5.2 分子侧工具箱：对接、模拟与化学数据库

5.2 分子侧工具箱：对接、模拟与化学数据库

本节摘要：分子侧工具按"精度换代价"排成三级：对接（快而糙，管排序）、分子动力学（中等代价，看动态）、自由能计算（贵而准，管决赛）；化学数据库按用途分三类：实体可购库、生物活性档案、虚拟可合成库。本节讲三级模拟与三类库的选型逻辑，以及把 3.2、3.3 节方法落到具体工具的路径。

精度的三级台阶

第 3 章讲方法时回避了一个现实问题：同一个"评估分子与口袋结合"的任务，工具成本可以差四个数量级。工程选型的本质是把精度花在刀刃上：

三级不是替代关系，是漏斗：对接从十万分子里挑出百个；动力学挑出的问题分子（口袋在模拟中"吐出"配体）降级处理；自由能计算对最后几个候选系列的类似物做精算——一个氢换成氟，亲和力升降几何，这一步的答案直接指导最后一轮合成。开源与商业工具在三级都有成熟选项：开源对接引擎是行业标准级的免费选择，商业套装强在集成与可视化，分子模拟领域开源生态同样强劲（第 8 章分子动力学教程文集的常客）。

一次三级联用会话（决赛圈项目）：
背景：两个系列进入决赛（各 6 个类似物），预算只够再合成 4 个
对接（半小时）：两系列全部姿态正常，无冲突 → 都保留
动力学（两天）：系列 A 的配体在两条轨迹中滑出口袋，
              系列 B 稳定 → A 系列风险降级
自由能微扰（四天）：B 系列内计算相对结合自由能，
   预测 B-3 比 B-1 强 1.1 千卡每摩尔（约一个数量级），
   B-5 与 B-1 相当（差 0.2 千卡，在误差内）
决策：合成 B-3（预测最优）+ B-5（结构差异代表）+ B-1（基准）
     + A 系列一个突变友好变体（对冲）
备注：自由能微扰的结果是"同系列相对值"，跨系列的 A vs B
     之争要靠实验，不能拿计算值硬比。
​

图：三级模拟与三类库的组合使用

三类数据库的用法

实体可购库回答"世界上已经有什么分子能买"：商业化聚合目录收录亿级化合物，每条记录链接到供应商。虚拟筛选命中后第一动作是查它——能买的绝不自合成，这是最简单也最常被忽略的省钱纪律。生物活性档案回答"什么分子对什么靶点测过多强"：公共活性数据库收录数千万条测定记录，是配体设计（3.3 节）与机器学习的训练粮仓；用它的最大纪律是清洗——不同实验室、不同测定体系的活性值混在一起，不归一化就建模等于自我投毒。虚拟库回答"还能造出什么"：按已知反应规则把 building block 组合枚举，可到千亿级规模，每条附合成路线评估——它把 3.4 节"从头设计"的可合成性约束前置到了库的生成规则里。

开源与商业的选型账

分子侧开源生态成熟度很高：开源对接引擎的效果在基准测试中与商业套件互有胜负；开源化学信息学库（结构处理、描述符、指纹的计算底座）是几乎所有自建流程的地基；动力学模拟的开源软件包是学术界标准。商业套装的价值集中在集成体验、可视化与合规文档（在申报场景有价值，见第 6 章）。选型账本三条：团队工程能力强、流程自建，开源为主；团队小、要快速起量，商业套装买时间；申报导向的项目，商业工具的验证文档可以省下合规解释成本。

⚠️ 常见坑：跨体系比较对接打分。不同软件、不同参数甚至不同蛋白 preparations 的打分没有可比性，把文献里的打分与自测打分直接排一张表，是初筛阶段最典型的假精确。

💡 关键直觉：分子侧工具箱的主旋律是"分级花钱"——对接是望远镜，动力学是显微镜，自由能是游标卡尺，一件仪器干一件仪器的活。

常见追问

虚拟筛选该筛多大的库？ 库的大小不是美德，与验证能力匹配才是。经验公式：把"能买能合成的验证容量"（比如每轮一百个分子）乘以"预期命中率"（虚拟筛选命中常在百分之几到百分之十几）——你的漏斗出口宽度决定了进口宽度的意义。亿级虚拟库筛出十万个候选却只能测一百个，等于漏斗倒过来用。正确姿势是先用多样性算法把候选浓缩到可验证量级，让每一张合成订单都带着明确假设。

动力学模拟需要跑多长？ 取决于问题：看结合姿态稳定性，百纳秒级常够；看缓慢构象变化（别构口袋开合），微秒级起步。更重要的纪律是重复轨迹——单条轨迹的结论在统计学上近乎轶事，至少三五条独立轨迹看结论是否可重复。算力预算固定的项目，"多条短轨迹"几乎总是比"一条长轨迹"更划算。

结构预测的模型能替代共晶吗？ 在"排优先级"层面能（3.2 节已定位），在"设计决策"层面谨慎。可行的中间路线：用预测结构做初步对接与漏斗设计，一旦系列进入优化期，尽早补一个实验结构校准关键残基的侧链与结合水——预测结构的系统误差（比如口袋略微偏大）会把整个系列往错误方向优化，实测结构是纠偏的锚点。

工具链要不要上云？ 分子侧的计算负载高度突发（虚拟筛选与自由能计算的峰值可以是日常的百倍），弹性资源对峰值友好；但结构文件与化合物库常涉及保密与合规（6.3 节），跨境数据流动要过法务。折衷与 5.1 节品种侧同构：敏感数据与日常任务本地跑，可匿名化的批量计算（库筛、参数扫描）按需上云——关键是把任务拆分的边界设计好，别让每一次弹性扩容都要重新谈一次合规。

本节要点回顾

• 三级模拟：对接管排序、动力学管稳定性、自由能管精算；漏斗式联用，精度花在决赛圈。
• 三类数据库：实体库管可购、活性档案管先验、虚拟库管可合成的新分子；先对齐标识符再用。
• 省钱纪律：命中先查实体库，能买不合成；活性数据先清洗再建模。
• 选型账本：开源买能力、商业买时间与合规文档，按团队形态配比。
• 假精确警告：打分只在同一体系内可比，跨体系比较一律无效。

两侧工具箱都齐了，最后一环是把它们与湿实验咬合成闭环——下一节讲 DMTA 系统与 AI 框架的适配层。