前面进行柔性肽 Docking 时我们已经用到了Conformational Search先生成一批可能的肽构象再将构象库用于后续 Docking。但这里还有一个问题没有展开MOE 到底是怎么“搜索”构象空间的在 MOE 中构象采样并不只有一种方法。常见的包括LowModeMD、Stochastic Search、Systematic Search 和 Molecular DynamicsMD。它们最终都希望获得不同的分子构象但“怎么在构象空间里走”并不一样。一、什么是“构象空间”同一条肽的化学结构没有改变但主链和侧链绕可旋转键发生变化就可以形成大量不同的三维构象。我们可以把这些构象想象成一张复杂的势能地形图有些区域能量较低对应比较稳定的构象有些区域能量较高不同低能构象之间可能还隔着能垒。所谓Conformational Search本质上就是在巨大的构象空间中寻找一批具有代表性的合理构象。不同算法最大的区别就是探索这张“地图”的方式不同。二、LowModeMD沿低频振动模式寻找新构象LowModeMD是 MOE 中非常重要的也是非常特色的一种构象搜索方法。它沿分子的low-frequency vibrational modes低频振动模式进行构象搜索。低频模式通常对应比较大尺度、比较柔软的结构运动因此 LowModeMD 的搜索效果可以理解为沿着势能面的 troughs 和 valleys也就是能量谷区域寻找新的构象。简单来说它不是随便扭一个键而是尝试寻找分子比较“容易发生”的整体运动方向。对于肽而言这一点很有价值因为肽的构象变化往往不是某一个侧链单独旋转而可能涉及多个自由度协同变化。可以把 LowModeMD 理解成当前低能构象↓寻找低频运动方向↓沿容易运动的方向扰动结构↓产生并优化新的构象↓继续探索新的低能区域因此LowModeMD 特别强调的是对低能势能面区域的探索。三、Stochastic Search随机扰动再做能量最小化第二种方法是Stochastic Search随机构象搜索它的基本思想更加直接随机扰动分子结构然后进行能量最小化。也就是说它通过 stochastic perturbation 主动把当前结构推到新的构象区域然后通过 minimization 判断这个新结构最终会落到哪个局部低能状态。可以简单表示为当前构象↓随机扰动↓得到新结构↓Energy Minimization↓得到新的局部低能构象↓重复因此它和 LowModeMD 的差异非常直观。LowModeMD倾向沿低频运动模式探索。Stochastic通过随机扰动产生新的搜索方向。前者利用了分子自身的低频运动信息后者则具有更明显的随机探索特征。四、Systematic Search围绕扭转角系统地搜索第三种是Systematic Search系统构象搜索它的核心是围绕 torsion angles 进行 systematic sweeps。例如一个可旋转键可以尝试多个不同的二面角状态。如果分子只有少数几个可旋转键那么就可以对这些 torsion angle 的不同组合进行系统搜索。因此它的思路更接近Rotatable Bond 1×Rotatable Bond 2×Rotatable Bond 3……然后系统地产生不同的 torsion combinations。这种方法最大的特点不是“随机”而是有规则地遍历扭转角空间。但这也很容易理解为什么柔性会成为问题如果每增加一个可旋转键都要考虑多个可能角度那么组合数量会迅速增长。因此对于肽这种具有大量自由度的体系“系统搜索整个构象空间”本身就是非常困难的问题。五、Molecular Dynamics沿热力学轨迹采样第四种方法是我们更熟悉的Molecular DynamicsMD。MOE 对这里的定位是Molecular Dynamics 通过沿指定的thermodynamic trajectory采样 configurations实现构象空间采样。它与前面三种方法的思路又不一样。MD 是让体系随着时间演化Structure at t₀↓t₁↓t₂↓t₃↓……从这条动力学轨迹中不断获得不同的molecular configurations。因此 MD 得到的是一系列随模拟轨迹产生的结构而不是简单地对某几个torsion angle进行组合。对于肽这种柔性体系MD 可以观察结构在模拟条件下不断发生的构象变化。六、四种方法到底有什么区别把四种方法放在一起最容易理解方法核心搜索思路LowModeMD沿低频振动模式探索势能面的 troughs / valleysStochastic随机扰动结构再进行能量最小化Systematic系统扫描可旋转键的 torsion anglesMD沿指定热力学轨迹采样不同 configurations它们的目标相同获得具有代表性的分子构象。真正不同的是如何从一个构象走到另一个构象。LowModeMD 利用低频运动方向Stochastic 依靠随机扰动Systematic 直接系统探索 torsion spaceMD 则通过体系随时间演化产生构象。七、为什么肽的构象搜索尤其困难肽最大的特点就是自由度多。一条肽不仅存在大量侧链 χ 角主链还存在大量 φ / ψ 等构象自由度。如果还是环肽、订书肽或包含非天然氨基酸构象空间会进一步复杂。因此我们真正面对的通常不只是“能不能生成一个新构象”还有 “有限计算资源下能不能采样到真正重要的构象区域”这也是为什么构象搜索方法的选择很重要。不同方法相当于使用不同策略探索同一张复杂的势能地图。八、如果已经知道部分结构信息呢到这里还存在一个非常重要的问题。假设实验已经告诉我们某两个原子之间应该距离 2–3 Å或者NMR 已经提示肽中存在特定的 turn 和氢键。那我们还有必要让构象搜索在整个空间里完全自由探索吗当然不一定。更有效的方法是把这些实验信息直接转化成 restraints让构象搜索重点探索满足实验约束的区域。接下来要介绍的BQ123就是一个很典型的例子。它是一个包含7 个 rotatable bonds macrocycle的环肽同时已经存在 NMR 提供的构象信息包括type II β-turn、inverse γ-turn以及特定的疏水接触。因此下一步就不再只是“选择哪一种搜索算法”而是进一步Distance RestraintLowModeMD↓带实验信息的构象搜索本篇总结MOE 提供了多种构象采样方法而它们最大的区别在于探索构象空间的方式LowModeMD沿低频振动模式搜索低能区域Stochastic Search通过随机扰动和能量最小化产生新构象Systematic Search系统扫描 torsion anglesMolecular Dynamics则沿热力学轨迹采样不同 configurations。理解这些方法的关键不是简单判断“哪个算法最好”而是认识到不同方法实际上是在用不同策略探索同一个巨大的分子构象空间。而如果已经掌握实验结构信息我们还可以进一步利用 restraints 缩小这个搜索空间。下一篇MOE 肽类药物设计十五让实验信息约束构象搜索——Distance Restraint LowModeMD 构象后处理