药物片段与片段空间：FBDD 数据如何进入 AI 流程

基于片段的药物发现（FBDD）用「小而简单」的分子作为起点。它的核心逻辑是：小分子在化学空间中的覆盖效率远高于大分子——用几千个片段能探索的化学空间，用大分子需要几百万个。

片段的定义

为什么用片段

# 【核心优势一：化学空间的覆盖效率】
#   分子越大，可能的结构数量指数增长
#   → 用大分子筛选，覆盖率极低
#   → 【小片段能更高效地探索】
#
# 【核心优势二：配体高效性高】（见 071）
#   片段虽然亲和力弱（通常 μM~mM），
#   但【每个原子贡献的结合能高】
#   → LE = -ΔG / 重原子数
#   → 片段的 LE 常常 > 0.4，而类药分子多在 0.3 左右
#   → 【从高 LE 的起点出发，优化空间更大】
#
# 【核心优势三：结合模式清晰】
#   片段小，通常只结合口袋的一个亚位点
#   → 【结合模式相对明确】
#   → 便于结构指导的生长
#
# 【代价】：
#   1) 亲和力弱 → 【需要灵敏的检测方法】
#      常规的酶活筛选检测不到 mM 级的结合
#      → 需要 SPR、NMR、ITC、热迁移、
#        【晶体学片段筛选】
#   2) 需要结构信息指导生长
#      → 【没有结构的靶点做 FBDD 很困难】
#   3) 从片段到先导物的路径长

FBDD 的典型流程

# 【第 1 步：片段库设计】
#   规模：500 ~ 5000 个片段（远小于 HTS 库）
#   要求：
#     - 【极高的多样性】（见 053）
#     - 高溶解度（筛选浓度高，常 1 mM 以上）
#     - 【可衍生化】：有明确的生长向量
#     - 化学稳定
#     - 无反应性基团
#     - 【结构简单，便于解析结合模式】
#
# 【第 2 步：片段筛选】
#   方法（按灵敏度与信息量）：
#     热迁移（TSA）：便宜、高通量、假阳性多
#     SPR：定量、中通量
#     NMR（配体观测/蛋白观测）：灵敏、能给结合位点信息
#     【晶体学筛选】：直接给出结合模式，信息量最大
#     ITC：热力学参数完整，通量低
#   → 【通常组合使用：粗筛 + 结构确证】
#
# 【第 3 步：命中确证】
#   多方法验证（避免假阳性）
#   剂量响应
#   【获得共晶结构】← 这是关键
#
# 【第 4 步：片段生长/连接/融合】
#   生长（growing）：从片段延伸出取代基
#     → 【最常用】
#   连接（linking）：把两个结合在相邻亚位点的片段连起来
#     → 理论上能获得超加性的亲和力
#     → 【实际很难：连接子的构象代价大】
#   融合（merging）：把重叠的片段合并
#
# 【第 5 步：优化】
#   进入常规的先导优化流程（见 405）
#
# 【全程的关键指标：配体高效性】
#   → 【生长过程中 LE 不应下降太多】
#   → LE 下降说明新加的原子没有贡献结合能

片段数据进入 AI 流程

# 【片段数据的特点与挑战】：
#
# 1) 【活性范围窄且弱】
#    多数在 100 μM ~ 10 mM
#    → 动态范围小，建模困难
#    → 【很多是「结合/不结合」的二分数据】
#
# 2) 【假阴性率高】
#    弱结合难以检测
#    → 「未命中」不等于「不结合」
#    → 【训练数据的负样本不可靠】
#
# 3) 【数据量小】
#    片段库本身就只有几千个
#
# 4) 【但结构信息丰富】
#    晶体学筛选能给出大量共晶结构
#    → 【这是 AI 可以利用的宝贵资源】
#
# 【AI 能做什么】：

# ---- 应用一：片段库设计 ----
#   用多样性算法选片段（见 053）
#   优化覆盖率与可衍生化

# ---- 应用二：片段生长的建议 ----
#   给定片段的结合姿势，
#   生成可能的生长方向与取代基
def fragment_growing_vectors(fragment_sdf, receptor_pdb):
    """找出片段可以生长的方向"""
    from rdkit import Chem
    # 1) 识别片段上可衍生化的位置（有氢的碳/氮）
    # 2) 对每个位置，检查该方向上蛋白口袋是否有空间
    # 3) 排序：空间大且有相互作用机会的方向优先
    pass

# ---- 应用三：约束对接（片段生长的核心工具）----
#   【保持片段部分的姿势不变，只对接新增部分】
from rdkit import Chem
from rdkit.Chem import AllChem

def constrained_grow(core_sdf, grown_smiles, seed=0xf00d):
    """以片段的已知姿势为约束生成生长后分子的构象"""
    core = Chem.MolFromMolFile(core_sdf)      # 片段的晶体姿势
    mol = Chem.AddHs(Chem.MolFromSmiles(grown_smiles))
    try:
        AllChem.ConstrainedEmbed(mol, core, randomseed=seed)
    except Exception:
        return None
    return mol
# 然后用 smina --minimize 优化（见 100）

# ---- 应用四：从片段共晶结构学习 ----
#   大量的片段-蛋白共晶结构
#   → 训练数据（见 240）
#   → 或用于验证对接方法

# ---- 应用五：虚拟片段筛选 ----
#   【难点】：对接打分函数对弱结合的片段
#            判别力很差（见 095）
#   → 富集能力有限
#   → 【实验筛选仍是主流】

片段生长中的关键指标

from rdkit import Chem
from rdkit.Chem import Descriptors
import numpy as np

def efficiency_metrics(smiles, pActivity):
    """计算配体效率指标（见 071、072）"""
    mol = Chem.MolFromSmiles(smiles)
    if mol is None:
        return None
    n_heavy = mol.GetNumHeavyAtoms()
    logp = Descriptors.MolLogP(mol)

    # 【LE：配体高效性】
    #   LE = 1.37 * pActivity / 重原子数
    le = 1.37 * pActivity / n_heavy

    # 【LLE：脂溶性配体效率】
    #   LLE = pActivity - logP
    lle = pActivity - logp

    # 【LELP】
    lelp = logp / le if le > 0 else np.nan

    return {
        "n_heavy": n_heavy, "pActivity": pActivity,
        "logP": round(logp, 2),
        "LE": round(le, 3),
        "LLE": round(lle, 2),
        "LELP": round(lelp, 2),
    }

# 【片段生长的判据】：
#
#   起点片段：MW 200, pIC50 4.0, 14 重原子
#     → LE = 1.37 * 4.0 / 14 = 0.39
#
#   生长后：MW 400, pIC50 7.0, 28 重原子
#     → LE = 1.37 * 7.0 / 28 = 0.34
#
#   【判读】：
#     活性提升了 1000 倍，但 LE 略有下降
#     → 【可接受】（LE 通常会随分子增大略降）
#
#   如果 LE 大幅下降（如 0.39 → 0.20）：
#     → 【新加的原子基本没贡献结合能】
#     → 只是「靠体积堆出来的活性」
#     → 后续会遇到成药性问题（分子太大）
#
# 【一个实用的做法】：
#   在生长的每一步记录 LE 与 LLE
#   画出「重原子数 vs LE」的轨迹
#   → 【一眼看出优化是否高效】

延伸资源

• 配体效率：071《配体效率 Ligand Efficiency》、072《脂溶性配体效率 LLE》；多样性：053《分子多样性评估》；
• 约束对接：100《Smina》；口袋分析：091《蛋白口袋 Protein Pocket》；先导优化：405《Lead Optimization》。