Relay Therapeutics：蛋白动态结构如何指导药物设计

Relay Therapeutics 的技术定位很明确：把蛋白的动态运动（而非静态结构）作为药物设计的信息来源。它的名字就来自这个理念——蛋白不是静止的雕塑，而是不断在多个构象间「传递」的动态系统。

为什么静态结构不够

晶体结构给出的是一个（或少数几个）构象快照，但蛋白在溶液中：

• 在多个构象状态间动态平衡；
• 某些口袋只在特定构象下短暂出现（隐蔽口袋）；
• 别构调节的本质就是改变构象平衡；
• 选择性可能来自动态差异而非静态结构差异——两个高度同源的蛋白，静态口袋几乎一样，但构象动力学可能明显不同。

最后一点是这条路线最有价值的洞察：激酶等大家族的选择性难做，正是因为静态口袋太相似。如果选择性可以来自动态差异，那就打开了新的设计维度。

技术手段

手段	提供什么
长时程分子动力学	观察构象变化与口袋开合
增强采样（见 295《DP Technology RiDYMO》）	加速探索罕见构象
马尔可夫状态模型（MSM）	从大量短轨迹重建长时间尺度动力学
冷冻电镜多构象分析	实验捕捉构象系综
核磁共振	溶液中的动态信息
氢氘交换质谱（HDX-MS）	区域柔性与构象变化
机器学习势函数	加速采样，提高精度

马尔可夫状态模型是把大量短轨迹拼成长时间尺度图景的关键技术：不需要跑一条毫秒级轨迹（不可行），而是跑成千上万条短轨迹，用统计方法重建状态间的转移概率。

动态信息怎么用于设计

• 发现隐蔽口袋：在轨迹中找出静态结构中不存在、但反复出现的口袋。KRAS G12C 的 switch II 口袋是这类成功的经典例子。
• 构象选择性设计：设计只结合特定构象状态的分子。如果靶点和脱靶蛋白在该构象上的可及性不同，就获得了选择性。
• 别构位点：识别能影响活性位点的远端位点。
• 理解耐药突变：突变可能不改变结合位点本身，而是改变构象平衡，从而影响药物结合。
• 集合对接：用构象系综而非单一结构做对接（见 302《MolSoft ICM-Pro》）。

开源实现路径

# 1. 大规模短轨迹 + 马尔可夫状态模型
mamba install -c conda-forge openmm pyemma deeptime mdanalysis

# 跑 100 条 100 ns 的独立轨迹（不同初速度种子）
# 比 1 条 10 μs 更适合 MSM，且天然并行

import pyemma
import pyemma.coordinates as coor

# 特征提取：选择能区分构象状态的特征
feat = coor.featurizer("topology.pdb")
feat.add_backbone_torsions(cossin=True)
feat.add_distances(feat.pairs(feat.select_Ca()[::5]))

inp = coor.source(traj_files, features=feat)
tica = coor.tica(inp, lag=50, dim=10)          # 降维到慢自由度
cluster = coor.cluster_kmeans(tica, k=200)

msm = pyemma.msm.estimate_markov_model(cluster.dtrajs, lag=100)
print("各宏观状态平衡分布:", msm.stationary_distribution[:10])
print("最慢的弛豫时间:", msm.timescales()[:5])

# 2. 逐帧口袋检测找隐蔽口袋
#    对轨迹抽帧跑 fpocket，统计口袋出现频率与体积

# 3. 用识别出的构象做集合对接（见 302）

tICA（时间独立成分分析）是关键一步：它自动找出体系中变化最慢的自由度，而慢自由度往往正是有生物学意义的构象变化。这比人工选反应坐标可靠得多。

现实的难度

• 算力需求大：要覆盖有意义的构象空间，需要大量轨迹，成本远高于常规对接。
• 力场精度限制：构象平衡对力场误差很敏感，几 kJ/mol 的偏差就可能改变哪个构象是主导的。
• 采样是否充分难以判断：没看到某个构象，可能是它不存在，也可能是没采样到。这个不确定性很难消除。
• 验证困难：预测的隐蔽口袋需要实验证实（片段筛选、共晶结构），周期长。
• 不是所有靶点都需要：如果已有好的共晶结构和明确的口袋，投入动态分析的边际价值有限。

延伸资源

• 增强采样平台：295《DP Technology RiDYMO》；模拟工具：200《OpenMM》、209《ProDy》；
• 集合对接：302《MolSoft ICM-Pro》；口袋与别构见「结构与模拟」模块。