模块 04
结构与模拟
口袋/药效团、Docking、结构预测、MD 与自由能
- 091 蛋白口袋 Protein Pocket：AI 设计分子前先看什么 结合口袋的形状、性质与可成药性，决定了分子设计的起点；先读懂口袋，再谈设计分子。 →
- 092 药效团 Pharmacophore：从相互作用模式到虚拟筛选 药效团把「结合所需的关键相互作用特征及其空间排布」抽象出来，用于虚拟筛选与分子设计。 →
- 093 形状互补 Shape Complementarity：分子与口袋匹配的第一原则 分子与口袋形状互补是结合的第一前提；形状相似性方法（如 ROCS 思路）据此做配体筛选与比对。 →
- 094 静电互补 Electrostatic Complementarity：为什么电荷分布影响结合 口袋与配体的电荷/静电分布是否互补，强烈影响结合强度与选择性，是形状之外的关键维度。 →
- 095 Docking Score：对接打分能不能代表真实活性 对接打分是对结合强弱的粗略估计，与真实活性相关性有限；理解其局限，才能正确使用对接结果。 →
- 096 Binding Pose：如何判断一个对接构象是否可信 判断对接姿势是否可信，要看相互作用是否合理、有无张力、能否复现已知结合，而不是只看分数。 →
- 097 AutoDock Vina 论文精读：免费对接工具的算法基础 Vina（Trott & Olson, 2010）用经验打分 + 高效全局优化大幅提速并提升准确度，是免费对接的算法基石。 →
- 098 AutoDock Vina 1.2：新版本改进了什么 Vina 1.2（2021）整合多种打分、加入 Python 接口、支持大环与批量，使现代对接工作流更顺手。 →
- 099 GNINA 论文精读：CNN 打分如何改变传统 Docking GNINA 用 3D 卷积神经网络对接打分与重排序，改善了传统打分与活性相关性弱的问题。 →
- 100 Smina：AutoDock Vina 分支工具的实战价值 Smina 是 Vina 的分支，改进了打分与能量最小化、支持自定义打分函数，配置更灵活，常作对接实战首选之一。 →
- 101 DiffDock 论文精读：扩散模型如何做盲对接 DiffDock（Corso 等, 2023）把对接建模为配体平移/旋转/扭转上的扩散生成过程，并用置信模型挑姿势，实现快速盲对接。 →
- 102 EquiBind 论文精读：等变网络如何预测结合姿势 EquiBind（Stärk 等, 2022）用 SE(3) 等变网络一步直接回归结合姿势，极快但精度有限，是「直接预测」路线的代表。 →
- 103 TankBind 论文精读：从几何建模到结合预测 TankBind（Lu 等, 2022）用三角不等式感知的几何建模预测蛋白-配体距离图并估计亲和力，兼顾姿势与打分。 →
- 104 Uni-Mol Docking：预训练分子模型如何进入对接任务 Uni-Mol 把 3D 预训练表征用于对接，Uni-Mol Docking V2 在姿势预测上表现强劲，代表预训练模型进入对接的路线。 →
- 105 PDBFixer：对接前如何修复蛋白结构 PDBFixer 自动补全缺失原子/残基、加氢、替换非标准残基，是对接与模拟前处理蛋白结构的常用工具。 →
- 106 Meeko：AutoDock Vina 配体和受体准备流程 Meeko 负责把配体/受体转成 Vina 所需的 PDBQT，并处理大环、柔性等细节，是 Vina 流程的标准前处理。 →
- 107 OpenBabel 转格式：PDB、SDF、MOL2、PDBQT 怎么互转 OpenBabel 支持上百种化学文件格式互转，是对接与建模流程里处理「格式不兼容」的瑞士军刀。 →
- 108 PLIP：自动生成蛋白-配体相互作用报告 PLIP 自动识别氢键、疏水、π 堆积、盐桥等相互作用并出报告，帮助快速理解结合模式。 →
- 109 ProLIF：把相互作用变成可分析的指纹 ProLIF 把蛋白-配体相互作用编码成「相互作用指纹」，可用于比较姿势、分析 MD 轨迹与下游建模。 →
- 110 PyMOL 可视化：药物设计图怎么画得清楚 PyMOL 是结构生物学与药物设计的主力可视化工具，掌握它能把口袋、相互作用与姿势画得清楚专业。 →
- 111 NGLView 与 3Dmol.js：网页端三维分子展示方案 NGLView 在 Jupyter 中、3Dmol.js 在网页里展示三维分子，适合交互式分析与把结构嵌入应用/报告。 →
- 112 AlphaFold2 论文精读：蛋白结构预测的里程碑 AlphaFold2（Jumper 等, 2021）以 Evoformer + 结构模块端到端预测蛋白结构，在 CASP14 实现突破，并用 pLDDT 给出置信度。 →
- 113 AlphaFold3 论文精读：从蛋白到复合物建模 AlphaFold3（2024）用扩散式架构统一预测蛋白、核酸、配体、离子等复合物，把结构预测扩展到生物分子相互作用。 →
- 114 RoseTTAFold 论文精读：三轨网络如何预测蛋白结构 RoseTTAFold（Baek 等, 2021）用 1D 序列、2D 距离、3D 坐标三轨并行交互的网络预测蛋白结构，是 AF2 同期的重要工作。 →
- 115 RoseTTAFold All-Atom：全原子建模为什么重要 RoseTTAFold All-Atom 把建模扩展到含小分子、辅因子与共价修饰的全原子体系，更贴近真实药物靶点环境。 →
- 116 ESMFold 论文精读：语言模型如何预测蛋白结构 ESMFold（Lin 等, 2023）用蛋白语言模型 ESM-2 从单序列直接预测结构，免去 MSA、速度快，适合大规模预测。 →
- 117 OpenFold：开源 AlphaFold 复现项目怎么用 OpenFold 是可训练的开源 AlphaFold2 复现，便于研究者自定义、微调与扩展结构预测模型。 →
- 118 ColabFold：低门槛蛋白结构预测工作流 ColabFold 用更快的 MMseqs2 替代慢速 MSA，并在 Colab 上提供易用界面，是低门槛跑 AlphaFold 的常用方案。 →
- 119 AlphaPulldown：蛋白复合物预测的实用工具 AlphaPulldown 封装 AlphaFold-Multimer，便于批量做蛋白-蛋白相互作用筛选与复合物建模。 →
- 120 Boltz-1 技术报告精读：开放结构预测模型的能力边界 Boltz-1 是开放权重的 AF3 类结构预测模型，技术报告说明了它的能力与边界，便于评估能否用于自有流程。 →
- 121 Boltz-2 技术报告精读：亲和力与结构预测能否统一 Boltz-2 在结构预测之外加入结合亲和力预测，探索「结构 + 活性」统一建模，是该方向的重要尝试。 →
- 122 Chai-1 技术报告精读：多分子复合物预测的新路线 Chai-1 是面向药物发现的开放结构预测模型，擅长多组分复合物，技术报告交代其方法与适用场景。 →
- 123 分子动力学 MD 入门：什么时候需要做模拟 MD 在力场下模拟原子随时间运动，适合研究柔性、稳定性与相互作用动态；但成本高，要在合适的问题上用。 →
- 124 RMSD 与 RMSF：MD 轨迹稳定性如何判断 RMSD 看整体随时间的偏离、RMSF 看各残基的波动，是判断 MD 轨迹是否平衡、哪里柔性的基础指标。 →
- 125 MM/PBSA：从轨迹估算结合自由能 MM/PBSA 用力场能量加 Poisson-Boltzmann 连续溶剂从 MD 轨迹估算结合自由能，是性价比较高的端点法。 →
- 126 MM/GBSA：快速自由能估算的优势和局限 MM/GBSA 用 Generalized Born 替代 PB，速度更快，是先导优化中常用的快速半定量结合能估算。 →
- 127 FEP、RBFE 与 ABFE：自由能计算到底在算什么 FEP 通过炼金路径精确算结合自由能；RBFE 算两分子的相对差、ABFE 算绝对值，是先导优化中精度最高的一类方法。 →
- 128 OpenMM 跑 10–100 ns MD：小分子复合物模拟流程 用 OpenMM 跑蛋白-配体复合物 MD 的标准流程：参数化、建盒、最小化、平衡、生产与保存轨迹。 →
- 129 MDAnalysis 分析轨迹：从 RMSD 到相互作用统计 MDAnalysis 是用 Python 分析 MD 轨迹的主力库，可算 RMSD/RMSF、氢键、距离、相互作用等各类指标。 →
- 130 OpenFE 做 RBFE：先导优化中的自由能计算工作流 OpenFE 提供开源的相对结合自由能（RBFE）工作流，让先导优化阶段的高精度自由能计算更易复现与落地。 →