結合位點預測

結合位點預測是請電腦審視一個蛋白的表面，指出小分子可能在哪裡結合，就像你在開始攀岩前先掃視岩壁、找出可供抓握的支點一樣。蛋白質表面大多平淡無奇，但少數幾處裂隙和口袋才是藥物有望抓附的地方。

尋找這些口袋的方法可歸為幾類。幾何方法在表面上搜尋大小和形狀合適的凹腔。基於能量的方法用小化學片段去探測表面，看它們在何處結合有利，從而繪出熱點區域。基於知識和機器學習的方法則從已知蛋白-配體複合物的資料庫中學習真實結合位點的樣貌，並在新蛋白上預測出類似的特徵。

這之所以重要，是因為在任何對接或基於結構的設計開始之前，你必須先知道該瞄準何處，而最具成藥性的口袋未必就是蛋白顯而易見的活性位點。預測出的口袋還可能揭示適合調節劑的別構位點。需要誠實指出的是：蛋白質是柔性的，在靜態結構中閉合的隱蔽口袋可能只有在配體結合時才打開，因此有些真實位點會被漏掉，而有些被預測的位點卻從不形成。