企业官网建设流程全解析

1. 蛋白质-配体结合预测的技术演进与挑战

在药物研发领域，准确预测小分子药物（配体）与靶标蛋白质的结合模式与强度，是虚拟筛选和理性药物设计的核心环节。传统分子对接方法依赖力场计算和构象搜索，虽然物理意义明确，但面临采样效率低、评分函数准确性不足等瓶颈。近年来，深度学习技术为这一领域带来了范式变革，但也暴露出新的技术痛点。

当前主流方案普遍采用全原子扩散模型（如Boltz系列）生成三维结构，通过逐步去噪过程预测蛋白质-配体复合物。这种方法虽然精度较高，但存在两个致命缺陷：

1. 计算成本高昂：生成单个复合物结构需要数十秒，难以扩展到千万级化合物库的筛选
2. 信息冗余：药物设计真正需要的是结合位点的几何特征和亲和力估计，全原子细节反而可能引入噪声

我们在Terray Therapeutics的研发实践中发现，实际药物发现流程中90%的决策只需要以下关键信息：

• 配体结合姿态的全局准确性（RMSD <2Å）
• 结合界面的局部几何匹配（LDDT-PLI >0.8）
• 结合自由能的可靠估计（ΔG误差 <1 kcal/mol）
• 预测结果的校准置信度

这促使我们重新思考：是否必须通过昂贵的全原子扩散才能获得这些信息？基于此，我们开发了TerraBind——一个基于粗粒度优化的高效预测框架。

2. TerraBind的核心设计理念

2.1 架构创新：从全原子生成到几何特征提取

TerraBind采用"编码-优化-解码"的三阶段架构（图1），与传统扩散模型形成鲜明对比：

[传统流程] 蛋白质/配体序列 → 扩散模型 → 全原子结构 → 特征提取 → 亲和力预测 (耗时27.8秒) [TerraBind流程] 蛋白质/配体序列 → 距离分布预测 → 粗粒度优化 → 几何特征 → 亲和力预测 (耗时1.045秒)

关键技术突破在于：

1. 冻结的预训练编码器：使用ESM-2处理蛋白质序列，COATI-3处理配体结构，避免端到端训练的开销
2. 精简的Pairformer主干：48层网络仅保留pair表示，参数量从1.47亿压缩到2700万
3. 距离分布对数(distogram)：直接预测配体原子与蛋白质残基间的空间统计关系

2.2 多阶段训练协议

我们设计了渐进式训练策略（表1），逐步强化结合界面的几何表征：

这种设计使得模型：

• 阶段1：建立基本的空间关系理解
• 阶段2：重点学习配体-蛋白质相互作用（LP权重5倍）
• 阶段3：消除AlphaFold DB的预测偏差，专注实验结构

3. 结构预测性能实证分析

3.1 基准测试结果

我们在四个权威基准上评估配体姿态预测性能（图2）：

1. FoldBench（556个低同源性复合物）

   • 配体RMSD <2Å成功率：55.3% (TerraBind) vs 55.1% (Boltz-1)
   • 严格指标(RMSD<2Å且LDDT-PLI>0.8)：45.1% vs 39.3%

2. PoseBusters（307个2021年后发布的药物样复合物）

   • RMSD <2Å：68.8% vs 69.7%
   • 严格指标：55.1% vs 58.6%

关键发现：

• 在保持相当精度的同时，推理速度提升26.6倍（A6000 GPU）
• 结合界面局部精度(LDDT-PLI)显著优于基线，说明对关键相互作用区域的建模更准确
• 仅使用口袋区域上下文(TerraBind Pocket)性能下降<3%，验证了结合信息的局部性

3.2 距离分布熵的置信度指示作用

配体-蛋白质熵(HLP)是TerraBind的重要创新指标，其计算过程：

1. 对每个配体原子-蛋白质残基对，计算距离分布熵：

   def calculate_HLP(p_bins): # p_bins: 64维概率分布 entropy = -np.sum(p_bins * np.log(p_bins + 1e-10)) return entropy / np.log(64) # 归一化到[0,1]

2. 全局HLP取所有配体-口袋残基对的平均值

数据分析显示（图3）：

• TerraBind的平均HLP=0.491，比Boltz-1 Trunk低15%
• HLP与预测准确性强相关：
  • 当HLP<0.25时，RMSD<2Å的成功率达82%
  • 当HLP>0.75时，成功率骤降至11%
• 该指标无需额外训练，直接来自距离分布的内在特性

4. 结合亲和力预测创新

4.1 免结构输入的亲和力预测

传统方法需要先生成全原子结构，再提取特征进行亲和力预测。TerraBind的革命性在于完全跳过结构生成，直接从距离分布对数预测结合强度：

1. 特征构造：

   • 从pairformer提取的64维距离分布
   • COATI-3编码的配体全局特征
   • ESM-2编码的蛋白质结合口袋序列特征

2. 亲和力模块架构：

   class AffinityModule(nn.Module): def __init__(self): super().__init__() self.distogram_encoder = MLP(64, 128) # 距离分布编码 self.coati_proj = Linear(256, 128) # 配体特征投影 self.epinet = Epinet(256) # 不确定性估计 def forward(self, z_dist, z_lig): h_dist = self.distogram_encoder(z_dist.mean(dim=1)) h_lig = self.coati_proj(z_lig) return self.epinet(torch.cat([h_dist, h_lig], dim=-1))

4.2 性能验证

在CASP16和18个内部靶点的测试中（图4）：

特别值得注意的是：

• 仅用公开数据训练，在专有数据上表现优异，证明强泛化能力
• HLP指标与亲和力的零样本相关性达0.51，验证距离分布包含丰富结合信息

4.3 结构微调的增效作用

通过将pairformer在少量（3-6个）专有晶体结构上微调，可使特定靶点的亲和力预测显著提升（图5）：

• 靶点X（6个晶体）：Pearson从0.57→0.77
• 靶点Y（3个晶体）：0.66→0.67

这为药物研发中的"冷启动"问题提供了解决方案——当针对新靶点仅有少量结构数据时，通过轻量微调即可获得可靠预测。

5. 药物发现工作流整合

5.1 虚拟筛选加速

TerraBind的端到端流程使大规模虚拟筛选变得可行：

1. 预处理：

   • 蛋白质：ESM-2嵌入计算（单次）
   • 化合物库：COATI-3批量编码

2. 并行评估：

   # 单GPU可并行评估100个化合物/秒 python terra_batch.py --protein 1abc.pkl --ligands lib_1M.sdf --output scores.csv

3. 结果分析：

   • 按预测亲和力排序
   • 用HLP过滤低置信度预测
   • 可视化top化合物的结合模式

5.2 DMTA循环优化

在模拟的"设计-合成-测试-分析"循环中（图6），TerraBind的持续学习策略展现出优势：

1. EMAX获取函数：

   def EMAX(predictions, beta=0.1): mu = predictions.mean # 预测均值 sigma = predictions.cov_matrix # 协方差矩阵 return mu - beta * np.diag(sigma) # 平衡探索与利用

2. 性能表现：

   • 经过8轮循环（每轮5个化合物）
   • 传统贪婪策略找到的最佳化合物IC50=1.2μM
   • EMAX策略找到的化合物IC50=0.2μM（提升6倍）

6. 技术边界与未来方向

6.1 当前局限

1. 分辨率限制：

   • 粗粒度表示无法提供氢键网络等原子细节
   • 不适合需要精确静电计算的场景

2. 化学空间覆盖：

   • 对罕见药效团的预测熵较高
   • 可通过合成数据增强改善

3. 体系限制：

   • 大分子（如抗体）结合预测仍需改进
   • 多蛋白复合物的协同效应处理不足

6.2 演进路线

1. 混合建模：

   • 粗粒度筛选 → 全原子精修
   • 实现"先广度后深度"的工作流

2. 实验数据整合：

   • 开发冷冻电镜密度图适配器
   • 引入生物物理实验数据作为监督

3. 动态过程预测：

   • 结合分子动力学模拟
   • 预测解离速率等动力学参数

在Terray的EMMI平台上，我们正将TerraBind扩展到数十亿规模的专有数据集训练，进一步突破现有技术边界。这种"粗粒度优先"的范式，正在重塑计算药物发现的技术栈。