《Molecules》：Molecular Docking of Natural Products: Critical Appraisal of Current Methodology and Practical Guidelines
编辑推荐：
分子对接是结构导向药物发现中使用最广泛的技术之一，并已成为天然产物研究中不可或缺的组成部分。尽管计算算法与人工智能取得了显著进展，已发表的关于天然化合物的对接研究的方法学质量仍然高度参差不齐，且普遍认可的方法学指南尚未建立。本综述批判性地评估了天然化合物分子对
分子对接是结构导向药物发现中使用最广泛的技术之一，并已成为天然产物研究中不可或缺的组成部分。尽管计算算法与人工智能取得了显著进展，已发表的关于天然化合物的对接研究的方法学质量仍然高度参差不齐，且普遍认可的方法学指南尚未建立。本综述批判性地评估了天然化合物分子对接的当前方法，考察了不同天然产物类别与蛋白质靶标的特定特征，并为对接研究的设计与验证提供了实用建议。本综述涵盖了分子对接的主要阶段、当代搜索算法与评分函数、蛋白质与配体的准备、该方法的基本局限性、结果验证策略，以及人工智能在计算分子建模中的新兴作用。一个核心组成部分是在预设的2025年覆盖窗口内，对通过2026年8月执行的Scopus与PubMed检索所识别的出版物进行系统性方法学审计。该审计仅评估了方法学报告的完整性，并非旨在作为生物学或药理学发现的系统性综述。该审计包括对1127篇出版物的GPT辅助结构化编码、对完全来自同一语料库的80项研究的随机样本进行的详细全文评估，以及对20篇随机选取的第二阶段出版物的独立人工验证。在80篇出版物的全文样本中，报告了重对接的比例为7.5%，达到合格重对接RMSD低于2 ?的比例为6.2%，使用了阳性对照的比例为87.5%，进行了分子动力学的比例为41.2%，使用了MM/PBSA或MM/GBSA的比例为12.5%，进行了相互作用分析的比例为98.8%，进行了ADMET评估的比例为35.0%。第一阶段与第二阶段在525个配对标准决策中的一致性为98.3%。对20篇出版物验证子样本的独立人工评估与第二阶段在140个标准决策中的135个（96.4%）达成一致；五处差异均涉及由AI编码为不确定/未确认标签（未确认或不适用），而人工评审员将其归类为否。基于这些发现，研究人员提出了一个旨在提高天然化合物分子对接研究可重复性与方法学严谨性的实用工作流程。一项补充性的、针对案例富集的重对接与重对接RMSD分类验证包括了19篇出版物与两位人工评审员。评审员在所有38个标准决策中达成了相同的分类；他们的共识与第二阶段在38个决策中的31个（81.6%）一致，涉及四篇出版物的七处修订。由于该样本特意富集了信息丰富和模棱两可的案例，因此用于检验分类边界而非估计发生率。由于PubMed检索仅限于免费全文，且Scopus检索使用了受限的书目字段，这些报告完整性和验证频率主要表征了一个可获取性富集的语料库，可能无法完全推广到仅限订阅或以其他方式难以获取的期刊。通过将对当前方法的批判性评估、对已发表研究的定量评估以及标准化天然化合物分子对接的实用建议相结合，本综述为计算机辅助药物设计领域的研究人员提供了指导。
1. 引言
本节介绍了天然产物在药物发现史上的重要性，指出尽管组合化学和高通量合成技术发展迅速，但临床批准的小分子治疗药物仍有相当比例直接或间接来源于天然产物。天然代谢物复杂的结构使其能与蛋白靶标产生多样的空间和电子相互作用，从而扩展了寻找新型药理活性化合物的化学空间。随后，论述了计算方法在天然产物发现中的作用，强调计算机辅助药物设计已成为减少需要实验评估候选物数量的关键策略。最后，指出了分子对接作为虚拟筛选核心工具的地位，它能够预测蛋白质-配体复合物的三维构象并估算结合亲和力。然而，天然化合物的结构多样性给对接带来了独特的挑战，当前相关研究的方法学质量仍高度不均，缺乏统一的标准化指南。
2. 分子对接的演变
本节概述了分子对接在过去四十年从简单的刚性分子几何互补算法，发展到集成物理模型、经验评分函数和人工智能方法的复杂混合平台的历程。AlphaFold的出现使得对缺乏实验结构的蛋白质进行对接研究成为可能，而DiffDock等生成式模型也带来了新的影响。尽管如此，对接的核心局限——如蛋白质和配体的恰当准备、合适评分函数的选择以及全面实验验证的缺乏——依然存在。
3. 分子对接的主要阶段
本节将分子对接阐述为一个相互依赖的步骤序列。首先，蛋白质靶标选择至关重要，错误在此阶段引入后难以弥补。PDB是主要的实验结构来源，而AlphaFold虽扩展了可用蛋白质范围，但其局部活性位点几何结构的准确性不一定高，因此在有实验结构时应优先选用。选择PDB条目需考虑分辨率、R因子、配体存在与否等因素。其次，蛋白质准备包括去除水分子、加氢、分配质子化状态和部分电荷等。保守水分子和辅因子应妥善处理，金属离子的配位键需要谨慎对待。对接区域（网格盒）的定义通常依据共结晶配体或已知催化残基的位置。再次，天然化合物的准备是关键环节，其立体化学复杂性要求更严格的预处理。常用数据库包括PubChem、ChEMBL、ZINC、NPASS和COCONUT。必须正确分配质子化状态和互变异构形式，并使用OMEGA等算法生成低能构象体集合。立体化学的正确性必须单独核实。最后，分子对接软件的选择需要在速度、精度、可用性和兼容性间取得平衡。深度学习方法的实际精度高度依赖于靶标和配体类别与训练数据的相似性，对于结构非典型的天然化合物需谨慎解读其结果。
4. 分子对接中的评分函数
本节将评分函数分为四类：基于力场、经验性、基于知识和基于人工智能的函数。基于力场的评分函数源于经典分子力学，物理可解释性强，但对去溶剂化、熵和协同相互作用的描述较为近似。经验性评分函数将结合能表示为各项相互作用的加权和，计算高效，但其准确性严重依赖训练集的组成，对结构复杂的天然代谢物描述可能不准确。基于知识的评分函数通过统计蛋白质-配体复合物数据库中原子接触的频率来推导势能，隐含地表示了去溶剂化和熵效应，但同样受限于PDB中合成类药物分子的主导地位。基于人工智能的评分函数能识别非线性关系，在标准基准数据集上通常表现更优，但其性能取决于训练数据的质量和代表性，且可解释性有限。总之，没有一种评分函数对所有蛋白质和天然产物类别都普遍准确，计算得分应主要被视为相对排序指标。
5. 不同类别天然化合物的分子对接
本节强调了天然化合物的多样性决定了不能采用单一的通用对接方案。生物碱易因质子化状态分配错误导致结果偏差，立体化学的正确性也至关重要。黄酮类需要精确描述其构象空间，糖苷化衍生物会显著增加计算难度。萜类的三维结构和多环骨架需要视觉检查并多次独立运行对接。呫吨酮类结构刚性较强，适合常规对接，但异戊二烯基化衍生物需进行广泛的构象生成。香豆素类的活性可能涉及共价修饰，因此不能仅依赖非共价结合的对接分数。多酚类易因大量羟基导致评分函数系统性高估结合能。木脂素类的对接结果强烈依赖于构象，开放的二苄基丁烷结构需要大量构象生成。皂苷类的高分子量和众多可旋转键使其极具挑战性，结果只能视为初步的结构假说。多糖类基本超出常规对接的适用范围。肽类的柔性主链和侧链降低了常规对接算法的有效性，推荐使用专门的蛋白质-肽对接方法。
6. 分子对接研究中天然化合物的主要蛋白质靶标
本节分析了天然产物分子对接研究中蛋白质靶标选择的趋势。首先，研究正从简单的酶系统转向更复杂的蛋白质组装体，如多结构域蛋白和信号复合物。其次，对PI3K、AKT、mTOR等多功能信号蛋白的兴趣显著增加。第三，COVID-19疫情使SARS-CoV-2蛋白成为虚拟筛选的热门靶标。此外，研究趋势正从寻找单靶点化合物转向探索天然产物的多靶点活性，常将对接与网络药理学结合。靶标的选择直接决定了对计算方案的要求，例如，紧凑的酶活性位点适合常规对接，而蛋白质-蛋白质界面则需要更高级的方法。
7. 分子对接的基本局限性
本节阐述了分子对接作为近似计算模型的根本限制。蛋白质结构模型的局限性在于通常将受体视为刚体，忽略了蛋白质的构象系综和诱导契合效应。即使是高分辨率的PDB结构也可能存在缺失片段或结晶伪影。蛋白质-配体复合物物理模型的局限性体现在对溶剂效应的近似处理、熵贡献的忽略以及对金属蛋白中配位键的不准确描述。计算的结合能并非绝对的物理量。当代评分函数的局限性在于没有一种能普适地准确预测结合能，尤其对天然化合物而言，其在训练数据中代表性不足。受体和配体准备相关的局限性表明，此阶段的错误几乎无法通过后续计算纠正。分子对接结果解读的局限性在于，将计算得分等同于实验结合亲和力是最常见的错误，且对接无法提供结合动力学信息。因此，每个对接结果都应被视为需要进一步评估的结构假说。
8. 已发表分子对接研究的系统性方法学审计
本节介绍了一项嵌入在综述中的系统性方法学审计。审计采用了分阶段设计：第一阶段利用GPT对1127篇文献进行结构化编码；第二阶段从该语料库中随机抽取80篇进行独立全文评估；第三阶段由人类专家对20篇文章进行独立验证。结果显示，相互作用分析和阳性对照的报告最为常见，而重对接及其RMSD的报告率极低（分别为7.5%和6.2%）。分子动力学模拟的使用率为41.2%，而MM/PBSA或MM/GBSA仅为12.5%。跨模型一致性高达98.3%，人工验证与AI分类的一致性为96.4%。审计结果表明，描述性方法（如相互作用分析）被广泛使用，而直接验证对接协议性能的方法则非常罕见，这导致了方法学上的严重不平衡。
