综述：评估分子对接工具：理解药物发现与设计

《Future Journal of Pharmaceutical Sciences》：Assessing molecular docking tools: understanding drug discovery and design

这篇综述系统阐述了分子对接（Molecular Docking）技术在计算机辅助药物设计（CADD）中的核心作用，重点分析了对接工具（如AutoDock、GOLD、GLIDE等）的分类、机制、应用及验证方法，并探讨其在癌症、阿尔茨海默病（Alzheimer's disease）、COVID-19等疾病靶点（如PD-1/PD-L1、BACE-1、SARS-CoV-2）研究中的突破性进展，为药物发现节省时间、成本及环境资源提供了关键技术支持。

　　

分子对接及其类型

分子对接是一种模拟生物分子（如蛋白质与配体）结合过程的计算技术，通过预测结合构象和亲和力加速药物发现。其类型包括：

• •

  刚性对接：假设分子结构固定，计算效率高但忽略构象变化。

• •

  柔性对接：考虑配体甚至受体的构象变化，精度更高但计算成本大。

• •

  半柔性对接：仅允许配体柔性，平衡效率与准确性。

分子对接模型与机制

对接模型基于四种理论：

1. 1.

   锁钥模型（Lock-and-key）：强调形状互补性。

2. 2.

   诱导契合模型（Induced-fit）：受体结合后构象调整。

3. 3.

   构象集合模型（Conformational Ensemble）：蛋白质存在预构象状态。

机制分为五步：

1. 1.

   蛋白准备：从PDB数据库获取并优化结构。

2. 2.

   活性位点预测：选择关键结合区域。

3. 3.

   配体制备：使用Lipinski规则筛选类药分子。

4. 4.

   对接执行：生成结合构象。

5. 5.

   结果可视化：通过评分函数和相互作用分析验证。

分子对接工具与应用

主流工具包括：

• •

  AutoDock Vina：开源高效，适合学术研究。

• •

  GOLD：支持遗传算法和柔性对接。

• •

  GLIDE：工业级精度，集成量子力学优化。

应用领域广泛：

• •

  药物优化：如设计p53蛋白激活剂或TNF-α抑制剂。

• •

  多靶点药物：针对癌症和神经退行性疾病。

• •

  天然产物研究：从植物（如Hibiscus schizopetalus）中筛选活性成分。

未来挑战与展望

需改进评分函数精度、整合AI（如AlphaFold2）提升靶点预测能力，并开发开源协作平台以共享数据。分子对接将持续推动个性化医疗和环境科学（如酶降解污染物）的发展。