基于薛定谔软件出版 | Glide WS:对接精度与虚拟筛选的方法学及初步性能评估

分子对接虚拟筛选是药物发现的重要手段，但现有打分函数对结合口袋水分子效应处理不足，易产生大量假阳性；传统基准评测多假设诱饵分子全部无活性，评估结果存在局限，亟需更精准的对接方法与更可靠的虚拟筛选评估方案。

首先，该示意图举例展示诱饵分子在蛋白口袋内的错误对接构象。对比 Glide SP 打分、ABFEP 与 Glide WS 打分结果，直观体现传统对接会给出高分但不合理的构象，凸显 Glide‑WS 可识别这类缺陷，体现引入显式水效应对甄别错误构象的价值。

其次，该组统计图表统计 Glide‑WS 的计算耗时分布。统计大量配体的 CPU 运算时间，分析可旋转键数目、分子量对对接耗时的影响，结果显示二者对计算耗时预测性弱，整体运算开销符合二次筛选 / 重打分工具的性能定位。

接着，该箱线图对比 Glide SP 与 Glide XP 的早期虚拟筛选富集能力。基于 DUD‑E 数据集开展对比，可见 Glide‑XP 相比 Glide‑SP 并未实现稳定性能提升，解释了本研究选择 Glide‑SP 作为对照基准的原因。

然后，该表格汇总 Glide‑SP 与 Glide‑XP 的自对接性能指标。统计不同 RMSD 阈值下的成功率与单配体平均 CPU 耗时，数据表明 Glide‑XP 仅存在小幅精度提升，但计算成本大幅增加，进一步佐证不再将其作为主要对比对象。

随后，该组多指标柱状图展示 PubChem 诱饵集下两种对接工具的筛选性能。从命中率、诱饵平均 ABFEP 得分、高风险诱饵数量、得分间隙四个维度对比，多数靶点上 Glide‑WS 可减少无效诱饵，拉大活性与非活性分子的得分差距。

之后，该组多指标柱状图呈现 Enamine Real 诱饵集的虚拟筛选对比结果。沿用相同的四项评价指标，证实 Glide‑WS 在该诱饵库上依旧可以有效压低假阳性数量，获得更优的诱饵分子平均能量，验证方法在不同诱饵数据集上的通用性。

最后，该组多指标柱状图展示 DUD‑E 诱饵集下两种对接工具的筛选性能。依旧采用多维度评价体系，在该经典基准数据集上，Glide‑WS 在绝大多数靶点中表现占优，少数靶点二者性能接近，完整证实该方法的广泛适用性。

综上所述，该研究提出 Glide‑WS 对接方法，通过显式处理结合口袋水分子改善构象预测与虚拟筛选表现，利用 ABFEP 实现更客观的筛选评测，为药物发现的分子对接与命中化合物筛选提供更可靠的计算工具与评估思路。