MODULE 04 / 40 RECORDS
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。这篇讲清读口袋的方法、可成药性判据与隐蔽口袋的意义。 →
- 092 药效团 Pharmacophore：从相互作用模式到虚拟筛选 药效团把相互作用模式抽象成可搜索的三维特征。这篇讲清药效团的构成、建模方法与虚拟筛选应用。 →
- 093 形状互补 Shape Complementarity：分子与口袋匹配的第一原则 形状互补是分子与口袋匹配的第一原则。这篇讲清形状匹配的物理基础、量化方法与在筛选中的应用。 →
- 094 静电互补 Electrostatic Complementarity：为什么电荷分布影响结合 静电互补决定了形状之外的结合特异性。这篇讲清静电作用的类型、去溶剂化代价与设计中的权衡。 →
- 095 Docking Score：对接打分能不能代表真实活性 对接打分与真实活性的相关性有限。这篇讲清打分函数的构成、系统性偏差与正确的使用方式。 →
- 096 Binding Pose：如何判断一个对接构象是否可信 判断一个对接构象是否可信，比看分数更重要。这篇给出系统的姿势验证方法与判据。 →
- 097 AutoDock Vina 论文精读：免费对接工具的算法基础 AutoDock Vina 的论文奠定了免费对接的算法基础。这篇讲清它的打分函数构成、搜索算法与相对前代的改进。 →
- 098 AutoDock Vina 1.2：新版本改进了什么 AutoDock Vina 1.2 带来了多打分函数与 Python API。这篇讲清新版本的改进及其实际影响。 →
- 099 GNINA 论文精读：CNN 打分如何改变传统 Docking GNINA 用 CNN 重打分改变了传统对接的评分方式。这篇讲清论文的方法、评估结果与真实的能力边界。 →
- 100 Smina：AutoDock Vina 分支工具的实战价值 smina 是 Vina 的分支，提供自定义打分与更灵活的参数。这篇讲清它的独特能力与实战价值。 →
- 101 DiffDock 论文精读：扩散模型如何做盲对接 DiffDock 把对接重新表述为扩散生成问题。这篇讲清它的方法设计、评估争议与实际可用性。 →
- 102 EquiBind 论文精读：等变网络如何预测结合姿势 EquiBind 用等变神经网络一步直接预测结合姿势。这篇讲清等变性的意义、方法局限与它的历史定位。 →
- 103 TankBind 论文精读：从几何建模到结合预测 TankBind 用三角注意力与距离矩阵预测建模结合。这篇讲清它的方法特点与相对同类工作的定位。 →
- 104 Uni-Mol Docking：预训练分子模型如何进入对接任务 Uni-Mol 把三维预训练带入对接任务。这篇讲清它的预训练策略、对接应用与实际表现。 →
- 105 PDBFixer：对接前如何修复蛋白结构 PDB 文件几乎从不能直接用于计算。这篇讲清 PDBFixer 的修复能力、质子化处理与结构准备的完整检查清单。 →
- 106 Meeko：AutoDock Vina 配体和受体准备流程 Meeko 是 AutoDock 生态的现代化准备工具。这篇讲清配体与受体的准备流程、大环处理与常见坑。 →
- 107 OpenBabel 转格式：PDB、SDF、MOL2、PDBQT 怎么互转 分子格式转换看似简单，实则处处是坑。这篇讲清各格式的信息含量、转换中的信息丢失与正确做法。 →
- 108 PLIP：自动生成蛋白-配体相互作用报告 PLIP 自动识别蛋白-配体的各类相互作用。这篇讲清它的检测能力、判据设置与结果解读。 →
- 109 ProLIF：把相互作用变成可分析的指纹 ProLIF 把相互作用编码成指纹，可用于批量比较与轨迹分析。这篇讲清指纹的构建、MD 占有率分析与筛选应用。 →
- 110 PyMOL 可视化：药物设计图怎么画得清楚 PyMOL 是药物设计可视化的事实标准。这篇给出可复现的作图脚本与让图变清楚的实用技巧。 →
- 111 NGLView 与 3Dmol.js：网页端三维分子展示方案 在 Notebook 和网页里展示三维分子，NGLView 与 3Dmol.js 是两个主流方案。这篇给出可直接复用的代码。 →
- 112 AlphaFold2 论文精读：蛋白结构预测的里程碑 AlphaFold2 是结构生物学的分水岭。这篇讲清它的架构核心、置信度指标与在药物发现中的真实边界。 →
- 113 AlphaFold3 论文精读：从蛋白到复合物建模 AlphaFold3 把预测从蛋白扩展到复合物。这篇讲清扩散模块的转变、能力边界与使用限制。 →
- 114 RoseTTAFold 论文精读：三轨网络如何预测蛋白结构 RoseTTAFold 用三轨网络同时建模序列、距离与坐标。这篇讲清它的设计思路与在 AF2 之外的独立价值。 →
- 115 RoseTTAFold All-Atom：全原子建模为什么重要 RoseTTAFold All-Atom 把建模范围扩展到小分子、核酸与修饰。这篇讲清全原子建模的必要性与它的开放优势。 →
- 116 ESMFold 论文精读：语言模型如何预测蛋白结构 ESMFold 用语言模型替代 MSA，把结构预测提速两个数量级。这篇讲清它的原理、速度优势与准确度代价。 →
- 117 OpenFold：开源 AlphaFold 复现项目怎么用 OpenFold 是 AlphaFold2 的可训练开源复现。这篇讲清它的价值、微调能力与实际使用场景。 →
- 118 ColabFold：低门槛蛋白结构预测工作流 ColabFold 用 MMseqs2 把 MSA 搜索加速数十倍，是最实用的结构预测入口。这篇给出完整的使用与调参指南。 →
- 119 AlphaPulldown：蛋白复合物预测的实用工具 AlphaPulldown 把复合物预测变成可批量筛选的流程。这篇讲清它的筛选模式、判据设置与结果解读。 →
- 120 Boltz-1 技术报告精读：开放结构预测模型的能力边界 Boltz-1 是首个完全开源的 AF3 级复合物预测模型。这篇讲清它的能力、许可优势与使用方式。 →
- 121 Boltz-2 技术报告精读：亲和力与结构预测能否统一 Boltz-2 首次把结构预测与亲和力预测统一在一个开源模型中。这篇讲清它的方法、真实表现与使用边界。 →
- 122 Chai-1 技术报告精读：多分子复合物预测的新路线 Chai-1 是另一条开放权重的 AF3 级路线。这篇讲清它的特点、约束功能与许可细节。 →
- 123 分子动力学 MD 入门：什么时候需要做模拟 MD 不是万能的，也不是每个项目都需要。这篇讲清 MD 能回答什么问题、需要多长时间，以及什么时候不该做。 →
- 124 RMSD 与 RMSF：MD 轨迹稳定性如何判断 RMSD 与 RMSF 是判断轨迹稳定性的基本指标，但都容易误读。这篇讲清正确的计算方式与判据。 →
- 125 MM/PBSA：从轨迹估算结合自由能 MM/PBSA 从 MD 轨迹估算结合自由能。这篇讲清它的公式构成、熵项难题与正确的使用方式。 →
- 126 MM/GBSA：快速自由能估算的优势和局限 MM/GBSA 是 MM/PBSA 的快速版本，实践中用得更多。这篇讲清 GB 模型的选择、速度优势与适用边界。 →
- 127 FEP、RBFE 与 ABFE：自由能计算到底在算什么 FEP 是目前最可靠的结合自由能计算方法。这篇讲清 RBFE 与 ABFE 的区别、炼金术路径与实际的适用条件。 →
- 128 OpenMM 跑 10–100 ns MD：小分子复合物模拟流程 OpenMM 的 Python API 让 MD 容易嵌入自动化流程。这篇给出小分子复合物模拟的完整可运行脚本。 →
- 129 MDAnalysis 分析轨迹：从 RMSD 到相互作用统计 MDAnalysis 是 Python 轨迹分析的通用工具。这篇给出选择语法、常用分析与性能优化的实用指南。 →
- 130 OpenFE 做 RBFE：先导优化中的自由能计算工作流 OpenFE 把 RBFE 计算变成可复现的开源工作流。这篇给出完整流程、网络设计与结果分析的实操指南。 →