蛋白质互作预测：从 docking 到网络推断

快速概览

蛋白质-蛋白质相互作用（Protein-Protein Interaction, PPI）是细胞信号传导、代谢调控和免疫反应的核心。计算方法通过分子对接（docking）、界面预测和网络推断，从不同角度预测和理解 PPI。

分子对接（docking）：预测两个蛋白质如何结合形成复合体
界面预测：识别蛋白质表面可能参与结合的关键残基
网络推断：从组学数据大规模预测 PPI 网络
结合亲和力评估：量化相互作用强度
实验验证：酵母双杂交、Co-IP、SPR 提供实验证据

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

是什么

蛋白质-蛋白质相互作用（PPI） 是两个或多个蛋白质通过物理接触形成的功能性复合体。计算方法从不同层次预测 PPI：

层次	方法	分辨率	典型应用
原子级别	分子对接（docking）	Å 级别	复合体结构预测、药物设计
残基级别	界面预测	残基级别	关键结合残基识别
网络级别	PPI 网络推断	系统级别	信号通路、疾病机制

为什么重要

PPI 在生物学中无处不在：

信号传导：受体-配体结合、激酶级联反应
免疫反应：抗体-抗原识别、MHC-肽呈递
转录调控：转录因子复合体、co-activator 招募
代谢途径：酶复合体、代谢通道
疾病机制：致病变异如何破坏 PPI

关键认知：理解 PPI 不仅要知道”谁和谁结合”，还要知道”如何结合”（界面、亲和力、动力学）和”结合后做什么”（功能后果）。

分子对接（Docking）

问题定义

对接问题：给定两个蛋白质的三维结构（受体和配体），预测它们如何结合形成复合体。

$\text{输入：结构 A + 结构 B} \rightarrow \text{输出：复合体 A:B}$

对接流程

graph LR
    A[受体结构] --> C[构象采样]
    B[配体结构] --> C
    C --> D[打分函数]
    D --> E[排名]
    E --> F[最优结合模式]

1. 构象采样（Sampling）

探索配体相对于受体的可能结合位姿（pose）：

方法	原理	适用场景
刚体对接	两个蛋白质保持刚性，只平移/旋转	已知结构变化小
半柔性对接	配体柔性，受体刚性	常见策略
柔性对接	两者都允许构象变化	计算成本高，更真实

搜索空间：6 维（3 个平移 + 3 个旋转），加上内部自由度。

2. 打分函数（Scoring）

评估每个位姿的结合亲和力：

类型	原理	优缺点
力场打分	基于物理势能（van der Waals + 静电）	物理基础强，但计算慢
经验打分	拟合已知复合体数据	快速，但可能过拟合
知识打分	基于统计势（ observed frequencies）	捕捉统计规律

常用对接工具

工具	特点	适用场景
HADDOCK	整合实验约束（NMR、mutagenesis）	高精度复合体建模
ClusPro	快速刚体对接 + 聚类	大规模筛选
ZDOCK	FFT 加速搜索	蛋白质-蛋白质对接
AutoDock	主要配体-受体对接	药物设计

界面预测

结合界面特征

蛋白质-蛋白质结合界面通常具有以下特征：

特征	说明
疏水残基富集	疏水作用驱动结合
进化保守	界面残基在同源蛋白中保守
平面或凹陷	几何互补性
带电残基环	静电作用稳定结合
热点残基（Hot Spots）	少数残基贡献大部分结合能

预测方法

方法	原理	工具示例
基于结构	表面可及性、几何特征	PIER、Promap
基于进化	保守性分析	ConSurf
基于机器学习	训练分类器	SPPIDER、PSIVER
基于能量	计算残基结合能贡献	Robetta Alanine Scanning

PPI 网络推断

从分子到系统

除了原子级别的对接，PPI 研究还在网络级别展开：

问题	方法	数据来源
蛋白质 A 和 B 是否互作？	网络推断	酵母双杂交、质谱、共表达
A 通过哪些中间蛋白影响 C？	路径搜索	STRING、BioGRID
哪些蛋白是关键枢纽（hub）？	网络分析	度中心性、介数中心性

实验方法

方法	原理	规模
酵母双杂交（Y2H）	转录因子重建检测互作	中等规模
亲和纯化-质谱（AP-MS）	共纯化检测复合体	大规模
表面等离子共振（SPR）	实时检测结合动力学	小规模，高精度
Co-IP	免疫共沉淀	验证性实验

数据库资源

数据库	内容	规模
STRING	预测和实验 PPI 网络	> 10 亿互作
BioGRID	实验验证 PPI	> 100 万互作
IntAct	分子互作数据库	实验验证
DIP	互作数据库	curated 数据

结合亲和力评估

关键指标

指标	定义	典型范围
Kd（解离常数）	平衡时解离/结合速率比	nM - μM
ΔG（结合自由能）	结合过程自由能变化	-5 到 -15 kcal/mol
IC50	50% 抑制浓度	药物筛选常用

计算估计

方法	精度	计算成本
MM-PBSA/GBSA	中等	中等
自由能微扰（FEP）	高	很高
打分函数	低-中	低

与真实工具或流程的连接

常见概念误区

本章小结

PPI 预测从三个层次展开：原子级别（对接）、残基级别（界面）、网络级别
分子对接通过构象采样和打分预测复合体结构
界面识别关键结合残基，特别是热点残基
PPI 网络推断揭示系统级别的互作关系
计算预测需要实验验证（Y2H、SPR、Co-IP）