核心判断
  • MM/GBSA、RBFE 与 ABFE 回答不同问题,不构成通用精度阶梯。
  • RBFE 最适合同系列局部变换;ABFE 扩大化学空间,也扩大采样与状态误差预算。
  • 独立重复、能量重叠、闭环与实验锚点比多保留小数位更重要。

1. 先把术语放回正确层级

MM/GBSA 是端点近似:从轨迹快照估计复合物、受体与配体的分子力学能和连续介质溶剂化能,熵常被忽略或另算。RBFE 与 ABFE 描述目标量:两个配体的 ΔΔG 与单个配体的标准结合 ΔG;FEP、TI、BAR、MBAR 描述连接并估计热力学状态差的技术路径。所以“RBFE 还是 FEP”并非严格二选一:RBFE 可用 TI 或 MBAR 分析,行业的 “FEP campaign” 也常指整套 RBFE 流程。[3,6,7]

2. 先选问题,再选算法

若要给大量对接姿势做二次筛选,或比较同一体系的结合构象,MM/GBSA 更有吞吐量。若要在先导系列中判断局部取代对亲和力的影响,且共享可靠结合模式,RBFE 更贴合决策。候选物骨架差异大、没有参考配体,或必须得到绝对 ΔG 时,才考虑 ABFE。强行把所有分子连入困难的 RBFE 网络,或把 MM/GBSA 当成可跨靶点比较的实验 ΔG,都会超出适用域。[2,3,5]

3. MM/GBSA 的优势是快与可解释,不是“便宜版 FEP”

MM/GBSA 可复用常规 MD 轨迹,便于残基分解、构象分组和姿势比较。单轨迹方案可借误差抵消降低涨落,但假设结合前后构象变化较小。误差主要来自连续介质水、介电常数、构象采样、力场、熵和位点水;不同参数可能给出不同排序。2022 年可溶性与膜蛋白基准显示,参数优化会显著改变结果,因此必须按体系回顾验证,不能把靶点调优成绩当作默认性能。[2,5,8]

4. RBFE 最适合同系列先导优化

RBFE 在溶液和结合位点中分别把配体 A 变为 B,以热力学循环得到 ΔΔG。共享原子与环境有助于误差抵消;高质量结构、一致的质子化/互变异构状态、可信映射和连通网络是前提。净电荷改变、骨架跃迁、环开闭、大取代、埋藏水、多姿势和慢蛋白重排都是风险。分离拓扑可扩展变换,却不消除采样与力场误差。大规模基准支持适用域内的排序价值,也显示边和靶点级离群值仍存在。[1,4,9–12]

5. ABFE 扩大化学空间,也扩大误差预算

ABFE 以双解耦循环逐步关闭配体在溶剂和结合位点中的相互作用,并加入位置/取向约束和标准态修正。它不要求与参考配体建立温和映射,适合骨架多样候选物、片段或小规模精筛。但“绝对”不等于自动更准:多结合姿势、口袋水、apo/holo 重排、质子化耦合和约束都会引入问题。ABFE 已能处理药物相关体系,却仍高度依赖未结合态和采样,是高成本专家方法而非 RBFE 的通用替代。[6]

6. 精度的上限常由输入与实验共同决定

预测误差不只来自算法。缺失环、金属/辅因子、晶体水、膜环境、配体微观状态和不一致实验条件都会改变目标量。重复模拟一致只说明已采样状态内“精密”,不保证姿势或慢构象正确。应报告独立重复、不确定性、λ 状态能量重叠、正反向收敛、网络闭环和结构检查,并用同靶点、同测定体系历史物回顾校准。2023–2026 年基准显示,实验也有重现性误差,计算误差随靶点、输入和变换变化,公开数据均值不能直接外推到私有真实项目。[3,7,9–12]

7. 更稳妥的是分层决策,而非单方法决胜

实用流程从结构与化学状态审计开始,以对接/短 MD 建立姿势;用 MM/GBSA 做大批量复评分和异常排查;对同系列、高价值且可形成温和网络的化合物运行 RBFE;只把 ABFE 用于缺少参考、骨架跨度大或需要绝对标尺的关键问题。各层都应有阴性对照、活性锚点和退出条件。算力应优先给独立重复、困难边和多状态假设,而非只扩大数量。[3,4,10,12]

方法选择矩阵

  • 维度: 主要问题 · MM/GBSA(端点法): 快速复评分、姿势/构象比较、相互作用解释 · RBFE(常用 FEP/TI/BAR/MBAR): 同一靶点中相近配体的 ΔΔG 与排序 · ABFE(绝对炼金法): 单个配体的标准结合 ΔG;跨骨架小规模比较
  • 维度: 最低输入 · MM/GBSA(端点法): 合理复合物结构;一致的拓扑、质子化与 MD 轨迹 · RBFE(常用 FEP/TI/BAR/MBAR): 高质量结合结构;同系列配体;一致姿势/状态;可靠映射与网络 · ABFE(绝对炼金法): 可靠结合姿势;配体/蛋白状态;apo/holo 采样方案;约束与标准态定义
  • 维度: 实验锚点 · MM/GBSA(端点法): 强烈建议用同体系已知物校准参数与解释阈值 · RBFE(常用 FEP/TI/BAR/MBAR): 强烈建议先做同系列回顾验证;网络中设置实验锚点 · ABFE(绝对炼金法): 理论上无需参考配体,实践中仍需已知体系验证协议
  • 维度: 相对计算成本 · MM/GBSA(端点法): 低—中;若已有 MD,后处理便宜 · RBFE(常用 FEP/TI/BAR/MBAR): 高;两条热力学腿 × 多个 λ 状态 × 网络边 × 重复 · ABFE(绝对炼金法): 很高;每个配体双解耦、约束/修正、多个状态与重复
  • 维度: 合理的精度表述 · MM/GBSA(端点法): 体系依赖;适合富集和趋势,不保证绝对 ΔG · RBFE(常用 FEP/TI/BAR/MBAR): 适用域内通常是同系列排序的优先方案;仍需逐边不确定性 · ABFE(绝对炼金法): 原理上给绝对量,实际更受慢采样与系统误差影响
  • 维度: 关键诊断 · MM/GBSA(端点法): 快照收敛、分段稳定性、介电/熵敏感性、多姿势一致性 · RBFE(常用 FEP/TI/BAR/MBAR): 独立重复、能量重叠、正反向收敛、闭环误差、结构漂移 · ABFE(绝对炼金法): 独立重复、解耦/耦合重叠、约束稳定性、姿势占比、apo/holo 覆盖
  • 维度: 常见失败模式 · MM/GBSA(端点法): 忽略熵和关键水;构象重排;参数调优泄漏;把分解能当物理残基贡献 · RBFE(常用 FEP/TI/BAR/MBAR): 低相似度或净电荷变化;错误映射;多姿势;埋藏水;慢蛋白重排 · ABFE(绝对炼金法): 未知姿势;蛋白未结合态缺失;多微观状态;标准态/电荷修正错误;配体逸出
  • 维度: 最适合的交付 · MM/GBSA(端点法): 排序+敏感性分析+相互作用假设 · RBFE(常用 FEP/TI/BAR/MBAR): 网络化 ΔΔG+不确定性+问题边审计+实验对照 · ABFE(绝对炼金法): ΔG+状态/约束定义+收敛证据+系统误差讨论

结论

最可靠的选择规则不是“预算越高就用越严格的方法”,而是让计算目标、化学相似性、结构可信度和验证证据彼此匹配。MM/GBSA 负责便宜而透明的筛选与解释,RBFE 负责同系列的高价值排序,ABFE 负责少量无法由温和相对变换覆盖的问题;三者都必须以状态审计、独立重复和实验锚点来约束。方法的价值体现在减少错误合成与错误结论,而不是输出一个看似精确的单一数字。

DECISION GUIDE

决策清单

需要的是大库富集、同系列排序,还是绝对 ΔG?不要先按软件名称选方法

检查 2

是否有同一测定体系的历史活性数据,以及至少一个可信复合物结构?

配体是否共享结合模式、净电荷和相近骨架?若是,优先评估 RBFE;若否,不要强做单拓扑变换

检查 4

质子化、互变异构、构象、晶体水、金属/辅因子与膜环境是否已枚举并记录?

检查 5

预算是否包含独立重复、困难边补采样和失败重算,而不只是一次默认运行?

检查 6

是否预先定义重叠、收敛、闭环和结构稳定性的通过标准?

检查 7

实验端点是否同源且可换算;IC50、Ki 与 Kd 是否被谨慎区分?

检查 8

结果是否同时给出数值、区间、适用域和“不可判定”案例?

BOUNDARIES

需要保留的解释边界

  • MM/GBSA 的残基分解是模型内的能量归因,不等于可实验分离的单残基结合自由能。
  • 低 MBAR/FEP 统计误差不覆盖错误姿势、未采样微观状态、力场偏差或实验误差。
  • RBFE 网络推导出的“相对 DG”可整体平移;没有实验锚点时,不应称为测得的绝对结合自由能。
  • ABFE 的形式严格性不自动解决 apo/holo 重排、质子化耦合和多结合姿势。
  • 不同靶点、不同测定条件、不同软件/力场的分数或 ΔG 不应直接混合成统一排行榜。
  • 所有基准都受数据选择、回顾性修模和发表偏倚影响;商业工作流论文与开源基准应交叉阅读。
REFERENCES

核验来源

  1. Wang L, Wu Y, Deng Y, et al. Accurate and Reliable Prediction of Relative Ligand Binding Potency in Prospective Drug Discovery by Way of a Modern Free-Energy Calculation Protocol and Force Field. *J Am Chem Soc.* 2015;137(7):2695–2703.2015 · DOI 10.1021/ja512751q
  2. Wang E, Sun H, Wang J, et al. End-Point Binding Free Energy Calculation with MM/PBSA and MM/GBSA: Strategies and Applications in Drug Design. *Chem Rev.* 2019;119(16):9478–9508.2019 · DOI 10.1021/acs.chemrev.9b00055
  3. Mey ASJS, Allen BK, Bruce Macdonald HE, et al. Best Practices for Alchemical Free Energy Calculations [Article v1.0]. *Living J Comput Mol Sci.* 2020;2(1).2020 · DOI 10.33011/livecoms.2.1.18378
  4. Schindler CEM, Baumann H, Blum A, et al. Large-Scale Assessment of Binding Free Energy Calculations in Active Drug Discovery Projects. *J Chem Inf Model.* 2020;60(11):5457–5474.2020 · DOI 10.1021/acs.jcim.0c00900
  5. Tuccinardi T. What is the current value of MM/PBSA and MM/GBSA methods in drug discovery? *Expert Opin Drug Discov.* 2021;16(11):1233–1237.2021 · DOI 10.1080/17460441.2021.1942836
  6. Khalak Y, Tresadern G, Aldeghi M, et al. Alchemical absolute protein–ligand binding free energies for drug design. *Chem Sci.* 2021;12(41):13958–13971.2021 · DOI 10.1039/D1SC03472C
  7. Wade AD, Bhati AP, Wan S, Coveney PV. Alchemical Free Energy Estimators and Molecular Dynamics Engines: Accuracy, Precision, and Reproducibility. *J Chem Theory Comput.* 2022;18(6):3972–3987.2022 · DOI 10.1021/acs.jctc.2c00114
  8. Wang S, Sun X, Cui W, Yuan S. MM/PB(GB)SA benchmarks on soluble proteins and membrane proteins. *Front Pharmacol.* 2022;13:1018351.2022 · DOI 10.3389/fphar.2022.1018351
  9. Ross GA, Lu C, Scarabelli G, et al. The maximal and current accuracy of rigorous protein-ligand binding free energy calculations. *Commun Chem.* 2023;6:222.2023 · DOI 10.1038/s42004-023-01019-9
  10. Hahn DF, Bayly CI, Boby ML, et al. Best Practices for Constructing, Preparing, and Evaluating Protein-Ligand Binding Affinity Benchmarks [Article v1.0]. *Living J Comput Mol Sci.* 2022;4(1):1497.2022 · DOI 10.33011/livecoms.4.1.1497
  11. Hahn DF, Gapsys V, de Groot BL, Mobley DL, Tresadern G. Current State of Open Source Force Fields in Protein–Ligand Binding Affinity Predictions. *J Chem Inf Model.* 2024;64(13):5063–5076.2024 · DOI 10.1021/acs.jcim.4c00417
  12. Baumann HM, Horton JT, Henry MM, et al. Large-Scale Collaborative Assessment of Binding Free Energy Calculations for Drug Discovery Using OpenFE. *J Chem Inf Model.* 2026;66(11):6429–6452.2026 · DOI 10.1021/acs.jcim.6c00089

检索更新于 2026-08-16。本文为证据导向的叙述性方法综述,不是注册系统综述或荟萃分析;引用优先采用一手论文、官方文档和标准。