OpenEye Omega：构象生成工具在筛选中的作用

OMEGA 是 OpenEye 的构象生成工具。构象生成看起来是个技术细节，实际上是所有三维方法的地基——形状筛选、药效团匹配、刚性对接、三维 QSAR，全都依赖输入构象的质量。构象生成得不好，后面所有计算都是在错误的几何上进行。

构象生成难在哪

• 组合爆炸：一个有 8 个可旋转键的分子，每个键取 3 个常见二面角，就有 3⁸ ≈ 6,561 种组合；实际的柔性分子远不止于此。
• 覆盖与数量的矛盾：既要覆盖到「生物活性构象」，又不能生成太多（下游计算成本随构象数线性增长）。
• 生物活性构象不是最低能构象。这是最关键的一点：配体结合时通常处于比全局最低能高数 kcal/mol 的构象（这部分能量由结合能补偿）。只保留低能构象会系统性地漏掉真正的结合构象。
• 环系与立体化学：柔性环（如七元环、大环）的构象搜索特别困难。

关键参数

能量窗口设得太窄是最常见的错误。为了「只要合理构象」把窗口设成 5 kcal/mol，往往会把生物活性构象排除在外。

开源方案：RDKit ETKDG

from rdkit import Chem
from rdkit.Chem import AllChem

mol = Chem.AddHs(Chem.MolFromSmiles(smiles))

# ETKDGv3：结合距离几何与实验扭转角偏好的知识
params = AllChem.ETKDGv3()
params.randomSeed = 0xf00d          # 固定种子保证可复现
params.pruneRmsThresh = 0.5         # 去重阈值
params.numThreads = 0               # 用所有核
params.useSmallRingTorsions = True
params.useMacrocycleTorsions = True # 大环支持

cids = AllChem.EmbedMultipleConfs(mol, numConfs=200, params=params)

# 力场优化（推荐 MMFF94）
res = AllChem.MMFFOptimizeMoleculeConfs(mol, numThreads=0, maxIters=2000)

# 按能量筛选，注意窗口不要设太窄
energies = [e for (conv, e) in res]
emin = min(energies)
keep = [cid for cid, e in zip(cids, energies) if e - emin < 20.0]  # 20 kcal/mol
print(f"生成 {len(cids)} 个构象，能量窗口内保留 {len(keep)} 个")

ETKDGv3 是 RDKit 当前推荐的方法，它在距离几何的基础上加入了从剑桥结构数据库（CSD）统计的扭转角偏好知识，质量比早期方法明显提升。

开源与商业的实际差距

• 覆盖率：在复现晶体构象的基准测试上，商业工具的成功率通常略高，尤其是柔性大、构象空间复杂的分子。
• 大环：大环构象生成是差距最明显的地方之一，虽然 RDKit 已加入大环扭转支持。
• 速度：商业工具经过高度优化，处理百万级分子时差距明显。
• 结论：对多数常规分子，RDKit ETKDGv3 + MMFF 优化的质量已经够用；差距主要出现在大环、高柔性分子和超大规模场景。

质量怎么判断

• 用共晶结构做回测：取一批有共晶结构的配体，生成构象，看能否复现晶体构象（最小 RMSD < 1.0 Å 算成功）。这是最直接的质量评估。
• 检查几何合理性：键长键角是否正常、有无原子重叠、立体化学是否保持。
• 看构象多样性：如果生成的构象彼此都很像，说明采样不足。
• 固定随机种子：不固定则每次结果不同，实验不可复现。

延伸资源

• 形状筛选：278《OpenEye ROCS》；平台：277《OpenEye Orion》；
• 底层工具：171《RDKit》；构象概念见「分子表示」模块。