结合位点预测

结合位点预测是请计算机审视一个蛋白的表面，指出小分子可能在哪里结合，就像你在开始攀岩前先扫视岩壁、找出可供抓握的支点一样。蛋白质表面大多平淡无奇，但少数几处裂隙和口袋才是药物有望抓附的地方。

寻找这些口袋的方法可归为几类。几何方法在表面上搜寻大小和形状合适的凹腔。基于能量的方法用小化学片段去探测表面，看它们在何处结合有利，从而绘出热点区域。基于知识和机器学习的方法则从已知蛋白-配体复合物的数据库中学习真实结合位点的样貌，并在新蛋白上预测出类似的特征。

这之所以重要，是因为在任何对接或基于结构的设计开始之前，你必须先知道该瞄准何处，而最具成药性的口袋未必就是蛋白显而易见的活性位点。预测出的口袋还可能揭示适合调节剂的别构位点。需要诚实指出的是：蛋白质是柔性的，在静态结构中闭合的隐蔽口袋可能只有在配体结合时才打开，因此有些真实位点会被漏掉，而有些被预测的位点却从不形成。