虚拟筛选：基于结构与基于配体的方法
虚拟筛选是在计算机上从数万到数十亿个化合物中挑出最可能有活性的少量分子，再送去实验测试。基于结构的方法利用靶点三维结构，把每个分子对接进口袋并打分；基于配体的方法只依赖已知活性分子，用指纹相似性、子结构匹配或药效团模型找相似分子。输入是靶点结构或已知活性化合物，加上 ZINC、ChEMBL、已上市药物库等化合物库。实际项目常把多种方法串成漏斗：理化性质预过滤，相似性或药效团缩小范围，再对接、重打分、人工检查，按骨架聚类选出几十个分子测试。
什么时候用
- 有靶点结构，想从商业化合物库中找新的苗头化合物
- 已知少量活性分子，想找结构相似或特征相近的新分子
- 老药新用：在已上市药物库中寻找可能作用于新靶点的药物
- 在大型库中检索含特定母核或官能团的化合物
- 为实验高通量筛选预先缩小化合物范围，降低成本
不适合的情况
- 既无可靠靶点结构，也没有已知活性分子：两类方法都缺少依据
- 期望排名直接等于活性排名：命中率通常不高，必须实验验证
- 平坦的蛋白-蛋白界面或高度柔性口袋：对接筛选效果通常较差
需要准备的数据
- 化合物库
- SMILES 或 SDF，如 ZINC、ChEMBL、已上市药物库或自建库；记录来源和版本，便于购买和复现
- 靶点结构
- 基于结构筛选时需要，优先选含共晶配体的高分辨率复合物，用于定义口袋和验证对接
- 已知活性分子
- 带活性数值的化合物集，可从 ChEMBL 获取；用于建药效团、作查询分子和评估富集
- 诱饵分子
- 理化性质与活性分子匹配但拓扑不同的分子，如 DUD-E 风格诱饵，用于检验方法的区分能力
- 查询子结构（可选）
- 用 SMARTS 表达的母核或片段，用于在库中做子结构检索
分析步骤
- 1
明确筛选目标
先确定是找新骨架、扩展已知系列还是老药新用，这决定用哪个库、哪种方法和多宽的相似性阈值。同时确定最终能购买和测试的分子数量。
- 2
化合物库预处理
标准化结构、去盐、枚举质子化态和互变异构体、去重；按理化性质范围和 PAINS 等结构警示预过滤。检查过滤后的保留比例是否合理。
- 3
方法验证
用已知活性分子和诱饵分子组成测试集，跑一遍拟采用的流程，计算 ROC AUC 和前 1% 的富集因子。富集接近随机时，不要直接用于全库。
- 4
基于配体初筛
用 Morgan 指纹计算与已知活性分子的 Tanimoto 相似度，或用 SMARTS 做子结构检索、用药效团模型匹配，把库缩小到可以对接的规模。
- 5
对接筛选与重打分
对保留的分子做对接，取排名靠前的一部分；再用另一种打分函数或 MM/GBSA 对前排分子重打分，优先保留多种打分都靠前的分子。
- 6
人工检查
逐个查看前排分子的结合姿势、关键相互作用和配体构象是否合理，排除姿势异常、含反应性基团、明显难以合成或无法从供应商购买的分子。
- 7
聚类挑选
按指纹对候选做 Butina 等聚类，每个骨架簇挑代表分子，保证最终清单的化学多样性，再结合 ADMET 预测和可购买性确定测试名单。
关键参数与决策
分子指纹类型
Morgan（ECFP 类）指纹描述局部原子环境，适合找相似骨架；MACCS 是固定的结构键集合，更粗糙；药效团指纹更利于骨架跃迁。同一阈值在不同指纹上含义不同。
相似性阈值
阈值越高，找到的分子越接近查询分子，新颖性越低。Morgan 指纹的相似度数值普遍低于 MACCS，建议参考已知活性分子之间的相似度分布来定，而不是照搬固定值。
药效团特征与排除体积
特征包括氢键供体、受体、疏水中心、芳香环和正负电离基团。特征过多几乎无命中，过少则特异性差；加入排除体积可剔除会与蛋白碰撞的分子。
漏斗各级保留比例
每一级保留多少决定计算量和召回率。前级过滤太严会在早期丢掉真正的活性分子；进入人工检查的数量要与可投入的时间相匹配，通常为数百个。
打分与重打分策略
单一打分函数排序误差大，可用共识打分（多个函数排名取平均），或对前排姿势做 MM/GBSA 重打分。重打分成本高，只用于少量分子。
常见错误
- 不验证就对全库筛选：流程在本靶点上的富集能力未知，排在前面的分子可能与随机挑选没有区别。
- 只按对接分数取前几十名：前排常被分子量大、柔性高的分子占据，应结合配体效率、姿势检查和聚类挑选。
- 诱饵分子与活性分子理化性质不匹配：方法可能只是按分子大小把两组分开，富集指标被高估，造成方法有效的错觉。
- 化合物库没有枚举互变异构和质子化态：真正的活性形式不在库中就无法被找到，造成系统性漏筛。
- 相似性搜索只用一个查询分子：结果被这个分子的骨架锁定，难以发现新骨架，应使用多个结构多样的活性分子并合并结果。
- 最终清单集中在同一骨架：该骨架一旦有问题就全部失败，聚类后分散挑选可以降低风险。
结果怎么看
筛选漏斗表
列出每一级的输入数、保留数和过滤条件，用于说明流程并发现过度过滤。某一级一次删掉绝大多数分子时，确认条件是否过严，或是否有格式转换失败。
富集曲线与 ROC
横轴为已筛选的比例，纵轴为找回的已知活性分子比例。曲线前段越陡越好，前 1% 的富集因子比整体 AUC 更贴近实际挑选场景；曲线贴近对角线说明方法对该靶点无效。
候选分子排名表
每个分子的对接分数、重打分、相似度、药效团匹配度、所属聚类和关键理化性质。重点看多种证据都支持的分子，单一指标突出、其他指标一般的分子要谨慎。
化学空间分布图
对指纹降维（如 t-SNE 或 UMAP），把库、已知活性分子和候选画在一起。候选全挤在已知活性分子附近说明新颖性有限；分布过散则可能缺乏依据。
代表分子结合姿势图
展示每个聚类代表分子在口袋中的姿势和关键作用，用于人工检查和向合作者说明筛选理由。相互作用模式与已知配体一致的分子优先。
和相近方法怎么选
基于结构与基于配体的虚拟筛选
基于结构的方法需要靶点结构，能发现与已知配体不同的新骨架，但受对接打分精度限制；基于配体的方法不需要结构、速度快，但找到的分子往往与已知配体相似。两者都具备时可并行筛选再合并结果。
药效团筛选与相似性搜索
相似性搜索比较整体结构，找到的多是同系物；药效团只要求关键特征在空间上的排布一致，更容易实现骨架跃迁。已知活性分子骨架多样且有共同结合模式时，药效团更合适。
虚拟筛选与实验高通量筛选
实验高通量筛选直接测活性，结果可靠但成本高、库规模受限；虚拟筛选可以覆盖大得多的化学空间，但存在大量假阳性。常见做法是先虚拟筛选缩小范围，再对少量分子做实验测试。
常见问题
虚拟筛选的一般流程是什么？
确定目标和化合物库，标准化并预过滤，用已知活性分子和诱饵验证方法，按相似性或药效团初筛，再对接和重打分，人工检查姿势，最后按骨架聚类并结合 ADMET 和可购买性选出几十个分子做实验。每一步都应记录保留数量。
虚拟筛选常用哪些化合物库？
ZINC 收录大量可购买化合物；ChEMBL 带有生物活性数据，适合取已知活性分子；已上市药物库用于老药新用；Enamine REAL 等按需合成库规模极大，适合找新骨架。库越大，越需要快速的预过滤和配体初筛。
Tanimoto 相似度多少算相似？
没有通用阈值，取决于指纹类型和位长。同一对分子用 Morgan 指纹算出的相似度通常明显低于用 MACCS 算出的值。更稳妥的做法是先计算已知活性分子之间的相似度分布，再据此设定阈值，并人工查看阈值附近的分子。
虚拟筛选的命中率一般有多高？
差异很大，取决于靶点可成药性、结构质量、化合物库和流程设计，不应期待排名靠前的分子大多有活性。通常需要测试数十个分子才能确认少数苗头，挑选时保证骨架多样性可以提高至少找到一个有效骨架的机会。
没有靶点结构可以做虚拟筛选吗？
可以。有已知活性分子时，用指纹相似性、子结构检索或基于配体的药效团筛选即可，不依赖蛋白结构。也可以用预测结构做对接筛选，但要先确认口袋区域置信度高，并用已知活性分子验证富集能力。
在 Codar 里怎么做
在 Codar 里，你说明靶点（结构文件或编号）、已知活性分子和想用的化合物库。Codar 先确认筛选目标和漏斗设计，再组合结构基础虚拟筛选、药效团建模与筛选、分子相似性与子结构检索，有已知活性分子时先评估富集效果。交付漏斗表、富集曲线、候选排名表、聚类代表分子和可复现脚本。
我有 KRAS G12C 的共晶结构和 20 个已知抑制剂，想从 ZINC 可购买库里筛出 50 个骨架多样的候选，先做相似性和药效团初筛再对接。