基于条件分子动力学优化的蛋白质-配体亲和力预测方法

《Computational Biology and Chemistry》：Conditional molecular dynamics refinement for protein–ligand affinity prediction

　　•考虑动力学特性的结构优化能够提升蛋白质与配体的亲和力。•分子动力学方法可生成符合物理规律的蛋白质-配体结构。•原子级双视图能够捕捉空间接触关系及共价键合情况。•结合局部几何特征与全局先验信息可提高模型的稳健性。

引言
蛋白质-配体结合亲和力预测是药物发现中的核心任务，对于先导化合物筛选以及构效关系优化具有重要意义（Cui等人，2026年）。实验检测方法虽然可靠，但成本高昂且通量较低。基于规则的计算方法在构象采样和能量估算方面也存在固有局限。因此，亟需兼具高精度与强稳健性的高效亲和力预测方法（Kang等人，2025年；Rayka和Naghavi，2025年）。

深度学习提升了处理复杂分子表征的能力。借助这一优势，蛋白质-配体亲和力预测逐渐从依赖手工设计的特征驱动回归模型，转向基于原始结构输入的端到端深度建模方法（Lai等人，2024年）。根据是否明确利用三维蛋白质-配体复合物结构，这类预测方法可大致分为无需复合物模型与基于复合物模型的两类（Yang等人，2023年）。前者依赖蛋白质和配体的序列或二维表示，虽结构依赖性较弱且计算效率高（Huang等人，2021年；Meng等人，2022年），但难以捕捉决定结合亲和力的空间相互作用。而后者则直接对结合界面处的原子级几何关系进行建模（Kyro等人，2023年；Niu等人，2024年；Wu等人，2025年），不过这类方法对构象质量及静态结构假设极为敏感。

尽管现有方法已取得显著进展，但仍存在若干需要解决的问题。首先，大多数方法仍基于单一的静态复合物构象，未能系统地处理构象不确定性及动态扰动问题。先前研究表明，配体构象偏差与对接姿态质量与后续评分及亲和力预测结果密切相关（Min等人，2024年；Wang，2024年），这说明姿态不确定性会显著影响基于结构的建模效果（Li等人，2016年；McNutt等人，2021年）。无论输入结构来自对接实验还是晶体学数据，其诱导契合效应及构象集合效应都未能得到充分体现，这使得模型对姿态质量极为敏感，进而限制了其在不同数据集及靶标上的泛化能力。其次，目前的基于学习的动态或生成式方法大多采用分子类型解耦的设计模式，即蛋白质和配体分别独立更新，这种设计方式难以模拟复杂环境中的蛋白质-配体耦合动态，也削弱了口袋环境对配体构象演化施加的条件约束，同时还可能增加推理开销并导致几何结构不稳定（Lu等人，2024年；Zhang等人，2025年）。最后，在表征层面，许多方法主要关注原子级的局部几何特征，缺乏对口袋及配体整体结构特征的宏观建模，因此在面对构象扰动、支架跳跃以及分布外的化学空间时，模型的稳健性较差。

为解决这些局限性，本文提出了CMD-PLA这一考虑动力学特性的蛋白质-配体亲和力预测框架。该框架能够明确模拟在口袋环境约束下蛋白质与配体的耦合构象优化过程。CMD-PLA的核心是条件分子动力学优化模块——CMD-Refine。它不同于现有的分子类型解耦优化策略，将配体的构象演化视为受口袋环境影响的动态过程，而非独立的单体更新过程。通过将配体坐标的优化过程与口袋几何结构相结合，该模块能够捕捉蛋白质-配体的耦合动态，从而生成符合物理规律的复合物构象，同时降低对初始姿态质量的敏感性。为表征几何特征，该方法构建了原子级双视图表示，包括用于描述配体与口袋原子之间空间接触关系的交互视图，以及基于共价键合结构定义的内部视图。随后，局部双视图编码器会从这两个互补的视角中提取局部相互作用的稳定表征。为减少局部几何建模带来的偏差，提升模型对支架结构变化及分布外化学空间的适应能力，全局语义先验编码器还整合了配体与口袋的全局语义先验信息，从而引入超越残基及亚结构层级相互作用的宏观视角。

相关研究
无需复合物模型的方法不会刻意构建三维蛋白质-配体复合物，而是分别学习蛋白质和配体的表征特征，然后在样本层面将其融合以预测结合亲和力。这类方法通常以蛋白质序列/图谱或配体字符串/图谱作为输入，从序列或拓扑结构中学习与亲和力相关的统计规律。典型的方法包括DeepDTA（?ztürk等人，2018年）和GraphDTA（Nguyen等人，2021年）。

方法论
CMD-PLA的架构如图1所示。首先，给定一个复合物C=(XL,XP)，其中XL代表配体构象，XP代表口袋构象，该框架会通过条件分子动力学优化模块，在口袋几何结构约束下对复合物进行条件去噪采样，从而得到优化后的复合物C?=(X?L,XP)。随后，会在相同的复合物节点集上构建原子级双视图，其中包括基于配体-口袋相互作用的交互视图图谱。

数据集
为了预训练CMD-Refine模块，研究人员使用了大规模小分子构象数据集作为初始训练数据，包括PCQM4Mv2（Hu等人，2021年）和ANI-1x（Smith等人，2020年）。PCQM4Mv2是一个量子化学数据集，包含约三百万种小分子，其平衡构象是通过密度泛函理论优化得到的。ANI-1x则包含约五百万次密度泛函理论计算结果，涵盖了有机小分子的能量及几何结构变化情况。

局限性
尽管CMD-PLA在不同评估场景下都能展现出良好的性能，但仍存在一些局限性。首先，GSPE模块中使用的全局语义先验仍然相对静态。ESM2主要提供基于序列的蛋白质表征，可能无法完全捕捉口袋层面的构象动态；而Mol2Vec虽然能够编码配体亚结构的语义，但并未明确模拟配体在结合位点中的构象适应性。因此，这些先验信息只能补充局部几何特征的信息。

结论
在本研究中，我们提出了CMD-PLA这一考虑动力学特性的蛋白质-配体亲和力预测框架，该框架能够模拟受口袋环境影响的配体构象演化过程，并通过双视图原子图谱结合全局配体及口袋表征信息来表示优化后的复合物结构。在多个基准测试中的实验结果表明，CMD-PLA不仅具有稳定的优异性能，其稳健性也得到了提升，尤其是在初始数据不足的情况下表现更为突出。未来的工作将致力于进一步拓展该框架的功能。

CRediT作者贡献说明
Hao Li：撰写——初稿、方法论、概念设计。Dongjiang Niu：撰写——初稿、方法论、数据整理。Xiaofeng Wang：软件开发。Zhiqiang Wei：模型验证。Zhen Li：撰写——审阅与编辑、项目监督、资金获取。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了中国国家自然科学基金（12371491）以及青岛市自然科学基金重点项目（25-3-1-2-zyyd-jch）的支持。

Hao Li|Dongjiang Niu|Xiaofeng Wang|Zhiqiang Wei|Zhen Li