分子设计：亲和力预测

可视化演示

演示小分子与靶点蛋白口袋结合、力场打分函数与深度学习模型精度对比，以及虚拟筛选流程与误差分析。

亲和力基础：先学会看“咬合分”

配钥匙铺的柜台后面永远挂着一排排钥匙和锁。靶点蛋白是锁芯，小分子药物是钥匙，亲和力就是钥匙插进锁芯后转动时的那种“咬合感”：咬得越紧、越难拔出，说明小分子越有可能在体内真正发挥作用。化学家不会直接说“紧不紧”，而是用一把能量尺来量这种咬合状态，尺上的刻度就是结合自由能。

结合自由能并不是某一个单独作用力，而是氢键、静电、疏水、形状互补等所有作用的汇总结果。小分子和蛋白结合得越稳定，体系越“舒服”，自由能就越低。在实验中，人们常用解离常数 Kd 来表示亲和力：Kd 是钥匙自动从锁上脱落的难易程度，Kd 越小，锁咬得越紧。结合自由能和解离常数之间有一条联系两者的桥。

回到配钥匙铺，亲和力就是师傅的任务书：不必一开始就动手锉钥匙，先把“咬合分”的定义搞清楚。分数从哪里来、单位是什么、负多少算强，这些问题解决后，后面所有工具才有了用武之地。

力场打分函数：用卡尺量齿距

配钥匙铺里最有资历的老师傅，习惯先拿起卡尺。他不用猜，而是把钥匙拆成齿高、齿距、斜面角度，每一项都按物理公式量出来。力场打分函数就是这位卡尺派师傅：它首先拿到小分子和蛋白的三维结构，然后把两者接触面上的每一项作用力列出来，再用一套权重把它们加成一个总分。

这套“逐项量”的打分中，范德华作用看原子间的近距离吸引力，静电作用看电荷正负是否相吸，氢键作用看供体受体是否对齐，去溶剂化看结合时水分子被赶走的代价。除了这些物理能量项，经验打分函数还会用实验数据去拟合每一项的权重；知识势能则从大量已知复合物结构里统计原子接触偏好。所有方法都指向同一个动作：把复杂咬合折算成若干个可以快速计算的项。

卡尺派的最大优点是快，几秒钟就能算一把钥匙，适合面对几十万把钥匙的粗筛。但它的代价是简化：诱导契合、蛋白质柔性、水分子位移、熵效应这些“锁芯的整体状态”，卡尺很难量出来。所以力场打分函数经常用来看排序，不太适合直接当绝对实验值使用。

深度学习模型：老锁匠的直觉

后来配钥匙铺里来了一位老锁匠，他从不掏卡尺，而是先看一眼钥匙的轮廓，再闭上眼回想几十年见过的锁和钥匙。深度学习亲和力预测模型就是这位老锁匠：它不预设物理公式，而是从成千上万条“钥匙-锁”样本中，自己学会什么特征组合意味着强结合。

深度模型的输入五花八门，但都围绕两个主角：小分子和蛋白。小分子可以写成 SMILES 字符串、二维分子图或三维构象；蛋白可以编码成氨基酸序列、口袋结构图或三维体素。模型先分别提取小分子特征向量和蛋白特征向量，再把两者拼接起来，丢给多层神经网络做最终回归。常见架构包括图神经网络 GNN、卷积网络 CNN 和 Transformer 等，它们本质上是让模型自动寻找“锁匠一眼扫过时注意到的那些细节”。

老锁匠的准头来自见识，深度模型也一样。当训练数据覆盖了足够多的化学骨架和靶点家族，它往往能比卡尺派更接近实验值。但经验也有边界：如果遇到完全陌生的锁，或者训练数据本身有大量噪声，老锁匠也会看走眼。

精度与互补：两套手艺谁更靠谱

现在让卡尺派和老锁匠同台竞技。卡尺派稳定、快速、可解释，但常常“量不准绝对数”；老锁匠在熟悉的锁上弹无虚发，可一旦超出经验范围就容易翻车。要比较两套手艺，不能只问“谁更强”，而要问“在什么指标上更强”。

评估亲和力预测，常用三个视角：预测误差看绝对值差多少，相关系数看预测和实验是否同涨同跌，排序一致性看活性最高的分子是否真的被排在前面。虚拟筛选最关心排序，因为实验只会去验证排名靠前的少量分子；先导优化更关心误差，因为要判断改变一个基团到底让亲和力变好还是变坏。最常用的相关性指标是皮尔逊相关系数，它衡量两组数的线性关联强度。

两套手艺不是只能二选一。实际项目中常做“共识打分”：把力场分数和深度学习预测分别归一化后加权相加，卡尺负责守住物理合理性，老锁匠负责捕捉数据中的微妙规律，两者互补后往往比任何单一模型都稳。

虚拟筛选应用：从钥匙串里挑钥匙

药企手里的钥匙串不是几十把，而是几十万把，甚至上百万把。虚拟筛选就是在不惊动实验室的情况下，先用计算把大概率打不开锁的钥匙扔掉，再把可能打开锁的钥匙挑出来做实验。这就像配钥匙铺接到一个大订单：客户说“我有一箱钥匙，帮我找能开这把锁的十把”，师傅不可能每把都上锁试一遍。

标准的筛选流程通常是“先粗后精”：第一轮用速度极快的力场打分函数或轻量级深度学习模型，把全库化合物跑一遍，淘汰明显不匹配的分子；第二轮留下前 1% 或前 10% 的候选物，用更精准的模型甚至分子动力学重新排序；最后再由药物化学家从几十个候选里人工挑选合成。整个过程的目标，不是精确预测每个分子的结合能，而是尽可能把真钥匙放在列表最前面。衡量这种能力的重要指标是富集因子。

一个真实感很强的场景是：某激酶项目有 120 万化合物，第一轮快速打分后取前 5 万，第二轮深度模型精排后取前 500，最后实验验证命中率比随机筛选提高了二十倍。虚拟筛选把“大海捞针”变成了“按图索骥”，也让先导化合物优化阶段的新一轮设计有了明确起点。

误差分析方法：看走眼也有章法

老锁匠也会失手。有时他看一把钥匙觉得天衣无缝，插进锁里却纹丝不动；有时他觉得不行的旧钥匙，反而保养完就能用。差距并不可怕，可怕的是不知道自己为什么看走眼。误差分析就是配钥匙铺的“失败日志”，把每把走眼的钥匙记录下来，找到共同规律。

亲和力预测的误差主要分成两类：一类是系统偏差，模型整体高估或低估，比如所有预测都比实验值偏负 1 kcal/mol，这种偏差可以通过校准平移修正；另一类是排序误差，模型把活性化合物排到了后面，把不活跃分子排到前面，这才是虚拟筛选最需要警惕的假阳性。为了衡量整体误差大小，最常用的指标是均方根误差，它把每个分子的预测差平方后平均再开根号，单位回到 kcal/mol。

除了 RMSE，还要看残差图：按化学系列分组，看哪些骨架总是被高估，哪些靶点系统偏差特别大。另一个关键概念是适用域：模型只在和训练数据相近的化学空间里可信，遇到全新的骨架，预测分数只能当参考，不能当证据。有了这套“失败日志”，配钥匙铺才能一代比一代更少看走眼。

AI 应用场景

Python 演示

import numpy as np  def make_toy_data(n=200, noise=0.1, seed=42):    rng = np.random.default_rng(seed)    # 三类简单描述符 模拟小分子的氢键疏水形状互补    hbond = rng.uniform(0, 1, n)    hydro = rng.uniform(0, 1, n)    shape = rng.uniform(0, 1, n)    # 真实结合自由能 由三项描述符线性贡献    y = (-2.1 * hbond - 0.6 * hydro - 1.8 * shape         + noise * rng.standard_normal(n))    X = np.column_stack([hbond, hydro, shape])    return X, y  def add_bias(X):    return np.column_stack([np.ones(len(X)), X])  def ridge_fit(X_train, y_train, lam=0.1):    A = X_train.T @ X_train + lam * np.eye(X_train.shape[1])    return np.linalg.solve(A, X_train.T @ y_train)  def predict(X, w):    return X @ w  def rmse(y_true, y_pred):    return float(np.sqrt(np.mean((y_true - y_pred) ** 2)))  def main():    X, y = make_toy_data()    split = int(len(X) * 0.8)    X_tr, y_tr = X[:split], y[:split]    X_te, y_te = X[split:], y[split:]     w_learned = ridge_fit(add_bias(X_tr), y_tr)    pred_learned = predict(add_bias(X_te), w_learned)    print("Learned model RMSE:", round(rmse(y_te, pred_learned), 4))     # 固定手工权重 模拟力学场式打分函数    w_prior = np.array([-0.4, -1.2, -0.6, -1.0])    pred_prior = predict(add_bias(X_te), w_prior)    print("Fixed scoring RMSE:", round(rmse(y_te, pred_prior), 4))  if __name__ == "__main__":    main()

1. def make_toy_data(n=200, noise=0.1, seed=42):模拟一批“小分子描述符 + 实验亲和力”训练数据
2. y = (-2.1 * hbond - 0.6 * hydro - 1.8 * shape + ... )设定真实的结合自由能生成规则，作为实验标签
3. A = X_train.T @ X_train + lam * np.eye(X_train.shape[1])岭回归正规方程，加入小正则项防止过拟合
4. w_prior = np.array([-0.4, -1.2, -0.6, -1.0])固定权重打分函数，模拟不依赖训练数据的力场先验规则
5. print("Learned model RMSE:", ...)输出学到的模型误差，与固定打分函数对比

常见误区

面试题