《Journal of Chemical Theory and Computation》:BindFlow: A Free, User-Friendly Pipeline for Absolute Binding Free Energy Calculations Using Free Energy Perturbation or MM(PB/GB)SA
编辑推荐:
研究人员推出BindFlow,这是一款基于Python的软件,用于实现自由能微扰(FEP)或分子力学泊松-玻尔兹曼/广义玻尔兹曼表面积[MM(PB/GB)SA]水平的绝对结合自由能(ABFE)自动化计算。BindFlow免费、开源、用户友好且易于定制,可在工作
研究人员推出BindFlow,这是一款基于Python的软件,用于实现自由能微扰(FEP)或分子力学泊松-玻尔兹曼/广义玻尔兹曼表面积[MM(PB/GB)SA]水平的绝对结合自由能(ABFE)自动化计算。BindFlow免费、开源、用户友好且易于定制,可在工作站或分布式计算平台上运行,并提供详尽的文档与教程。该软件以GROMACS为分子动力学引擎,内置支持GAFF、OpenFF和Espaloma三类小分子力场,同时兼容用户自定义力场。研究人员通过对139个受体-配体对(涵盖8种靶点,包括6种可溶性蛋白、1种膜蛋白和1种非蛋白主客体体系)的结合亲和力进行计算,验证了BindFlow的性能。结果显示,BindFlow的预测值与实验值的一致性总体达到领域内金标准水平。值得注意的是,在特定体系与力场下,MM(PB/GB)SA的相关性可接近FEP,而计算成本仅为后者的极小部分。本研究证实BindFlow是一款经过验证、可及性强的ABFE计算工具。
《Journal of Chemical Theory and Computation》发表的这项研究针对药物早期发现阶段化合物筛选耗时耗力、现有绝对结合自由能(ABFE)计算工具难以同时满足开源、高效、可靠、灵活、全自动化与可及性的痛点,开发了BindFlow这一开源自动化工作流。研究人员通过重构原有ABFE_workflow,新增MM(PB/GB)SA模块、多力场支持与分布式调度功能,并在包含8类靶点的139个受体-配体数据集上完成系统性验证,证实其性能对标商业软件,同时揭示了MM(PB/GB)SA在特定场景下的高通量筛选潜力,为计算驱动的药物设计提供了低成本、可复现的解决方案。
研究采用的关键技术方法包括:以GROMACS为分子动力学引擎,通过Snakemake构建任务依赖图实现分布式调度;集成自由能微扰(FEP,基于双解耦炼金术热力学循环,采用Boresch限制势,支持热力学积分TI或多态Bennett接受比MBAR估算自由能)与分子力学泊松-玻尔兹曼/广义玻尔兹曼表面积[MM(PB/GB)SA,采用单轨迹协议,结合gmx_MMPBSA计算能量项,可选正态模分析、相互作用熵IE或二阶累积量近似C2估算熵贡献]两类ABFE算法;内置支持GAFF、OpenFF、Espaloma三类开源小分子力场,兼容任意GROMACS格式力场;验证数据集涵盖6种可溶性蛋白、1种GPCR膜蛋白与1种SAMPL6-OA主客体体系共139个配体,每个体系设置3–5次独立重复计算以消除抽样误差。
研究结果部分如下:
引言部分指出,ABFE计算可用于多样性分子库筛选、结合模式验证与多靶点选择性预测,但传统流程依赖专家操作、自动化程度低。现有工具中,商业软件(如FEP+)精度高但闭源收费,学术工具多仅覆盖部分功能、缺乏系统性验证或文档支持,尚无工具同时满足开源、高效、可靠、灵活、全自动化与可及性六大属性。
理论部分分别阐述了MM(PB/GB)SA与FEP的热力学基础:MM(PB/GB)SA通过复合物单一轨迹的能量分解,结合极性溶剂化能(PB/GB模型)与非极性溶剂化能(溶剂可及表面积SASA)估算结合自由能;FEP则通过构建双解耦炼金术循环,分步解耦/耦合配体的库仑与 Lennard-Jones 相互作用,引入Boresch限制势定义标准态,采用TI或MBAR从多λ态模拟中估算自由能差。
实现部分说明,BindFlow将体系构建、力场分配、平衡、生产模拟与分析封装为端到端流程,通过Python接口调用,支持JSON/YAML配置参数,原生适配本地桌面与SLURM集群环境,用户可通过抽象基类扩展调度器以支持云计算。软件默认采用Amber99sb-ildn描述蛋白、SLipids2020描述膜、TIP3P描述水,内置pdbfixer与pdb2gmx工具完成结构预处理。
结果部分通过139个受体-配体对的验证显示:FEP计算的偏移校正均方根误差(ocRMSE)为1.5–2.0 kcal mol–1,Kendall τ达0.5–0.7,与商业FEP+的排序能力相当,其中GAFF力场在多数体系中表现最优;PTP1B因诱导拟合构象转变未被充分采样出现系统性高估,凝血酶中带脒基配体因盐桥作用力场偏差出现极端离群值。MM(PB/GB)SA的计算成本仅为FEP的1/75,虽绝对结合自由能预测误差较大,但在A2A、亲环蛋白D等体系中Kendall τ可达0.6–0.8,具备高通量预筛潜力;广义玻尔兹曼(GB)模型与无熵校正模式在计算效率与排序相关性间取得最佳平衡。
讨论部分指出,BindFlow首次将六大理想属性整合至单一工作流,已成功应用于贝叶斯主动学习筛选、病毒磷脂酶结合机制解析等场景。未来可通过引入哈密顿副本交换增强采样、自适应λ窗口分配、电荷校正方法(如coalchemical离子法)、显式水处理策略(如SOLVATE)进一步提升精度与收敛性。
结论部分强调,BindFlow作为开源、易用的ABFE统一平台,兼顾FEP的高精度与MM(PB/GB)SA的高通量优势,既降低了非专家的使用门槛,也为力场开发与药物发现提供了可复现、可扩展的基础设施。