structure-based-drug-design

基于结构的药物设计策略

概述

基于结构的药物设计（SBDD）利用生物靶标（通常是蛋白质）的三维结构信息，推断小分子或片段如何与其结合并调节其功能。本技能将影响 SBDD 成效的关键决策方法化：靶标是否具有成药性、哪种计算方法适合当前问题、如何定义和验证结合位点、如何解读构象和评分，以及何时应从分子对接升级到分子动力学（MD）或自由能微扰（FEP）。本技能不生成代码，也不运行工具；它用于指导策略、评估方案并规划实验。

SBDD 的核心观点是：结构会约束化学设计。将合适的方法应用于准备完善且位点定义正确的结构，可得出可用于决策的假设。若缺少这些准备，同一种方法也会产生看似合理、却无法转化为活性的构象和评分。SBDD 中的大多数失败源于策略，而非技术。

用法

当用户正在规划或评估基于结构的设计决策时，加载本技能。典型切入问题包括：

• “这个靶标具有成药性吗？”——使用「成药性评估」。
• “我应该使用刚性对接还是柔性对接？”——使用「对接策略选择」。
• “我的对接评分与活性没有相关性。”——使用「解读对接结果」和「常见错误」。
• “如何为这个同系化合物系列排序？”——使用「何时从对接升级到 FEP」。
• “我有一个隐匿位点或变构位点。”——使用「结合位点定义」，并考虑 MD。
• “设计一项虚拟筛选活动。”——使用「虚拟筛选级联」。
• “应该选片段筛选还是 HTS？”——使用「片段筛选与 HTS」。

开展新项目时，按章节顺序应用；针对具体问题，可直接跳到相关章节。提出建议前，询问以下信息：靶标身份和类别、结构的分辨率和来源（晶体、冷冻电镜、AlphaFold）、是否存在共晶配体、已知活性化合物或构效关系（SAR），以及用户实际需要做出的决策（命中化合物发现、先导化合物优化、机制解释）。

回复格式

• 直接给出建议或分类（≤3 句话）
• 按以下结构组织：建议 → 理由（引用具体标准或阈值）→ 注意事项
• 比较时使用表格；列出标准时使用项目符号
• 省略用户已了解的背景——他们是在提问
• 目标长度：200–400 字，除非用户要求详尽说明

本技能中的决策树和框架仅供内部推理。使用它们得出结论，但不要在回复中复述。只呈现最终建议及其依据。

核心概念

成药性是位点的属性，而非蛋白质的属性。同一种蛋白质可以同时具有可成药和不可成药的口袋。

结合构象和结合评分是两种不同的判断。构象描述几何形状和相互作用；评分则估算亲和力。通常，构象比评分更可靠；对于同一化学型内部的排序，评分比跨化学型排序更可靠。

**方法保真度随成本提高。**药效团方法和分子对接速度快，但结果近似；MD 和 FEP 速度慢，但针对特定问题更准确。方法成本应与决策价值相匹配：不要用 FEP 筛选数百万个化合物的库，也不要用原始对接评分给候选提名化合物排序。

**先验证，再预测。**在用对接流程评估未知化合物之前，应先复现已知共晶构象（自对接或交叉对接），并证明该靶标的已知活性化合物相较诱饵化合物具有富集效果。

成药性评估

评估的是位点，而不是蛋白质。可成药口袋的关键结构特征：

• 深度： 距离表面 >~10 Å。浅位点很少能支持具有药物样结合亲和力的结合。
• 封闭体积： >~300 ų。体积小得多会限制化学结构；体积大得多通常意味着位点界定不清。
• 疏水性比例： 理想情况是疏水核心均衡，并有少数极性锚点。纯疏水口袋会促使非特异性结合；纯极性口袋则难以与药物样配体匹配。
• 柔性（B 因子、集合 RMSF）： 中等柔性可以接受；若位点周围的侧链或环区柔性极高，则是警示信号。
• 保守性和已知配体结合能力： 能结合辅因子、底物或工具化合物的位点，比新发现的表面更可能具有成药性。

不可成药的指标：

• 平坦或浅表，且没有明确的空腔（蛋白质-蛋白质界面的典型特征）。
• 位点带有很强的电荷，且以盐桥为主，尤其是反电荷必须由配体提供时。
• 位点位于高度柔性的环区内，且没有稳定构象。
• 位点仅短暂暴露（隐匿口袋）——可研究，但需要通过 MD 或共溶剂映射来发现，通常还需要采用共价或变构策略。

输出成药性判断：可成药 / 有挑战 / 通过常规手段不可成药，并说明作出判断所依据的具体特征。对于有挑战的位点，指出可行路径（共价弹头、变构位点、PROTAC、分子胶、基于片段的方法）。

对接策略选择

根据真实情况下发生的运动，选择匹配的对接方法。

• 刚性受体对接适用于结构解析良好（通常为 <2 Å 晶体结构）、已知共晶结构中的结合位点保持刚性，且位点周围没有柔性环区的情况。对于刚性口袋的虚拟筛选，可快速完成富集，效果足够（例如成熟的激酶骨架）。
• 柔性侧链对接 / 诱导契合适用于侧链在一系列配体之间发生重取向，或 apo 与 holo 结构的口袋存在差异的情况。如果不同化学型的共晶显示转子构象发生变化，或要用具有化学差异的配体所解析的结构对新化学型进行建模，则应采用此方法。
• 集合对接适用于柔性极高的靶点、隐匿位点，或存在多种实验上不同构象的情况。可根据多个晶体结构、NMR 模型或按口袋形状聚类的 MD 快照生成构象集合。报告针对每种构象的对接结果；不要简单取平均值。
• 共价对接是针对反应性弹头的独立工作流。需要明确指定反应性残基和几何约束。

请思考：apo 和 holo 之间有什么会发生运动？不同配体之间有什么会发生运动？如果答案是“没有有意义的变化”，刚性对接就可以。如果侧链会移动，则使用柔性对接。如果主链或环区会移动，则采用集合或基于 MD 的方法。

按靶标类别选择评分函数

评分函数存在隐含偏差。应根据靶标生物学特征选择：

• 激酶（ATP 竞争性）： 与铰链区主链形成的氢键是决定特异性的主要因素。应使用奖励定向氢键、惩罚缺少氢键的评分函数。判断构象是否合理时，应主要看铰链区接触和守门残基兼容性，而非总分。
• 激酶（变构／III 型／DFG-out）： 刚性的 ATP 位点评分函数对此类靶标的评分不准确。应使用构象特异性模板，并通过已知的 II 型／III 型活性化合物进行验证。
• GPCR： 跨膜束中的疏水接触占主导。应使用考虑膜环境的评分方法，或至少设置适合低介电环境的介电常数。显式脂质或隐式膜模型对准确计算能量很重要；简单的水相评分会使结果偏向极性过强的配体。
• 蛋白质–蛋白质界面（PPI）： 此类界面面积大、较平坦，且往往富含水分。针对深口袋训练的对接评分函数表现不佳。优先采用基于药效团的筛选、热点映射（例如 FTMap 式分析）或片段策略。进行对接时，应优先考虑形状互补性和热点结合，而非总分。
• 变构位点： 通常比正构位点更浅、更具动态性。应重视形状互补性和与口袋相符的动态特征；使用 MD 验证配体不会使其对接到的位点构象失稳。
• 核酸靶标和金属酶： 需要专用评分方法（静电作用、金属配位几何）；默认的通用评分函数并不可靠。

没有任何一种评分函数适用于所有情况。条件允许时，应在靶标的已知活性化合物上对两到三种评分函数进行基准测试，并选择富集效果最好的一种。

结合位点定义

位点定义决定了对接程序将什么视为“结合”。此处的错误不会显现，却会造成灾难性后果。

• 有共晶配体： 以结合态配体为中心定义网格或球体，并向外扩展约 5–8 Å。纳入在多个共晶结构中均出现的有序水；对起桥接作用的水分子，应明确标记并单独处理。
• 无共晶配体： 使用口袋检测方法（fpocket、SiteMap 或同类工具），并结合生物学信息交叉核对——包括突变热点、底物／辅因子接触残基以及已知变构调节剂残基。不同方法的结果一致会提高可信度；若结果不一致，在确定方案前应进行 MD 或共溶剂映射。
• 隐匿或变构位点： 对无配体蛋白进行 MD，寻找瞬时开放的口袋；使用社群分析或动态网络分析，寻找变构耦合区域；共溶剂 MD（MixMD、SILCS 式方法）可识别具有配体结合潜力的热点。
• 务必检查位点残基（His、Cys、Asp、Glu、Lys）在相关 pH 条件下以及配体存在时的质子化状态。 质子化状态判断错误会颠倒氢键供体和受体的角色，导致任何构象解释都失去意义。

应明确记录位点定义：中心坐标、盒子尺寸、纳入的水分子、质子化状态指定，以及任何约束（例如必须与铰链区形成氢键）。这是最常被忽略、也最损害可复现性的步骤。

解读对接结果

应将对接评分视为多项信号之一。

判断结合构象是否可信的检查清单：

• **关键相互作用得以保留：**与催化残基的氢键、铰链区接触以及已知的药效团锚点。无论评分如何，缺少这些相互作用都足以强烈质疑该构象。
• **构象一致性：**独立运行或使用不同评分函数得到的排名靠前的构象，应收敛到相同的结合模式。排名靠前的构象各不相同，意味着预测不可靠。
• **构效关系一致性：**该构象应能解释已知的活性陡变。如果活性高出 100 倍的类似物在该构象中没有形成任何额外接触，那么该构象很可能是错的。
• **重新对接验证：**将共晶配体重新对接到其受体中，应能重现晶体构象，且 RMSD <2 Å。若未达到这一标准，不要相信该流程的前瞻性预测。
• **对已知活性化合物的富集效果：**与随机排序相比，该流程应能将已知活性化合物排在性质匹配的诱饵化合物之前。应报告 AUC 或富集因子，而不只是排名最高的构象。

评分解读：

• **同一化学型内：**对接评分通常能较合理地排序，尤其是在使用更准确的函数重新对接后。
• **不同化学型之间：**对接评分不可靠；不同类别间的系统性偏差会压过细微的亲和力差异。
• **绝对亲和力：**对接评分不是结合自由能。不要向利益相关方引用原始对接预测的 Kd 或 ΔG。

如果上述任一项检查未通过，请退回上一步——不要仅凭评分推进化合物。

何时应升级到对接以外的方法

对接用于初步筛选。当决策所需的准确度超出对接所能提供的范围时，应升级到其他方法。

**分子动力学（MD）**适用于以下情形：

• 靶标柔性是核心假设（隐蔽口袋、环区重排、DFG 翻转、GPCR 激活态）。
• 怀疑存在水介导的相互作用；使用显式溶剂进行 MD 可揭示桥接水分子及其驻留时间。
• 药理学研究需要了解结合动力学（结合/解离速率、驻留时间）。元动力学或增强采样方法可用于估算这些参数。
• 需要确认对接构象在纳秒至微秒时间尺度内是否稳定（构象稳定性 MD）。
• 当原始评分与活性的相关性较差时，可通过对排名靠前的对接命中进行 MM-GBSA 或 MM-PBSA 重评分来改善排序。

自由能微扰（FEP）/热力学积分适用于以下情形：

• 在先导化合物优化期间对同系物系列进行排序，此时需要约 1 kcal/mol 的相对 ΔΔG 精度。
• 需要定量预测亲和力，以确定合成优先级。
• 扰动幅度小且具有合理的化学基础（不是骨架跳跃）；变化较大时，FEP 的准确性会下降。
• 具备充分的采样条件，且有适用于该类化学结构并经过验证的力场。

不要在未充分收敛的构象上、跨不同骨架进行 FEP，也不要在结合模式不确定时进行 FEP。不要用 MD 替代缺失的结构——输入垃圾，得到的轨迹依然是垃圾。

虚拟筛选级联

将筛选设计成漏斗，逐步提高准确性和每个化合物的成本。

1. 性质和药效团过滤。 去除 PAINS、反应性基团以及不符合目标性质范围的化合物。根据已知活性化合物或结构分析应用药效团假设。
2. 高通量对接（快速评分）。 对过滤后的化合物库进行筛选；保留排名前 1–10% 的化合物进入下一阶段。
3. 对排名靠前的命中化合物进行高精度重对接。 使用柔性对接、更精细的搜索，以及经靶标活性化合物验证的评分函数。保留本阶段排名前 10% 的化合物。
4. 目视检查。 由结构化学家或具备同等能力的人员审核构象，检查是否保留关键相互作用、是否易于合成，以及是否符合 SAR。此步骤不可省略。
5. 对排名靠前的 50–100 个化合物进行 MD / MM-GBSA。 构象稳定性分析和重新评分可筛除那些静态观察时表现良好、但在动力学模拟中发生偏移的构象。
6. 实验验证。 采用生物物理方法（SPR、ITC、TSA）或功能测定。设计良好的级联筛选命中率通常为 1–20%；如果低一个数量级，则可能表明前序环节存在方法学问题。

报告每个阶段的富集率和命中率。若级联筛选始终未能通过已知活性化合物验证，就不值得信赖。

片段筛选与 HTS 筛选

根据靶标的可成药性和可用资源进行选择。

**基于片段的药物发现（FBDD）**适用于以下情况：

• 位点较小、极性较强，或因几何结构原因亲和力较低——经典 HTS 的命中率较低。
• 有高质量结构可用（X 射线或冷冻电镜结构的分辨率足以支持片段浸泡实验）。
• 可进行高灵敏度检测：X 射线晶体学浸泡实验、SPR、NMR、天然质谱或 TSA。标准生化测定对较弱的片段结合缺乏足够的灵敏度。
• 团队能够通过合成迭代来扩展、合并或连接片段。预期片段亲和力为 mM–µM；其价值在于配体效率和结构信息，而非效力。

HTS适用于以下情况：

• 靶标具有明确、适合药物大小分子的口袋，有望从多样化的化学结构中获得 µM 级或更好的命中化合物。
• 有稳健且可扩展的功能或生化测定。
• 有与靶标类别相匹配的化合物库可用。

混合方法在实践中很常见，例如先进行 HTS，再对命中化合物进行结构表征；或先进行 FBDD，再围绕片段引导的药效团进行虚拟筛选。

不适用此技能的情况

• PROTAC／分子胶或靶向蛋白降解剂设计——三元复合物建模需要经典 SBDD 范畴之外的专用工具（如 Rosetta、蛋白质-蛋白质对接）
• 抗体或生物制剂工程——小分子对接框架不涉及 CDR 环建模和蛋白质-蛋白质界面
• 不存在靶标结构时进行基于配体的设计——应改用药效团建模或 QSAR

常见错误

• 错误： 未先用已知活性化合物进行验证，就开展前瞻性对接 正确： 对共晶配体进行自对接（RMSD < 2 Å），并在开展任何前瞻性应用前证明对接能富集活性化合物而非诱饵化合物 原因： 未经验证，就无法证明该方案能为目标生成有意义的构象

• 错误： 对柔性靶标只使用单一刚性晶体结构 正确： 对激酶、GPCR 和转运蛋白使用集成对接或柔性侧链对接 原因： 单一构象无法代表构象景观；可能会完全错过真实的结合模式

• 错误： 不经检查就接受默认的质子化状态和互变异构体 正确： 在生理 pH 下有意指定配体和结合位点的电离状态；确认 His、Cys、Asp、Glu 的状态 原因： 错误的质子化状态会颠倒氢键供体／受体的身份，并产生不符合物理规律的构象

• 错误： 依赖绝对对接评分对不同化学骨架的化合物进行排序 正确： 在同一化学类型内排序；使用 MM-GBSA、FEP 或实验结果验证不同系列间的排序 原因： 评分函数存在依赖化学类型的偏差，其影响会超过不同系列间较小的亲和力差异

• 错误： 将 AlphaFold 预测结构视为与实验晶体结构等同，并用于对接 正确： 在将预测结构用于结合位点对接前，先进行精修或用实验数据验证 原因： 结合位点附近的侧链和环区准确度通常不足，导致构象不可靠

• 错误： 不经目视检查就使用默认盒子大小定义结合位点 正确： 根据共晶配体或口袋检测结果设定网格中心和尺寸，并向外扩展 5–8 Å 原因： 盒子过大会让配体可以在任意位置对接；盒子过小则会排除真实的结合模式

• 错误： 跳过对得分最高的对接构象进行目视检查 正确： 请结构化学家检查构象中的关键相互作用、合成可及性和 SAR 一致性 原因： 任何评分函数都无法取代专家判断；高分构象往往缺少关键药效团接触

• 错误： 将 MD 中的构象稳定性等同于结合亲和力 正确： 将 MD 稳定性和亲和力视为两项独立主张，并分别提供证据 原因： 构象在几何上稳定但亲和力可能较低；高亲和力配体也可能采样多个结合状态

• 错误： 在骨架跃迁或结构发生较大变化时运行 FEP 正确： 将 FEP 限制在同一化学系列内的小幅同系扰动 原因： 大幅扰动超出 FEP 的采样和力场准确度适用范围，会产生不可靠的 ΔΔG 值

• 错误： 向利益相关方承诺可根据对接评分定量预测 Kd 正确： 将对接结果报告为相对排序和构象假设，而非校准后的亲和力 原因： 对接无法给出经校准的结合自由能；夸大其能力会损害项目公信力

参考文献

• 成药性：Halgren. Chem Biol Drug Des 2009，https://doi.org/10.1111/j.1747-0285.2009.00890.x
• fpocket：Le Guilloux et al. BMC Bioinformatics 2009，https://doi.org/10.1186/1471-2105-10-168
• Vina 评分：Trott & Olson. J Comput Chem 2010，https://doi.org/10.1002/jcc.21334
• FEP 准确度：Cournia et al. J Chem Inf Model 2017，https://doi.org/10.1021/acs.jcim.7b00564