 这项工作提供了一个从实验到计算再回到实验的完整闭环。它确立了一个可靠的湿实验「锚点」（CSI-BLI），然后开发了一个强大的、可解释的 AI 模型来预测这个锚点，最终用模型的洞察来指导更高效的蛋白质工程。对于任何一个在抗体开发一线挣扎的人来说，这套组合拳都值得认真研究。 📜Title: Predicting Antibody Self-Association with Sequence–Structure Fusion Models: The Central Role of CSI-BLI in Early Developability Screening 🌐Paper: https://www.biorxiv.org/content/10.64898/2026.04.13.718222 💻Code: N/A 2. AI 模拟蛋白质热运动：Polyformer 的物理学新玩法 我们领域的很多人都感受到了 AlphaFold 带来的巨大冲击。它解决了「给定一个序列，蛋白质会折叠成什么样」这个几十年的老问题。但这其实只是故事的一半。 蛋白质在体内并不是一块僵硬的石头，它们会「呼吸」、会「摆动」，这种动态变化对于其功能，比如酶催化、变构调节，是至关重要的。传统上，要研究这种动态行为，我们得依赖分子动力学（MD）模拟，这个方法很强大，但计算成本极高，跑一个模拟动辄需要几周甚至几个月。 这篇论文里的 Polyformer，就是想用 AI 来啃这块硬骨头。它的目标不再是给出一个单一的、最优的 3D 结构，而是问一个更深刻的问题：「在某个特定温度下，这个蛋白质可能会呈现出哪些不同的构象？它们的分布是怎样的？」这相当于从拍一张「证件照」升级到了拍一部「纪录片」。 Polyformer 是如何工作的？ 它的核心是一个叫做扩散 Transformer (Diffusion Transformer, DiT) 的架构。你可以把它想象成一个艺术家，从一团随机的「噪声」开始，一步步地把它雕琢成一个合理的蛋白质构象。具体来说，它为蛋白质序列中的每一个氨基酸残基生成一个刚性框架（包括空间位置 t 和朝向 R），外加侧链的扭转角。 这里面有几个设计我觉得特别聪明，值得我们做计算的同行关注： 1. 温度的用法很「物理」 很多模型处理温度这类条件变量时，只是简单地把它当成一个额外的输入数字。但 Polyformer 的研究者不这么做。他们让温度扮演了两个不同的角色： 这种分工非常符合物理直觉：温度决定了系统最终要达到的平衡态（系综），而扩散步长控制的是生成这个平衡态的过程。 2. 把高分子物理学写进代码 作者在模型的注意力机制里加入了一个显式的物理偏置。具体来说，是一个由温度 T 决定的链邻近先验：Ckl(T)=a/(|k-l|+1)^γ。 这句话听起来很复杂，但它的思想很简单。它告诉模型一个基本物理常识：在多肽链上离得越近的两个氨基酸（|k-l| 越小），在三维空间中也应该倾向于离得更近。这种「倾向性」的强度由 a 和 γ 这两个参数决定，而这两个参数又是模型从温度 T 中学来的。这不就是高分子物理里「持续长度」 (persistence length) 概念的体现吗？温度越高，链越柔顺，这种局部聚集的倾向就越弱。把这种先验知识直接嵌进模型，比让模型从数据中「悟」出来要高效得多。 3. 训练目标直指「系综」 如何判断一个模型生成的「动态系综」好不好？你不能简单地拿它生成的某个构象去跟 MD 模拟中的某一帧做比较。 Polyformer 引入了一个叫「系综 LDDT」的损失函数。它不比较单点的构象，而是比较统计平均值。具体来说，它计算模型生成的系综里所有残基对的平均距离，然后让这个平均距离谱去逼近 MD 模拟算出来的平均距离谱。这种做法的高明之处在于，它把模型的注意力引向了正确的方向：别太纠结某个柔性区域到底应该是什么样，只要保证它整体的柔性程度和平均尺寸是对的就行。 结果怎么样？ 研究者们在一个包含了短蛋白质结构域 MD 轨迹的数据集 mdCATH 上，对模型进行了 5 个不同温度下的训练和测试。从结果来看，Polyformer 生成的构象在各种衡量标准（如拉氏图分布、RMSF、回旋半径 Rg）上都和 MD 模拟符合得不错。它确实捕捉到了蛋白质随温度升高而逐渐变得松散、柔性增加的物理过程。 当然，这个模型还远非完美。比如，在高温下，预测的回旋半径和 MD 模拟的关联性有所下降。作者也很坦诚地指出了当前方法的局限，主要是训练数据还不够大，并且现有 MD 数据本身也可能存在力场不准、采样不充分等问题。 但无论如何，Polyformer 提供了一个非常有前景的框架。它把物理学原理和最新的生成模型架构漂亮地结合在一起，朝着用 AI 模拟生物分子热力学这一目标迈出了坚实的一步。对于做药物发现的人来说，这意味着未来或许可以直接预测药物分子如何影响靶蛋白的动态行为，而这对于理解药物作用机制、设计变构调节剂等前沿领域，价值无可估量。 📜Title: Polyformer: A generative framework for thermodynamic modeling of polymeric molecules 🌐Paper: https://arxiv.org/abs/2404.14241 3. 用 40 个「乐高积木」拼蛋白质，搜索速度提升 24000 倍 在蛋白质研发领域，我们总是在和两个极端打交道：要么是长长的一维氨基酸序列，要么是极其复杂的三维原子坐标。序列比对快，但经常「失之毫厘，谬以千里」，相似的序列功能可能完全不同。结构比对准，但慢得让人无法忍受。我们一直想要一种介于两者之间、既快又准的表示方法。这篇论文给出了一个漂亮的答案。 研究者的思路很直接：别再盯着单个氨基酸或者原子了。他们提出，蛋白质的折叠世界里，可能存在一套通用的「乐高积木」——一些在漫长进化中被反复使用的、结构保守的片段。 他们最终筛选出了 40 个这样的「远古」结构片段作为基本单元。 基于这个「积木盒」，他们开发了两种描述蛋白质的方法： 片段集 (Fragment Sets)：这就像一份零件清单。它只告诉你一个蛋白质里有哪些类型的积木，以及每种有几个。这种方法忽略了积木的排列方式，但换来的是极致的速度。 片段图 (Fragment Graphs)：这是装配图。它把每个结构片段看作一个节点，通过肽键和空间上的邻近关系把它们连接起来。它保留了更多的结构信息，适合更精细的分析。 这个方法到底好不好用？数据最有说服力。 首先，这些片段确实是蛋白质结构中更「独立」的单元。作者发现，片段内部的氢键数量更多，而片段之间的氢键更少，同时它们的核心也更不容易接触到溶剂。这说明它们是稳定的、自成体系的结构核心。 接下来是性能测试。在一个包含 100 个蛋白质的小型数据库中进行搜索查询，传统的三维结构比对（RMSD）需要约 1717 秒，也就是近半小时。序列比对（BLOSUM）快一些，也要 36 秒。而最快的「片段集」方法，完成同样的任务只需要 0.07 秒。这个速度提升是颠覆性的。 速度快了，准确性怎么样？作者在一个包含 215 个蛋白质、12 种不同功能的数据集上进行了测试。结果发现，无论是「片段集」还是「片段图」，在按照功能对蛋白质进行聚类时，效果都比序列和整体结构比对要好得多。「片段集」方法得到的簇边界清晰（剪影系数 Silhouette ≈ 0.82），说明它能很好地把功能相似的蛋白质分到一起。 对于做药物研发的人来说，最激动人心的是它在蛋白质设计中的应用。 这套方法可以直接用作 AI 生成模型的「蓝图」。具体做法是：先在一个已知的蛋白质上识别出这些功能片段，把它们的骨架固定住，然后让像 RFDiffusion 这样的模型去「填充」缺失的连接部分。 结果非常理想。用这种方式生成的蛋白质，有超过 40% 的比例能成功恢复其原有的功能，在某些类别（如金属结合蛋白）上甚至能做到近乎完美的恢复。相比之下，如果用随机切分的几何片段作为蓝图，生成的蛋白质基本都失去了功能。这证明了这 40 个「远古片段」确实携带了进化的功能信号。 这不再是让 AI 从零开始凭空想象，而是给了它一个经过数十亿年进化验证过的、功能正确的「骨架」。这大大降低了 AI 设计的难度，也提高了我们获得功能性分子的成功率。 这项工作为我们提供了一个全新的、高效的视角来理解和操作蛋白质。它把一个极其复杂的问题，简化成了一套有限的、可组合的构建模块，无论是用于大规模数据挖掘还是 AI 辅助的从头设计，都极具潜力。 📜Title: From Atoms to Fragments: A Coarse Representation for Efficient and Functional Protein Design 🌐Paper: https://doi.org/10.1093/bioinformatics/btag172 💻Code: https://github.com/wells-wood-research/tessera 4. 告别刚性对接：强化学习让 3D 扩散模型懂半柔性 在基于结构的药物设计（SBDD）中，直接在蛋白质口袋里「长」出分子一直是个极具挑战的任务。早期的 3D 扩散模型常常假设配体是绝对刚性的。现实中的生物分子是动态的。研究者这次带来了一个更贴近真实物理世界的解决方案：SeFMol。 我们来看看具体的工作原理。SeFMol 的核心思路是将扩散去噪过程看作一个马尔可夫决策过程（MDP）。研究者没有停留在预训练的「刚性」条件扩散模型上，他们增加了一个半柔性强化学习阶段。在这个阶段中，模型允许分子在口袋内部进行分步的构象微调。 强化学习在分子生成中很容易跑偏，也就是常说的奖励过拟合。为了防止模型产生灾难性偏移，研究者巧妙地设置了一个「锚点」。他们冻结了一个参考去噪器，通过 KL 散度约束来牵制策略去噪器。这就好比给模型戴上了牵引绳，确保它在追求更高结合力的同时，依然保持合理的化学几何结构。 对接打分（比如 Vina 分数）通常只在生成结束时才给出一个最终奖励。这种稀疏的反馈对训练极不友好。研究者的对策是把理化性质控制内置到生成过程中。他们使用 RDKit 计算了 QED、SA、LogP、TPSA 等 8 项指标，作为显式的条件信号。这些信号在整个去噪过程中提供了密集的引导。 训练管线分为清晰的三步。第一步，在 100 万个无靶点的 Molecule3D 分子上进行预训练，让模型学习通用的结构与性质先验知识。第二步，在 10 万对 CrossDocked2020 蛋白 - 配体复合物上微调，让模型具备「口袋意识」。最后一步，应用半柔性强化学习，引导去噪轨迹向着更好的口袋互补性发展。 对于计算辅助药物发现从业者来说，生成速度往往是落地的瓶颈。SeFMol 引入了可变快速采样策略。模型在训练时需要 1000 步，但在实际采样和优化时降到了 50 步。单分子生成时间缩短到了 0.81 秒，完成率高达 98.3%。这比此前的多个扩散基线模型都要快得多。 生成的分子究竟能不能成药？数据给出了肯定的答案。在 100 个测试口袋中，SeFMol 生成的分子平均 Vina 得分为 -7.23 kcal/mol。更关键的是几何与相互作用的可靠性。直接生成的构象打分与重对接打分的相关性达到了 0.95。这意味着模型生成的 3D 构象在化学上是合理的，没有为了迎合打分函数而扭曲分子结构。 利用 PLIP 相互作用分型工具分析发现，SeFMol 保持了与参考配体高度一致的相互作用类型分布。亲和力的提升建立在真实的物理相互作用之上。 研究者在真实世界的靶点 CDK2 和 ROCK1 上进行了案例验证。SeFMol 生成的配体不仅完美再现了已知活性分子中常见的经典氢键网络，还提出了具有合理新颖相互作用的全新化学骨架。通过设定特定的属性目标（如 TPSA 或 Fsp3），模型能够准确地将生成的分子分布转移到指定区间。这种精准的干预能力对后期的先导化合物优化具有很高的实操价值。 📜Title: Steering semi-flexible molecular diffusion model for structure-based drug design with reinforcement learning 🌐Paper: https://doi.org/10.1126/sciadv.ady9955 5. 为什么大模型的蛋白序列设计成功率翻倍？ 蛋白序列设计一直是个硬骨头。面对庞大的氨基酸组合空间，直接让大语言模型（LLM）从头去猜一条完美序列，往往会产生结构散架的废品。研究者在这项名为 RosettaSearch 的工作中转换了思路。他们给大模型安排了一个更务实的角色：一个精雕细琢的「修补匠」。 做法很简单。先拿一个还凑合的底子。研究者选择 LigandMPNN 生成的次优序列作为起点。接着让大模型去修改有问题的地方。修改后的序列会交给结构预测工具（RosettaFold3）去跑一次模拟。预测工具会给出几个核心评估分数，包括 ss-pLDDT、TM-score 和 Cα-RMSD。预测工具还会圈出具体哪些局部的氨基酸残基存在缺陷。大模型拿到这些详细的结构反馈后，继续进行下一轮的定点修改。整个过程完全在推理阶段完成。 在坑坑洼洼的组合优化空间里探索，很容易走进死胡同。这就好比走迷宫。研究者采用了一种基于优先级的并行搜索策略。系统内部维护着一个候选池。每次挑出表现最好的几个序列，同时让大模型生成多个新的突变方案。这些新方案经过评估后，再重新放回池子里。多条路径同时探索，降低了过早陷入劣质序列的风险。单纯的随机突变在这里完全行不通，实验数据表明这甚至会让序列质量变差。真正起效的核心，是大模型具备类似化学家的直觉，能够提出化学上合理且有根据的氨基酸替换建议。 给大模型设定目标分数，它往往会投机取巧去「刷分」。为了防范这种行为，研究者加入了文字形式的软约束。明确告诉模型不要连续重复同一种氨基酸，保持设定的目标序列长度，并严格保留关键的配体结合位点。 这套闭环机制的成效十分明显。在针对大约 400 个 PDB 单体的数据集测试中，从次优序列起步，结构的保真度指标提升了 18% 到 68%。在 RosettaFold3 的评估体系下，设计成功率直接翻了 2.5 倍。有人可能会怀疑这是针对 RosettaFold3 裁判规则的过拟合。研究者把最终生成的序列扔给完全独立的结构预测工具 Chai-1 去做盲测。成功率依然实现了翻番。在 Dayhoff Atlas 这种完全没有任何天然参考序列的全新骨架数据集上，这套方法同样管用。 未来这套框架还有很大的扩展空间。如果给大模型喂入渲染好的三维结构图像，它能展现出更丰富的推理过程。随着底层大语言模型能力的升级（比如从 o4-mini 切换到更强的大模型），整体的蛋白设计表现也会跟着水涨船高。 📜Title: RosettaSearch: Multi-Objective Inference-Time Search for Protein Sequence Design 🌐Paper: https://arxiv.org/abs/2604.17175 — 完 —

一、项目简介 分子对接的最初思想起源于 Fisher．E 提出的酶与底物相互作用的“锁和钥匙模型"，它指的是底物和酶（也就是分子对接中的配体和受体）之间通过几何匹配和能量匹配而相互识别的过程，也就是说分子之间的相互作用不仅是指参与对接两个分子在空间构象上的相互匹配，还要满足能量的匹配。即要求配体和受体间需要存在空间结构、氢键作用、静电作疏水作用等方面的互补匹配，这也就是所谓的互补匹配原则。根据对接分子对接配体、受体的体系大小和对体系简化程度的不同，分子对接方法可以分为三类： 1.刚性对接：刚性对接方法在计算过程中，参与对接的分子构象不发生变化，仅改变分子的空间位置与姿态，刚性对接方法的简化程度最高，计算量相对较小，适合于处理大分子之间的对接。 2.半柔性对接：半柔性对接方法允许对接过程中小分子构像发生一定程度的变化，但通常会固定大分子的构像，另外小分子构像的调整也可能受到一定程度的限制，如固定某些非关键部位的键长、键角等，半柔性对接方法兼顾计算量与模型的预测能力，是应用比较广泛的对接方法之一。之后介绍的 Autodock 系列对接软件使用的便是半柔性对接的方法。 3.柔性对接：柔性对接方法在对接过程中允许研究体系的构象发生自由变化，由于变量随着体系的原子数呈几何级数增长，因此柔性对接方法的计算量非常大，消耗计算机时很多，适合精确考察分子间识别情况。 但是幸运的是，目前已经存在了各种各样的分子对接软件如 Dock，Autodock，FlexX 和Affinity 等来实现我们的对接过程。而我们用户只需要做简单的准备工作和后续的分析工作即可。 项目整体流程图如下： 二、核心应用领域 分子对接技术就像是给锁（蛋白质靶点）和钥匙（候选小分子）提供虚拟的“试配”平台，在计算机上模拟它们如何结合并计算结合强度。它的应用领域很广，操作流程也已相当成熟。 1.药物发现与开发（最核心领域） 1）虚拟筛选：从百万级化合物库中快速筛选出潜在活性分子，取代高通量筛选，大幅降低成本和时间。 2）先导化合物优化：对初筛出的苗头化合物进行结构修饰以提高活性，解释不同分子活性差异原因，指导理性设计。 3）药物重定位：探索已上市药物或临床候选物的新靶点，发现老药新用途 4）作用机制阐释：解析药物与靶点精确结合模式，为新药研发提供分子水平证据。 2.食品与营养健康 1）功能成分验证：预测蓝莓花青素、大豆异黄酮等活性成分如何与体内关键酶或受体互作，验证其抗氧化、抗衰老等功效。 2）活性肽挖掘：筛选和设计具有降血压、抗菌等活性的生物肽，预测其与靶点结合能力。 3）酶机理研究：研究食品加工中关键酶与底物互作机制，为改善酶特性提供指导。 3.其他前沿拓展 1）农药创制：针对害虫特有靶点，设计高效、低毒的绿色农药。 2）蛋白质工程：设计具有特定功能的人工蛋白质或酶。 3）生物修复：筛选或设计能高效结合并降解环境污染物的酶。 4）分子机制探究：揭示病毒蛋白如何入侵细胞（如新冠病毒与ACE2受体结合）等基础生物学问题。 三、软件列表 功能 数据库/软件 作用 成分收集 TCMSP、TCMID等分子数据库， 中药/研究成分收集 成分结构下载 Pubchem 提供配体的结构信息 靶点预测 TCMSP、SwissTarget、靶点计算工具等 提供受体的结构信息 成分结构能量最小化 Chem3D 20.0、 OpenBabel、sybyl等 通过调整分子构象使体系达到局部能量最低点。这一过程对于后续的虚拟筛选、分子对接等研究至关重要，可以消除初始结构中不合理的高能构象，提高计算结果的可靠性。 配体、受体批量对接 Autodock Vina http://vina.scripps.edu/ 说明：这里既有软件的下载，也有软件的教程以及运行Vina的一些软件，请自行探索 这个软件中包含了Autodock Tools MGLTools http://mgltools.scripps.edu/downloads 说明：这个软件中包含了AutoDockTools 分子坐标和格子参数准备 Autodock Tools 蛋白晶体对接前处理及分子坐标和格子参数准备 Autodock Vina的GUI（图形界面） PaDEL-ADV http://www.yapcwsoft.com/dd/padeladv/ 说明1：这个是运行Vina的GUI即是图形界面，因为单独的Vina只能命令行运行，因此为了方便采用图形界面 说明2：PaDEL-ADV是一个Java程序，需要提前按照好Java的JRE环境 蛋白受体文件准备 PDB、Uniprot数据库 提供受体的结构特征 互作分析（3D） Pymol、PLIP 用于对配体和受体结构进行3D互作分析可视化 互作分析（2D） LigPlot+-、PoseView Web、PoseView 用于对配体和受体结构进行2D互作分析可视化 四、信息分析流程4.1. 分子对接精简流程 1）受体、配体分子坐标文件准备： ①受体分子（通常是蛋白质）去除溶剂分子、杂分子，加极性氢，加电荷 ②从头绘制配体分子，加极性氢，加电荷，设置分子柔性等。 2）格子参数的准备：格子（Grid）就是分子对接中用户指定的受体和配体可能发生相互作用的一个长方体区域，我们要在进行分子对接开始之前指定这个区域的位置和大小。 3）分子对接：准备好的分子坐标文件和格子参数文件输入对接程序，运行后给出配体分子对接的构象，分析预测能量 4）结果分析：配体分子相似构象聚类分析、配体分子构象可视化分析、配体分子同受体分子相互作用可视化分析、AutoGrid 计算的亲和势能等。4.2. 软件准备 我们所要使用的分子对接软件主要是 Autodock 系列对接软件中的 Autodock Vina，它是继 Scripps 实验室的 Autodock 4 对接程序之后由 Oleg Trott 等人推出的使用新的打分函数、预测准确率更高并支持并行化的更高效易用的对接程序。它的使用方法和 Autodock 4 类似，只是少了调用 AutoGrid 程序（原 Autodock 4 中需要用到）这一步。 在准备输入给对接程序的分子坐标和格子参数时，我们需要使用的是 Autodock Tools, 它是和 Autodock 4 以及 Autodock Vina 配套使用的有用户图形界面的一个程序，同时在分析对接结果时，我们也会用到它。 更重要的是，我们需要一个 Linux 环境，来运行最后虚拟筛选部分涉及到的 Shell 脚本。4.3. 配体和受体基础数据收集4.3.1. 分子数据收集 1）中药分子收集：基于TCMSP、TCMID等中药数据库，下载需要进行对接的分子，根据分子的名称在Pubchem、NCBI PubCompound网站下载相应的3D.sdf结构文件并进保存1_MOL文件夹。 2）单分子直接在Pubchem网站下载相应的3D.sdf结构文件并保存。 3）使用 Gaussview 从头画出配体的空间结构模型保存为 mol2 文件，稍微复杂的分子在画完后需要做一下量子化学水平的结构优化。 4）如果配体十分复杂，可以先使用 ChemDraw 或 ChemBioDraw 画出配体结构的平面图，保存成 cdx 后缀的文件，然后使用 OpenBabel 转换成 mol2 文件。4.3.2. 分子结构能量优化 1）少量分子：使用Chem3D 20.0打开，Calculations>MM2>Minimize Energy>Run>save as，保存能量优化后的结构进行后续对接。 2）批量分子：使用OpenBabel、sybyl进行批量能量优化。4.3.3. 蛋白晶体数据收集4.3.3.1 蛋白晶体结构的选择 首先，我们需要了解一下RCSB-PDB数据库，这个数据库是目前世界上最大的蛋白晶体结构存储数据库。在这个数据库上，我们能找到不同物种的蛋白的结构晶体信息，包括，蛋白晶体来源，蛋白信息，配体信息等等。我们基本能从这个网站上找到相关蛋白的信息。 蛋白受体文件从RCSB PDB网站检索，搜索基因如DPP4，得到不同来源的蛋白受体结构，结构选择原则： ① Homo sapiens来源； ② X-RAY DIFFRACTION Refinement Resolution (Å) 参数尽量小（分辨率）； ③ 数据发布时间新； ④ 点击详情页下拉查看相关Gene Names是否一致。 下载选择好的蛋白晶体文件（Legacy PDB Format），并将下载好的文件进行命名：蛋白晶体名称_基因名称（为了更好识别，建议命名）例：5T4B_DPP4.pdb。 1）蛋白晶体结构的要求 对于我们后续用于对接的蛋白晶体结构，基本上有两个要求：蛋白具有配体小分子、蛋白结构完整。下面我们来详细的说明一下： ① 蛋白晶体结构中有对应的结合配体（大部分情况下是小分子，极少数是一段氨基酸链；注意对于配体分子的确定都是需要看原文献的，但我们可以通过PDB网站上的数据进行判断），具体如下： 我们一般可以在PDB数据库上一个具体的蛋白页面上看到如下信息，在这里列出了这个蛋白晶体文件中包含的配体信息： 但是，当配体小分子太多的时候，我们需要确定那个是与蛋白结合的小分子？ 这个时候，我们可以结合PDB页面上的标题，或者阅读这个蛋白晶体文件对应的文章来确定配体小分子。 ② 蛋白质配体周围大概12A（范围可以缩小）范围的蛋白结构不能出现断链，也就是说在这个范围内的氨基酸结构是完整的 ③ 蛋白质要足够大：当出现靶点对应的蛋白在PDB中只是很小的一段，查看原文献，观察这个pdb是不是催化亚基，或者是膜外部分的等等。 2）蛋白晶体结构存在问题的处理方法 有时候，在寻找靶点对应的蛋白晶体结构的时候，我们会遇到一些情况，这个时候就需要我们进一步的处理。 ① 蛋白没有配体：我们需要优先找有配体的蛋白结构，如果实在是没有的话就用无配体的蛋白结构，后期可以通过一些网站获得商业软件的功能自动寻找到蛋白可能的结合区，用于后续对接； ② 蛋白配体周围12A内有断链：我们需要优先找无断链的蛋白结构，如果实在是没有的话，采取同源模建补齐断链，具体我们可以这样操作：1）在SWISS-MODEL这个网站上，以断链的蛋白的PDB编号为模板，进行同源模建；2）下载建模的蛋白pdb文件，同PyMol打开建模的蛋白pdb文件和断链蛋白的pdb，对齐，选择断链蛋白的pdb的大部分残基，在断链区域选择建模的蛋白pdb的残基，然后保存。 ③ 靶点无对应的蛋白三级结构：可用该靶点在其他物种中的蛋白结构为模板进行建模（相似度越高越好）。4.3.3.2 蛋白结构的处理（具体见4.4.1.1） 选择好蛋白晶体文件后，我们需要对这个文件进行处理，一般情况下PyMOL就能很好的完成这些处理： ① 去掉重复结构（在蛋白晶体文件会出现重复序列结构，根据情况，决定是否去掉重复结构；这里提一下，对于一些二聚体，很多情况下我们是需要保留结构的）； ② 去水分子； ③ 去配体周围小分子（注意这个要参考原文献，根据我的经验，对于HME这样的分子通常是保留的）； ④ 金属离子（根据文献分析，是否保留；如果金属离子参与了配体与蛋白的结合，那就需要保留；一个并不一定正确的识别方法就是，你直接看金属离子是否在蛋白和配体的结合区）4.3.3.3 其它 在我们确定好了靶点之后，我们并不一定要在PDB数据库中搜索对应的晶体结构，我们可以去Uniprot数据库查找对应蛋白的3D结构信息，这里我们以人类PTGS2为例： 在这里我们可以看到以下信息： PDB Entry：PTGS2蛋白的晶体结构的PDB数据库编号，我们可以直接通过这个编号去PDB数据库查看详细信息 Method：PTGS2蛋白的晶体结构的获得方法：X-ray、NMR，我们常见的是X-ray Resolution：PTGS2蛋白的晶体结构的分辨率，这个数值越小越好，在有多个候选蛋白，且基本信息一样的情况下，我们选择Resolution数值低的蛋白 Chain：PTGS2蛋白在晶体结构中位置，有时候一个蛋白晶体结构文件包含多个蛋白的信息，我们需要确定我们的目标蛋白所在链（通常一个链一个蛋白）；以5IKR为例，PTGS2蛋白在A和B链上，至于这个是蛋白二聚体还是结构重复，需要大家去查看相关信息说明，其实它对应的文章就会有详细的说明。 Positions：PTGS2蛋白的晶体结构结晶出来的长度，以5IKR为例，这里PTGS2蛋白的19-569氨基酸获得了晶体结构。4.4. 分子对接过程与结果分析（以单个配体为例）4.4.1. Autodock Vina 预处理 在本教程中，我们研究的体系是依赖 NAD+的 蛋白脱乙酰酶 Sirtuin 3 及其抑制剂的相互作用情况。Jeremy S. Disch1 等人已在实验室中筛选出了几种具有高效抑制功能的小分子化合物，并且将其中的 3 种抑制剂进行了与 Sirtuin 3 蛋白的共结晶并解析了 其晶体结构存放于PDB 数据库中。 从 Jeremy S. Disch 等人的工作中，我们了解到，Sirtuin 3 起催化功能时，NAD+辅酶与底物会结合到底物结合槽部位，而抑制剂结合时，NAD+将不再结合，仅有抑制剂结合到底物结合部位附近。考虑到 Sirt 3 结合不同的抑制剂时，蛋白的构象差异远小于结合底物时的情况，故我们以 结合了抑制剂的结构（PDB：4JSR）出发，开始我们的研究。 4JSR 中除了 Sirt 3 蛋白和抑制剂 1NQ 之外，还存在一个金属 Zn 离子和很多水分子的氧原子，但是我们期望探究其他抑制剂和 Sirt 3 蛋白相互作用的情况，所以要把抑制剂 1NQ 替换成我们预定的抑制剂（文献中的第 17 号抑制剂）。（Disch JS et al.Discovery of thieno[3,2-d]pyrimidine-6-carboxamides as potent inhibitors of SIRT1, SIRT2, and SIRT3.J Med Chem. 2013 May 9;56(9):3666-79. ） 基于上述信息，在进行Autodock对接前，我们需要对分子和蛋白进行处理，即对接体系（受体、配体）的确定与结构预处理。4.4.1.1 受体分子的预处理 1）初步处理：将在PDB数据库中下载的蛋白晶体PDB文件的蛋白用Pymol软件打开。 ① 点击右下角“S”，将蛋白序列调出。 ② 红色序列为水分子、溶剂分子等杂分子需删除（选中右击remove），（① 这里需要确认蛋白结构里面是否有多肽等结构存在，如果存在，需要去PDB数据库中查看是否作为这个蛋白结构活动所必须的，如果不是必须的需要将其删除。如果选择的蛋白晶体中没有配体存在，需要将这个多肽作为配体对接的位置进行保留。除此之外，如果多肽离配体距离较近的话，意味着他会对受体和配体间的对接产生影响，则需要保留。② 如果存在二聚体或多聚体情况，我们需要去PDB数据库确认结构，如果四聚体的结构相似，则保留一个聚体，其余三个删掉，此外，同时检查蛋白的配体、底物等情况，建议搜索一下蛋白晶体的配体结构在蛋白中的作用都是什么，再考虑是否作为后续的对接位置坐标定位） ③ 进行保存，File-Export Molecule-Selection（处理后的蛋白名字）-Save-选择PDB格式保存。 2）Autodock Tools处理蛋白 ① 打开 Autodock Tools 界面，可以看到如图的界面： Figure 1: Autodock Tools 界面：1 PMV 菜单； 2 PMV 工具栏； 3 ADT 菜单； 4 仪表板窗口部件； 5 分子显示窗口； 6 信息栏 进行如下操作： （1）点击进入 File → Read Molecule 选择“4JSR.pdb”，打开受体分子，选择 Ribbon 类型的representation 表现方式，并按链（by chain）着色，可以看到只有一个亚基（显示为A/B链的存在）。 如出现以下问题， 从错误信息来看，问题主要源于文件路径 / 名称包含非 ASCII 字符（如中文、特殊符号等），导致老旧版本的 MGLTools（依赖 Python 2.x）在处理时出现编码错误，进而引发后续的属性错误。解决步骤如下（建议在C盘/D盘建一个文件夹，这个文件夹里是做分子对接的全部软件和所需的数据，相关全部路径用英文）：将需要打开的 PDB 文件（或其他分子文件）移动到纯英文路径下）。文件名本身也需改为纯英文 / 数字 / 下划线，例如 ligand.pdb 而非 配体.pdb 或 my ligand.pdb。 （2）点击 Select → Select From String 打开 Select From String 对话框，在 Residue 框中输入先存配体名称 1NQ*（可打开PDB数据库查询该蛋白晶体，Small Molecules下的Ligands即为配体），点击 Add ，再点击 Dismiss 按钮关闭，新出现的黄色的部分就是自带的配体抑制剂 1NQ。 （3）点击 Grid →Grid Box →滑动 Center Grid Box 的三个坐标滚柱，移动格子，并通过上面的三个滚柱调节格子的大小将选择的黄色抑制剂完全包围（可调整配体的显示为棍状模式，再行包裹；如果看不到格子在哪里，就把结构缩小，进行旋转）。最终选择的中心坐标为：26.97、30.944、11.051，格子大小为 14 20 20，记下这些数值。点击关闭 Grid Options 框（建议新建一个记事本conf.txt保存在英文目录autodock文件夹里，将以上信息放在里面，后面用于批量对接）。 （4）删除配体：点击 Select → Select From String 打开 Select From String 对话框，在 Residue 框中输入1NQ，在 Atom 框中输入*（通配符，表示所有原子）；点击 Add 选中所有杂分子(溶剂分子和抑制剂分子)。最后，点击 Dismiss 按钮关闭 Select From String 对话框，可以看到水分子和抑制剂都被选取了；点击 Edit → Delete → Delete Selected Atoms 删除已选择的分子，点击弹出的警告窗口上的 CONTINUE 按钮删除。 （5）加氢：点击 Edit → Hydrogens → Add 为受体分子加 H（X 射线衍射无法获 H 的坐标数据。）注意：加极性氢（连接在具有电负性的原子如 N、O、S 等上氢原子），并合并所有的非极性氢（连接在碳原子上的氢原子）点击 Edit → Hydrogens →Merge Non-Polar）。 （6）加电荷：点击 Edit → Charges → Add Kollman Charge 为受体分子加电荷。 （7）点击 Grid → Macromolecule → Choose，选择后保存修改过的受体分子，这里保存为F2.pdbqt（保存路径建议为纯英文路径，文件夹建议在蛋白晶体处理前文件夹的旁边，这里我取名为PDB_-0）。 4.4.1.2 配体分子的预处理 进行如下操作： 1）点击 Ligand → Input → Open ... 在弹出的对话框中将文件类型由 PDBQT 改为mol2（pdb 格式的配体文件可能会在下一步出现问题），选择“ligand.mol2”，打开我们自己构建的抑制剂配体分子，为配体分子加上极性氢，加上电荷（方法同3.1.1）。 2）点击 Ligand → Torsion Tree → Detect Root… ADT 自动判定 Ligand 的 Root 3）点击 Ligand → Torsion Tree → Show Root Expansion显示 Root 扩展信息 4）点击 Ligand → Torsion Tree → Show/Hide Root Marker 显示/隐藏 Root 标记 5）点击 Ligand → Torsion Tree → Choose Torsions… 选择 Ligand 中可扭转的键，弹出 6）Torsion Count 对话框中点击 Make all active bonds non-rotatable，Make rotatable bonds between selected atoms rotatable 以及 Make amide bonds rotatable。最后结果如下图所示：该 Ligand 分子 11 个键被设置成可扭转的键（rotatable，绿色），点击 Done 确定并关闭此对话框（注意：通常情况下，一般将环与环之间的单键设置为可旋转的） 7）点击 Ligand → Torsion Tree → Set Number of Torsions… 弹出 Set Number of Active Torsions 对话框，以设置可活动的键的数量，同时指定设定活动键时是需要移动最少的原子（fewest atoms）还是最多的原子（most atoms）。在这里我们设置 fewest atoms，数量为 6，点击 Dismiss 关闭对话框。 8）点击 Ligand → Output → Save as PDBQT… 将准备好的 Ligand 分子保存为“ligand.pdbqt”文件。 Figure 2: 第六步中Torsion Count 对话框及 Ligand 分子 Torsion 设置效果（绿色圆球表示 Root，绿色键表示可扭转，紫色表示非扭转，红色表示不可扭转）。 9）需要说明的是：OpenBabel可以快速批量将分子转化成pdbqt后缀的格式（代码处理会导致后续对接时分子出现问题，所以慎用）。 ① 下载OpenBabel，并安装。 ② sdf/mol2转化为pdbqt格式，同时加氢、设置旋转键。 打开存放小分子的文件夹，并在文件地址框里输入cmd，弹出命令行，输入以下代码：obabel *.mol2 -O *.pdbqt -h -c -xb。等待文件夹转化完成即可。 -h：代替使用Autodock Tool的加氢；-c ：加电荷；-xb：代替了设置可旋转键的操作是否正确。 4.4.2 Autodock Vina 对接4.4.2.1 PaDEL-ADV运行对接（可批量对接） PaDEL-ADV对接的相关操作如下： 1）首先准备好相关文件，其中Ligand文件夹中的是分子文件，可以是一个或者多个。 2）打开PaDEL-ADV，设置相关程序的位置： ① Ligands：分子文件所在位置 ② MGLTools：这个软件所在位置 ③ Python：这个Python程序的位置实际上和MGLTools位置相同，因为MGLTolls安装时自带了Python程序，版本2.5版本 ④ Vina：Vina所在位置（通常C:\Program Files (x86)\The Scripps Research Institute\Vina）这个位置。- ⑤ Results：对接得分所在位置，时一个csv文件 ⑥ Vina configuration：对接参数所在位置 PaDEL-ADV运行界面： 运行结束后，每一个分子都有一个压缩文件，里面包含了其具体结果 4）PaDEL-ADV注意事项 ① 由于PaDEL-ADV版本和MGLTools版本存在差别，因此在运行时会出现如下所示的错误，这个错误是表明运行中没有发现运行所需的文件。 ② 具体，我们可以按照上述错误，查看原始安装目录中的情况： ③ 我们发现，并没有MGLToolsPckgs这个文件夹，这是因为，随着版本的更新，最新的版本1.5.6中，MGLToolsPckgs下AutoDockTools被移到了其他目录中：C:\Program Files (x86)\MGLTools-1.5.6\Lib\site-packages ④ 因此，为了解决这个问题，我们需要在根目录下新建一个MGLToolsPckgs文件夹，并将AutoDockTools文件夹拷贝到MGLToolsPckgs目录下，这样程序就能顺利运行。 ⑤ 在解决了上述的问题后，重新操作“PaDEL-ADV运行对接”就能在Windows上完成Autodock Vina的对接了。4.4.2.2 vina.exe直接调用命令行进行对接 4.4.2.3 Autodock Tools实现单个配体和蛋白对接 首先我们要创建工作文件夹：选择一个磁盘新建autodock工作文件夹，将autodock安装文件复制到该工作文件夹，将mgltools安装文件中的adt.bat文件复制到工作文件夹。 此外，设置工作路径：打开AutoDock Tools，选择file-preferences-set设置工作路径为前面创建的工作文件夹。 1） 将预处理好的分子和蛋白导入Autodock Tools中。选择grid-macromolecule-open打开预处理后保存的蛋白pdbqt文件，弹出的窗口点击YES。选择grid-set map types-open ligand打开预处理后保存的小分子pdbqt文件。 2）设置对接盒子： ① 选择grid-grid box，在弹出的窗口中调节滚轮和spacing数值使盒子完全包裹住蛋白（盒子是蛋白上小分子的对接范围，若已知小分子与蛋白的结合区域可以调整对接盒子的大小和位置） ② 点击1处图标，在弹出的窗口中取消2处√，点击3处展开root选择小分子，在右边窗口中按住鼠标右键，滑动鼠标将小分子拖出对接盒子。勾选2处√，关闭此窗口。 ③ 点击file-close saving current，然后点击grid-output-save GPF保存对接盒子为gpf文件。 ④ 点击run-run autogrid，在弹出的窗口红框里选择上一步保存的gpf文件，然后点击launch，之后会弹出一个运行窗口。等待运行完成窗口自动关闭。 3）运行对接盒子 ① 设置对接参数：点击docking-macromolecule-set rigid filename选择pdbqt蛋白文件，点击docking-ligand-choose选择小分子点击接受。 点击docking-search parameters-genetic algorithm，弹出的窗口是对接参数，第一个选项对接次数建议设置50次以上，其他参数按照默认设置，然后点击Accept。 点击docking-docking parameters弹出的窗口点击accept。最后点击docking-output-LamarkianGA(4.2)输出.dpf格式对接文件。 ② 运行对接：点击edit-delect-delect all molecula，然后点击run-run autodock，在弹出的窗口Parameter Filename中选择上一步保存的dpf文件，点击Lunch就会开始运行对接，等待运行窗口关闭对接结束。 4）结果分析 打开之前设置的autodock工作文件夹，其中有很多结构文件及中间运行文件，其中的.dlg文件为结果文件。打开结果文件，界面下方的RMSD表格即为对接结果。默认进行十次对接，每行为其中一次对接的结果，按结合能排序，选择排名第一的作为对接结果，记录其结合能数据。 该流程贯通“数据收集-结构预处理-分子对接-结果分析-可视化”全链条。信息分析流程如下图： 以上为分子对接全教程的上半节内容（简介、软件列表及对接流程），下一期我们将为大家分享下半节内容，即结果分析和绘图，需要完整文档和直接对接服务可联系以下微信。 【免责声明】MOL-Pi公众号为公益号，推送文章目的仅为学术交流使用，仅供读者参考，不构成具体建议在任何情况下，MOL-Pi团队不对任何人因使用本公众号中的任何内容所致的任何损失负任何责任。此外，本公众号所发布的所有文章，如有涉及他人知识版权等问题，请立即联系我们删除！ MOL-Pi公众号中“原创”标识仅代表原创编译之作，不代表本平台对文本主张版权。版权归原作者所有！如需依托【MOL-Pi】公众号发布文章宣传，请予以联系！