计算机辅助药物设计
计算机辅助药物设计(Computer-Aided Drug Design,CADD)是运用计算化学、分子模拟、信息学与人工智能方法,研究药物分子与生物大分子靶标之间的相互作用,并据此发现、筛选与优化候选化合物的技术体系。它属于药物化学、结构生物学与计算科学的交叉领域,其目标并非取代实验,而是把药物发现中大量"合成—测试"的物理试错,替换为"建模—评估"的数字筛选,从而把宝贵的实验资源集中在少数最有希望的分子上。
在方法谱系上,CADD 通常被划分为两大分支:基于结构的药物设计(Structure-Based Drug Design,SBDD)与基于配体的药物设计(Ligand-Based Drug Design,LBDD)。前者以靶标蛋白的三维结构为出发点,后者则在缺乏受体结构信息时,从已知活性分子的共同特征中反推规律。二者的选择取决于所掌握的信息,而非技术优劣。
从"试"到"算"的转换逻辑
传统药物化学的工作方式是合成一系列类似物,逐一测定活性,再根据结果调整结构。这一循环的瓶颈在于合成与测试的通量有限。计算方法的介入改变了循环的成本结构:一次虚拟筛选可以在数小时至数天内评估数百万乃至数十亿个候选分子,把可行域从"实验室能合成的量"扩展到"化学空间中的可枚举量"。
这一转换的有效性依赖于三个前提。第一,靶标结构的准确性——结构错了,后续打分再精细也无意义。第二,打分函数的可靠性——它必须能把真正高亲和力的分子排在前面。第三,构象采样的充分性——蛋白质口袋并非刚性,配体也并非只有一种低能构象。三者中任何一个环节失真,都会使计算结果偏离真实情况。
分子对接:锁与钥匙的再解释
分子对接(Molecular Docking)是 CADD 中使用最广的方法,其任务是预测蛋白—配体复合物的结合模式与结合能。早期的"锁—钥匙"模型把受体视为刚性空腔、配体视为刚性钥匙,只允许平移与旋转;后来的"诱导—拟合"理论承认受体与配体在结合过程中都会发生构象调整,对接算法随之引入柔性侧链与柔性配体的处理。[1]
一次完整的对接流程包括:定义结合口袋、生成配体构象、在口袋内搜索最优姿态、用打分函数评估每个姿态的合理性、对结果排序。打分函数通常由范德华项、静电项、氢键项、去溶剂化惩罚与熵损失估计等组成,其精度足以区分优劣,但不足以准确预测绝对结合自由能。因此对接的实际用途是"富集"而非"定量":把活性分子的比例从随机水平显著提高,而不是直接给出准确的活性数值。
近年,扩散生成模型被引入这一环节。中国科学院上海药物研究所郑明月团队提出的 SurfDock 利用蛋白质表面信息构建几何扩散神经网络,把表面特征、残基结构特征与预训练序列特征整合到表面节点的表示中,高精度自动生成配体结合构象,并配有内部评分模块评估构象置信度。在针对 ALDH1B1 的筛选实验中,该方法快速筛选出 7 个具有新骨架的先导分子。[2]这类方法的意义在于,它把"对接"从搜索问题改写为生成问题,对高度柔性的配体与空结构表现出更好的适应性。
同源模建:在没有结构时构造结构
相当多的药物靶点长期缺乏实验解析的晶体结构。同源模建(Homology Modeling)利用进化上相关蛋白的结构作为模板,根据目标序列与模板序列的比对结果构建三维模型。这一方法在突发传染病应对中价值尤为突出。
2020年初新冠疫情暴发时,研究人员面对的是一个结构生物学来不及跟上的局面。由于当时已掌握SARS病毒关键蛋白的晶体结构,而新型冠状病毒的某些关键蛋白与SARS病毒的氨基酸同源性能达到95%以上,研究团队得以据此构建出合理的病毒蛋白结构模型,并在此基础上提交虚拟筛选作业。[3]这一路径的意义在于争取时间:当实验室条件受限、满足生物安全要求的设施较少,或待测分子数量过多而人员不足时,计算筛选可以在几周内给出候选清单,为后续实验提供方向。[4]
分子动力学与自由能计算
对接给出的是静态快照,分子动力学(MD)模拟则提供时间维度。通过在力场下求解牛顿运动方程,MD 可以观察蛋白在不同时间尺度上的构象变化、配体在口袋中的驻留行为以及水分子的分布。力场由键伸缩、键角弯曲、二面角扭转、范德华相互作用与静电相互作用等项构成,其参数化质量直接决定模拟的可信度。
中国科学院上海药物研究所曾通过大规模分子动力学模拟与实验研究结合,阐述磷脂 PIP2 与 KCNQ2 钾离子通道结合的动态过程,并在更长时间尺度(1 微秒)的模拟中发现了 PIP2 调控该通道的新机制。[5]这类研究的价值不只是解释机制,更在于揭示出对接方法看不到的"隐性口袋"——那些只在特定构象下才出现的结合位点。
在 MD 基础上发展的自由能微扰与热力学积分方法,可以给出更接近实验值的相对结合自由能,代价是计算量高出数个量级。它们通常被用于先导化合物优化的后期,对少量分子做精细排序。
MD 的另一项用途是把"变构"这一概念变成可视化的过程。2026 年,上海交通大学与中国科学院上海药物研究所等团队合作,以多巴胺 D1 受体为对象,发现该受体上三个空间独立的变构位点可被不同正向变构调节剂同时占据,通过互补的构象调控产生协同效应,使多巴胺的功能效力提升超过 1000 倍。分子动力学模拟显示,D1R 的活化是逐级稳定的过程:正构激动剂先诱导受体活化,随后不同调节剂分别从胞内侧与胞外侧加固受体,促进跨膜螺旋 TM6 外移与 G 蛋白结合,使受体进入"超稳定活化状态";关键区域 ECL2 的均方根涨落由无调节剂时的 2.46±0.77 埃降至三联组合时的 0.87±0.11 埃。[6]这一结果说明,动力学模拟能够回答静态结构无法回答的问题——不同位点的占据如何叠加为功能上的协同。
定量构效关系与机器学习
定量构效关系(QSAR)从另一条路径切入:不追问受体结构,而是建立分子结构描述符与生物活性之间的统计模型。二维 QSAR 使用拓扑与物理化学描述符,三维 QSAR 则把分子场特征纳入考量,二者在二十世纪八九十年代成为药物化学的标准工具。
机器学习接续了这一传统,但改变了模型的表达能力。基于图神经网络的模型可以直接在分子图上学习,无需人工设计描述符;生成模型则可以从头设计满足多重约束的新结构。其共同风险是过拟合与数据偏倚:训练集覆盖的化学空间有限,模型在遇到全新骨架时外推能力可能急剧下降。
上海药物所郑明月课题组的工作正是针对这一风险。团队用等变图神经网络整合蛋白质—配体相互作用的物理先验知识,并通过交叉蛋白对接、分子生成模型构造更多样、更具欺骗性的诱饵分子,以减少类似物偏差与数据分布偏差,构建出通用评分方法 EquiScore。在与 21 种评分方法的比较中,该方法对训练集未见过的新靶标表现出更好的泛化性能,其可解释性分析还能为基于结构的设计提供线索。[7]"物理先验 + 数据驱动"这一组合思路,正在成为评分函数设计的主流取向。
案例:从虚拟筛选到候选分子
中科院上海药物所与芝加哥大学、艾默里大学等单位合作,利用虚拟筛选策略发现了高活性、高选择性的小分子 DC-AC50,该分子可同时靶向 Atox1 与 CCS 两种铜伴侣蛋白,选择性调控铜离子转运,从而特异性抑制肿瘤细胞增殖,并在多种动物实验中表现出良好的抗肿瘤活性,相关成果已实现转化。[8]
另一类案例针对传统上"难设计"的靶标。电压门控钾通道没有明确的常规内源性配体结合口袋,确证激动剂作用位点长期是难点。研究团队综合运用动力学模拟、分子对接、定点突变与电生理测试,发现了一个位于通道门控电荷通路中的激动剂结合口袋,并针对该口袋开展基于结构的设计,经电生理验证获得 9 个 KCNQ2 新激动剂,其中两个在两类动物模型中表现出优异的抗癫痫活性。[9]
小 G 蛋白 Rho 亚家族的案例则展示了"模拟—筛选—验证"的完整闭环。由于底物与蛋白的亲和力达皮摩尔级,传统方法难以直接靶向该家族。中国科学院上海药物研究所罗成课题组与合作者先通过分子动力学模拟发现 RhoA 蛋白 Cys107 附近的变构口袋,再针对该口袋开展虚拟筛选并结合实验验证,获得苗头化合物 DC-Rhoin;核磁共振、质谱与 Pull Down 实验证实该化合物共价结合 Cys107,选择性破坏 RhoA 与 RhoGEF、RhoGDI 的相互作用而不影响与 RhoGAP 的结合,复合物晶体结构进一步揭示了一个此前未被表征的变构口袋"CLocK"。[10]这一路径的特点是:计算负责指出"哪里可能有口袋",实验负责证明"口袋确实存在且可被占据"。
可靠性边界
CADD 的局限主要来自物理模型的近似与数据的稀缺。打分函数的系统误差使得"计算得分最高的分子"未必是"实验活性最好的分子";蛋白柔性与诱导契合使单一构象的对接可能完全错过真实结合模式;溶剂效应与熵效应的处理至今仍是难点。此外,公开数据库中活性数据的质量参差不齐,阴性结果严重缺失,导致模型难以校准。
因此,业界的共识是把 CADD 定位为"决策辅助"而非"决策替代":它负责缩小搜索范围、提出可检验的假说、解释构效关系,最终的判断仍来自实验。随着冷冻电镜解析结构的效率提升与算力成本下降,计算与实验之间的迭代周期正在缩短,这一分工的边界也在持续移动。
参考资料
- ↑ 武汉植物园评述分子对接筛选技术在研究和发现海洋药物方面的进展,中国科学院武汉植物园,2020-11-17。
- ↑ 科学家开发出基于生成式AI的蛋白-配体复合物结构预测方法,中国科学院,2024-12-02。
- ↑ 计算机如何辅助抗病毒药物研发,中国科学院,2020-02-24。
- ↑ 计算机如何辅助抗病毒药物研发,中国科学院,2020-02-24。
- ↑ 科研信息化助力合理药物设计新发展,中国科学院院刊。
- ↑ 上海药物所合作揭示GPCR多位点协同变构调控新机制,中国科学院上海药物研究所,2026-10-27。
- ↑ 科学家利用"数据+知识+AI"实现新靶标药物虚拟筛选,中国科学院,2024-06-13。
- ↑ 科研信息化助力合理药物设计新发展,中国科学院院刊。
- ↑ 科研信息化助力合理药物设计新发展,中国科学院院刊。
- ↑ 蛋白质设施用户发现小G蛋白Rho亚家族不可逆变构抑制剂,中国科学院重大科技基础设施共享服务平台,2020-05-25。