四：几种有代表性的分子对接方法
4.1 DOCK
DOCK是Kuntz
研究小组发展的分子对接程序，可能是目前应用最为广泛的分子对接程序之一.它能自动地模拟配体分子在受体活性位点的作用情况，并把理论预测最佳的方式记录下来。而且该方法能够对配体的三维结构
数据库进行自动搜索，因此被广泛应用于基于受体结构的数据库搜索的药物设计中，并取得了巨大的成功。用DOCK进行药物设计以及数据库的搜索基本上可以分为下面几个步骤:配体和受体相互作用位点的确定，评分系统的生成，DOCK计算及DOCK结果的处理与分析。活性位点的确定和表达是DOCK最重要的特点之一。活性位点特征的确定对于DOCK研究是非常重要的，因为配体分子和受体相互作用过程的模拟主要就是参考
几何位点的几何特征进行的。在DOCK中，活性位点的确定通过sphgen程序来完成。DOCK软件包中sphgen程序生成受体表面所有的凹陷的负像，并对这些负像进行聚类分析。在DOCK程序中，表面点采用了Richards提出的
模型。在这些表面点的基础上，采用sphgen程序生成了负像，它实际上由一些与分子表面点相切的圆球叠加而成。
在生成负像的基础上，就可以进行配体分子和活性口袋之间的匹配。在这里，配体也
采用一组球集来表示，和负像不同的是，配体所用的球集表示配体所占的空间区域。如果
配体分子能和活性口袋形成比较好的匹配，那么配体的球集一定能和活性口袋中的负像形
成好的叠合。配体分子和负像之间的匹配原则是基于配体和受体之间球集的内坐标的比较。
按照匹配原则得到了配体和受体之间的匹配情况之后.就要通过合理的得分函数来选择最优的结果。DOCK提供了多种得分函数来评价配体和受体之间的结合情况，包括原子接触得分以及能量得分。
DOCK进行分子对接时，配体分子可以是柔性的。对于柔性的分子，其键长和键角保持
不变，但可旋转二面角是可以发生变化的。在DOCK中，柔性分子的构象变化通过下面的
操作实现:首先是刚性片断的确定，然后是构象搜索。构象搜索采用两种方法:一种是锚优
先搜索(anchor-first search),第二种方法是同时搜索(simultaneous search).
4.2 AUTODOCK
AUTODOCK是Scripps的Olson科研小组开发的分子对接软件包，最新的版本为3.05，AUTODOCK采用模拟退火和遗传算法来寻找受体和配体最佳的结合位置，用半经验的自由能计算方法来评价受体和配体之间的匹配情况。在AUTODOCK中，配体和受体之间结合能力采用能量匹配来评价。在1.0和2.0版本中，能量匹配得分采用简单的基于AMBER力场的非键相互作用能。非键相互作用来自于三部分的贡献:范得华相互作用，氢键相互作用，以及静电相互作用。在3.0版中，AUTODOCK提供了半经验的自由能计算方法来评价配体和受体之间的能量匹配
在最早的AUTODOCK版本中，作者采用了模拟退火来优化配体和受体之间的结合。在
3.0版本中，Morris等发展了一种改良的遗传算法，即拉马克遗传算法(LGA)。测试结果表
明，LGA比传统的遗传算法比模拟退火具有更高的效率。在LGA方法中，作者把遗传算法和局部搜索(local search)结合在一起，遗传算法用于全局搜索，而局部搜索用于能量优化。在AUTODOCK中，局部搜索方法是自适应的，它可以根据当前的能量调节步长大小。LGA算法引入了拉马克的遗传理论，LGA最大的特点就是通过进化映射(developmental mapping)把基因型转化为表现型而实现局部搜索和遗传算法的结合。基因型空间通过遗传算子突变和交叉来定义;而表现型则通过问题的解来定义，这里表示体系的能量得分。
4.3 FIexX
FIexX 是德国国家信息技术
研究中心
生物信息学算法和科学计算研究室的Matthias
Rarey等发展的分子对接方法，现在己经作为SYBYL分子模拟软件包中的一个模块实现了商业化。FIexX中结合了多种药物设计的方法进行配体和受体之间的对接。在FIexX中，配体和受体之间结合情况的评价采用了类似Bbhm提出的基于半经验方程的自由能评价方法。在FlexX中，分子对接的流程主要分为下面的步骤:
(1)核心结构确定
对接的第一步为核心片断(base fragment)的选择。核心片断是指能对配体和受体之间
相互作用起决定作用的基团，而且核心片断的构象要尽量少一些。核心基团的正确选择对分子对接的计算结果有非常重要的影响。因为如果核心基团和受体之间不存在明显优势的相互
作用时，则很难正确预测正确的结合模式。随着核心基团的增加，则核心基团和受体之间的
相互作用也会相应增强，那么结合模式准确预测的机会就会大大增加。因此在选择核心基团时，核心基团包含的基团要尽量多一些。而且核心基团的构象数要尽量少一些。当核心基团选定以后，就可以把配体分子划分为多个片断。
(2)核心结构的放置
当选择好了核心基团以后，就要把核心基团放置在活性位点的正确部位。在放置核心基
团的时候，FlexX采用了一种形态聚类算法(pose clustering algorithm)算法)，在这个算法中，一个核心基团可以看作为一个具有明确相互作用点的刚性物体，而受体分子的活性口袋也可以看作为一个具有明确相互作用点的刚性物体。把核心基团放置在活性口袋中的过程就相当于把配体中的二个相互作用点叠合在活性位点的三个相互作用点上(假设这三个点不共线)。在匹配中，两个三角形三个顶点所具有的相互作用特征应该是符合的，同时三角形对应边长的差别应该在一定的范围内。放置核心结构的第一步就是找出所有相匹配的这些三角形，而且对配体的位置进行坐标转化。当所有的转化完成以后，检查配体是否和受体产生了碰撞，去掉一些不合理的核心结构取向。对于得到这些核心结构的可能位置，通过核心结构空间的位置均方根位移(r.m.s.D )进行聚类分析。对应那些r.m.s.D值小于一定阀值的空间位置进行归并，仅仅保留那些相差较大的空间位置。最后，检查这些核心结构和受体之间的相互作用情况，对结构进行简单的修饰.
(3)配体分子的生长
当核心结构在活性口袋中的位置确定以后，配体分子的其它部分可以分为小的片断，依
次“生长”在核心结构上。片断生长采用树形搜索(tree search)的方法，算法和SYBYL中的系统搜索所采用的算法基本类似，在搜索的过程中要尽量删除那些无用的分支。搜索树的第一层是核心结构在活性口袋中的不同放置位置。在下一层中，片断要采用尽可能多的形式连接到核心结构上。然后，按照树形结构，片断依次连接。如果片断能和受体形成氢键或盐桥，则优先连接，因为相互作用形式越明确，片断的
几何定位越容易。在对接过程中，一个完全无遗漏的树形结构在造作上是很困难的，因此对于树的每个节点，我们仅仅只考虑最佳的k种结果，这样会为下面的生长节约所要耗费的计算开支。k种最佳的结构采用上面介绍的得分函数来选择。
增加新的基团以后，如果发现新的相互作用，或配体和受体之间存在重叠，则需要对配体的位置进行优化。FIexX采用点的加权叠合法(weighted superposition of points)来进行优化。当配体生长结束以后，我们可以得到k个最佳的配体和受体的结合形式，从中用户可以选择需要的结果。FIexX的分子对接过程中，配体的生长以及柔性的考察和DOCK中采用的锚优先方法基本类似。FIexX己经实现了商业化，而且程序可以自动地对
数据库中的多个
分子进行分子对接的计算，然后给出最佳的结果。同时FIexX提供了友好的图形界面，易于操作，因此可能在药物设计中具有较好的应用前景。
4.4 Affinity
Afinity是Accelrys (MSI)和杜邦联合开发的分子对接方法，也是最早实现商业化的分子对接方法。Afinity中提供了多种分子对接的策略，可以根据用户的需要提供多种方法的组合。在Afinity中，分子对接可以大致分为两个步骤:首先通过
蒙特卡罗或模拟退火计算来确定配体分子在受体活性口袋中可能的结合位置:然后，在第一步的基础上，采用
分子力学或分子动
力学方法进行进一步细致的分子对接。和其它分子对接方法比较，Affinity具有自己的特色。首先，Affinity中提供了多种对接方法的结合，比如蒙特卡罗方法和分子力学、分子动力学以及模拟退火方法的结合;这些方法结合的灵活性为多种分子对接问题提供了解决方案。第二，在Affinity中，不仅仅配体是柔性的，受体的重要部位，比如活性位点中的某些残基也可以定义为柔性的区域。第三，Affinity提供了精确和快速计算配合和受体之间非键相互作用的两种有效方法，一种是基于格点的能量计算方法，而另一种则是单元多偶极(cell multipole method)方法。第四，Afinity采用了Stouten提出的溶剂化
模型来考察配体和受体在堆积过程中溶剂化能的变化。
在Affinity中，配体和受体之间匹配主要采用能量得分的评价方式。对于能量得分，Afinity采用两种力场，即CVFF力场和CFF力场。Afinity中提供了基于格点的能量计算方法
以及不基于格点的能量计算方法。对于这两种不同的方法，其能量评分函数略有区别。在基于格点的能最计算中，可以考虑溶剂效应的影响。
Afinity提供了一套多种方法相结合的分子对接流程，整个流程都是自动化的，不需要用户给予任何的千预。在这个流程中，采用
蒙特卡罗的方法对每个优化后的结构进行取样，得到配体在尽量多样性的空间取向。在Afinity中，对接流程不是固定的，用户可以按照自己的需要设计相应的流程。比如，用户可以把蒙特卡罗取样和
分子动
力学模拟结合起来，用蒙特卡罗模拟先得到若干个配体在活性口袋可能的对接位置，然后对这些对接结构用分子动力学进行更加细致的采样，最后对从不同起点得到的分子动力学轨迹进行分析来得到正确的结果。
Afinity方法采用了多种方法的结合为用户解决不同的问题提供了不同的解决方案。Afinity适合对配体和受体之间的相互作用模式进行精细地考察，但它不太适合对大量的配体分子进行基于分子对接的虚拟筛选，因为Affinity对配体和受体都采用了柔性的策略，需要消耗较大的计算量。
