药物发现中的结构与动力学：从计算机辅助到计算机驱动的范式演进

文献来源：Wei, H. & McCammon, J. A. Structure and dynamics in drug discovery. npj Drug Discovery 1, 1 (2024). DOI：10.1038/s44386-024-00001-2 发表期刊：npj Drug Discovery 作者单位：加州大学圣地亚哥分校（UCSD）化学与生物化学系、药理学系

一、背景与意义：为什么这篇综述值得精读

新药研发是人类科技活动中最昂贵、周期最长的工程之一。据统计，一款新药从靶点确认到最终上市，平均需要 10–14 年、耗资逾 10 亿美元。而计算机辅助药物发现（Computer-Aided Drug Discovery, CADD）的引入，被估算可将上述成本压缩至多 50%。

本文由计算生物物理学的奠基人之一、美国国家科学院院士 J. Andrew McCammon（UCSD）与其合作者 Haixin Wei 联合撰写。McCammon 课题组是分子动力学（MD）模拟应用于生物大分子的先驱，其工作直接催生了多个 FDA 批准药物。这使得本综述不仅是一篇文献梳理，更是一份由亲历者书写的领域备忘录。

文章发表于 npj Drug Discovery 创刊号（2024 年 11 月），系统回顾了 SBDD（基于结构的药物设计）从早期 X 射线晶体学应用，到分子动力学模拟，再到当前机器学习浪潮的完整演进路径，并展望了"计算机驱动药物发现"的未来图景。

二、核心框架：CADD 的两大技术路线

文章开篇厘清了 CADD 的基本分类：

近年来，随着 cryo-EM、串行飞秒晶体学（SFX）和 AlphaFold 等技术的突破，可用靶点结构的数量发生了量级跃升，使 SBDD 的适用范围大幅扩展，并成为当前药物发现的主流驱动力。

三、第一部分：基于结构的药物发现（SBDD）

3.1 可用结构的爆炸式增长

实验结构方面，结构生物学技术的进步推动了 PDB（蛋白质数据库）条目的持续扩充：

• • 晶体学自动化（automation in crystallography）显著提高了数据收集效率；
• • 微晶体学（microcrystallography）与串行飞秒晶体学突破了对大晶体的依赖；
• • cryo-EM 技术的成熟使膜蛋白（如 GPCR、离子通道）结构的解析成为常规，而这类蛋白介导了超过半数已上市药物的作用机制。

预测结构方面，AlphaFold 的横空出世是近年最具颠覆性的进展：

• • 截至该文成稿，AlphaFold 蛋白质结构数据库已发布超过 2.14 亿条蛋白结构，几乎覆盖 UniProt 全库；
• • 相比之下，PDB 中约有 20 万条实验结构，对应约 6 万个不重复蛋白序列；
• • AlphaFold 条目可覆盖蛋白序列全长，弥补了 PDB 条目片段化的不足；
• • 对于此前无实验结构可用的靶点，AlphaFold 模型为 SBDD 提供了前所未有的入口。

3.2 分子对接与虚拟筛选

获得靶点结构后，下一步是将化合物库"对接"至靶点，预测结合构象并打分排序。文章总结了这一领域的关键进展与挑战：

筛选效率：

• • 典型虚拟筛选的实验验证命中率约为 10%–40%；
• • 部分命中化合物对不同类型靶点展现出 0.1–10 μM 的有效活性范围；
• • GPU 计算与云计算资源的普及，使针对数十亿量级化合物的超大规模虚拟筛选（ultra-large virtual screening）成为现实。

打分函数的挑战：

• • 在十亿化合物库中，即使百万分之一的假阳性率也会产生数千个假命中，严重干扰后续决策；
• • 改进打分函数的准确性与选择性是当前的核心难题之一。

3.3 化学空间的可及性扩展

文章专门讨论了化合物库的规模化趋势：

• • Enamine REAL 数据库（2017 年建立）是第一个商业化按需合成虚拟库，采用精选积木块与优化并行合成方案，现已从 2017 年的约 1.7 亿化合物扩充至 2024 年的超过 67 亿化合物；
• • 美国 NIH 开发的 SAVI（Synthetically Accessible Virtual Inventory）是另一个代表性超大虚拟库；
• • 大型库在增加命中概率的同时，也提供了更丰富的结构多样性，有助于建立有意义的构效关系（SAR）并提高专利价值。

四、第二部分：基于动力学的药物发现

4.1 分子动力学（MD）模拟的引入：松弛复合物方法

SBDD 的根本局限在于：蛋白质在溶液中并非静止不动的刚体，而是处于持续的构象涨落之中。传统对接软件通常将受体固定，仅允许配体柔性，这导致两大严重问题：

1. 1. 靶点柔性被忽视：活性位点的形状和电荷分布随构象变化而改变，影响结合预测的准确性；
2. 2. 隐蔽口袋无法发现：cryptic pockets 在基态结构中不可见，只有在特定构象下才会暴露，而这类口袋往往与变构调控相关，具有重要的药物化学价值。

McCammon 课题组提出的**松弛复合物方法（Relaxed Complex Method, RCM）**直接应对这一挑战：

• • 从 MD 模拟中提取代表性构象集合（包括隐蔽口袋构象）；
• • 对每个构象分别进行分子对接；
• • 通过集成对接结果，综合评估候选分子的结合能力。

标志性案例——HIV 整合酶抑制剂雷特格韦（Raltegravir）的发现：

1. 1. Davies 课题组解析了 HIV-1 整合酶核心域的 X 射线晶体结构；
2. 2. McCammon 课题组基于此开展 MD 模拟，发现活性位点具有显著柔性；
3. 3. 松弛复合物方法揭示了晶体结构中未见的"沟槽"结合位点，且抑制剂可以约 180° 旋转的两种姿态结合于此；
4. 4. Merck 研究人员注意到这一"双姿态"结合概念，进而开发出第一个 FDA 批准的 HIV 整合酶抑制剂——雷特格韦，于 2007 年获批上市。

这一案例是计算方法直接推动新药上市的经典范例。

4.2 增强采样方法

MD 模拟的经典痛点在于时间尺度问题：积分步长被限制在数飞秒（fs），导致模拟难以穿越较高的能垒，无法有效探索蛋白质能量景观的宏观结构。多种增强采样策略被发展出来，文章将其分为两大类：

第一类：基于集体变量（Collective Variables, CVs）的方法

第二类：不依赖集体变量的方法

加速 MD 的应用优势：

• • 无需预定义集体变量，适用范围广；
• • 可直接重权重得到热力学量（自由能、构象占比等）；
• • GaMD 已被集成至 NAMD 等主流 MD 软件包。

代表性应用：

• • M2 毒蕈碱型乙酰胆碱受体（mAChR）：通过加速 MD 结合迭代对接，成功发现了化学多样性前所未有的正/负变构调节剂，并在体内验证了靶标选择性；
• • 结核分枝杆菌细胞色素 bd 氧化酶：通过 GaMD 发现了全新骨架的抑制剂，为耐药结核治疗提供了新思路。

4.3 自由能计算

MD 模拟的另一重要贡献是允许计算结合自由能（Binding Free Energy）——这是对分子对接打分函数的根本性超越：

理论基础：

• • 自由能反映系统所有允许构象的统计平均，其组分（焓变 ΔH 与熵变 TΔS）捕捉了配体–受体结合的全部物理化学本质；
• • 标准结合自由能的计算框架于 1988 年首次被 Jorgensen 等人演示，1997 年由 Gilson & McCammon 建立完整的统计热力学基础。

自由能微扰（Free Energy Perturbation, FEP）：

• • 通过"计算炼金术"（computational alchemy），在热力学循环中计算一对分子的相对结合自由能差；
• • 近年 GPU 的普及使 FEP 的速度与精度大幅提升，已能满足先导优化阶段的实用要求；
• • FEP 可帮助药物化学家在合成前预判构效关系，减少无效合成。

工业界大规模实践：

五、第三部分：机器学习的融合

5.1 AlphaFold 系列

AlphaFold 对药物发现的冲击是多层次的：

AlphaFold 2（2021 年发布）：

• • 蛋白质结构预测精度首次达到实验级别；
• • 2.14 亿条 UniProt 蛋白结构预测的发布，为此前"无结构可用"的靶点开辟了 SBDD 入口；
• • 已有研究表明，AlphaFold 2 模型对不同构象的建模具备初步能力，但与实验结构相比，在对接结果上仍存在差异（Lyu et al. 2024）。

AlphaFold 3（2024 年发布）：

• • 能够预测蛋白质、核酸、小分子、离子及修饰残基的复合物联合结构；
• • 在 PoseBusters 基准集（428 个蛋白–配体结构）上，pocket 对齐后配体 RMSD < 2 Å 的比例在高置信度组超过 90%，优于经典对接工具（AutoDock Vina）及 RoseTTAFold All-Atom；
• • 为"靶点–已知结合物"复合结构的预测提供了新起点，优于单体 apo 结构用于 SBDD。

当前局限：

• • AlphaFold 在预测隐蔽口袋方面仍受限于训练数据；
• • 一种可能的解决路径：用增强采样 MD 生成多样化构象作为训练数据，训练 ML 模型生成更多样的靶点结构。

5.2 机器学习打分函数

发展现状：

• • 基于 PDBbind 数据库，研究者尝试用图卷积网络（GCN）、3D 卷积神经网络（3D-CNN）及其组合训练结合亲和力预测模型；
• • 当前主要挑战是过训练（overtraining），原因在于 PDBbind 缺乏足够的负样本（非最优结合界面的配体）。

物理模型与 ML 模型的互补策略：

• • 两类打分函数强调不同的配体–受体相互作用，联合使用可降低假阳性率；
• • 最优实践：ML 模型初筛 → FEP 精算候选集；
• • 3DR Grand Challenge 4 的结果证明，物理+ML 组合打分在配体 IC50 预测中排名最优。

5.3 QSAR 与 QSPR 模型

QSPR（定量结构–性质关系）：

• • 针对溶解度、亲脂性、口服生物利用度、脑渗透性等 ADMET 性质建立预测模型；
• • 已有大型公开数据集支撑，可对全新化合物进行广谱预测。

QSAR（定量结构–活性关系）：

• • 针对特定靶点预测活性，数据依赖性强；
• • 激酶超家族（>500 个结构）与氨基能 GPCR 是数据最丰富的领域，IDG-DREAM 挑战赛中最优模型预测 pKd 的 RMSE 约为 0.95；
• • 对数据稀疏的靶标家族，QSAR 模型的泛化能力仍不明朗。

六、未来展望：迈向"计算机驱动"的药物发现

文章以 Fig. 4 的范式图为核心，展示了下一代药物发现管线的整体逻辑：

靶点结构来源：
  ├── AI 结构预测（AlphaFold 等）
  └── MD + 增强采样（构象集合）
          │
          ▼
初始筛选阶段：
  ├── 物理/AI 混合对接（超大规模虚拟筛选）
  └── AI QSAR 预筛
          │
          ▼
命中到先导阶段：
  ├── 自由能微扰计算（FEP）
  └── AI QSAR 精排
          │
          ▼
先导优化阶段：
  └── AI QSPR（多参数优化：溶解度/渗透性/PK）
          │
          ▼
候选药物

趋势总结：