伊马替尼–ABL1 结合模式分析：ESMFold2 复合物预测全过程
以一条 271 aa 的 ABL1 激酶结构域序列和伊马替尼 SMILES 为输入，复盘 3 个 ESMFold2 候选结构、置信度排序与 PoseEdit 相互作用分析。
这篇文章复盘一次完整的伊马替尼–ABL1 结合模式分析：以一条 271 aa 的 ABL1 激酶结构域序列和伊马替尼 SMILES 为输入，生成 3 个 ESMFold2 复合物候选，再完成置信度排序、结构格式转换与蛋白–配体相互作用分析。文中的分数和接触位点只描述这次预测，不能替代实验复合物结构、亲和力测量或生物学实验。
这次计算的产出不只是结构文件。原始请求、3 个候选复合物及其置信度指标、PAE 和 distogram 数据、转换后的 PDB、相互作用汇总与可视化报告，都统一保存在同一个 Project 中。
作者：Mira · 发布于 2026 年 7 月 30 日
证据说明：本文所有与本次运行有关的数字，均核对过原始请求、候选指标、报告和相互作用文件。外部资料只用于解释工具与残基编号。这次运行没有把预测结构与实验 ABL1–伊马替尼结构做 RMSD 或 pose 对比。
问题与确认后的输入
任务描述中使用了“post-docking”一词，但实际模型输入是蛋白序列与配体 SMILES，并不是预先完成对接的构象。任务要求先预测 ABL1–伊马替尼复合物，再分析候选结构的结合模式。正式计算前，工作流先展示模型和候选数量，等待确认。
| 输入项 | 本次运行使用的值 |
|---|---|
| 蛋白 | ABL1 激酶结构域片段，A 链，271 aa |
| 配体 | 伊马替尼，L 链 |
| 配体 SMILES | CN1CCN(CC1)Cc1ccc(cc1)C(=O)Nc1ccc(C)c(c1)Nc1nccc(n1)c1cccnc1 |
| 模型 | esmfold2-fast |
| 候选数量 | 3 |
| 共价键 | 未指定 |
确认步骤不是形式动作。它把模型选择和采样规模固定在计算开始之前，也让后续复现有明确依据。
第一步：提交全原子复合物请求
工作流采用全原子（all-atom）输入，一次提交蛋白序列与配体 SMILES。最终请求记录了 3 次循环、50 个采样步、3 个扩散样本、随机种子 0，并选择 CIF 输出。同时保留 PAE、距离分布图（distogram）与 pair-chain ipTM，未请求嵌入向量（embeddings）。
ESMFold2 是结构预测模型。在这个流程中，它生成完整蛋白–配体复合物的结构假设，但没有计算结合自由能、抑制活性、驻留时间或其他生化终点。
第二步：保留并排序 3 个候选
3 个候选全部完成，Project 按运行记录中的置信度指标排序：
| 排名 | 候选 | pLDDT | pTM | ipTM |
|---|---|---|---|---|
| 1 | sample_2 | 92.89 | 0.9612 | 0.9766 |
| 2 | sample_1 | 92.61 | 0.9603 | 0.9766 |
| 3 | sample_0 | 92.85 | 0.9609 | 0.9761 |
sample 2 排名第一。它的 pair-chain ipTM 矩阵为：
[[0.8412, 0.8733],
[0.7160, 0.8881]]
运行报告把 A→L 的矩阵项（0.8733）解释为中高模型置信度；反向的 L→A 项为 0.7160，因此不能把这个非对称矩阵简化成一个界面分数。两者都是模型内部的置信信号，不是预测构象已被实验验证。3 个候选的 pTM 与 ipTM 差距很小，说明这次排序没有依赖某个孤立的异常分数。
第三步：解决下游分析的格式衔接
预测服务输出 CIF，而后续结合模式分析需要能够唯一识别配体的 PDB。任务因此依次执行：
- 使用 Open Babel 把每个 CIF 候选转换为 PDB；
- 转换时把配体链从 L 改为 B；
- 把配体记录从
ATOM修正为HETATM； - 确认唯一配体选择器为
LIG_B_1，包含 37 个重原子。
这些处理不是为了让文件“看起来规范”。即使坐标正确，若配体与蛋白原子无法区分、链 ID 含糊，或选择器不符合下游服务契约，分析仍会失败。保留原始 CIF 和转换后 PDB，可以让这一步被复查。
第四步：生成并比较相互作用图
3 个转换后的候选都提交到 ProteinsPlus，其中 PoseEdit 负责相互作用图，Protoss 用于考虑质子化的结构准备。
3 个候选返回了相同的相互作用类别计数：
| 相互作用类别 | sample_0 | sample_1 | sample_2 |
|---|---|---|---|
| 氢键 | 4 | 4 | 4 |
| 疏水接触 | 3 | 3 | 3 |
| π–π 相互作用 | 2 | 2 | 2 |
| 盐桥 | 0 | 0 | 0 |
| 金属相互作用 | 0 | 0 | 0 |
| 原子对相互作用 | 0 | 0 | 0 |
| 阳离子–π 相互作用 | 0 | 0 | 0 |
3 个候选在全部 7 类中的计数相同。仅凭计数不能判断它们的原子坐标、几何或结合姿态完全一致。
对排名第一的 sample 2，详细氢键记录把 4 个氢键分别指向局部编号 Glu58、Thr87、Met90 和 Ile132；相互作用图还把 π 堆积指向 Phe89 和 Phe154。PoseEdit 的二维场景另外标注了 11 个周边残基。
局部编号与 ABL1 标准编号
输入片段在 UniProt P00519 的人 ABL1 序列中从第 229 位开始。因此局部编号加 228，才是标准编号：
| 本次运行中的接触 | 局部残基 | ABL1 标准残基 |
|---|---|---|
| 氢键 | Glu58 | Glu286 |
| 氢键 | Thr87 | Thr315 |
| π 堆积 | Phe89 | Phe317 |
| 氢键 | Met90 | Met318 |
| 氢键 | Ile132 | Ile360 |
| π 堆积 | Phe154 | Phe382 |
这一步避免了常见误读：不能把片段中的 Thr87 直接与全文献编号比较。编号映射只对齐标识，不证明预测几何与实验 pose 相符。
89 个结果文件解决了什么
最终 69 MB 的 tar.gz 压缩包包含 89 个文件，主要包括：
- 3 个原始 CIF 候选及对应指标；
- PAE、distogram 与 pair-chain ipTM 数组；
- 转换后的 PDB 和最佳候选结构；
- 每个候选的 PoseEdit、Protoss 输入与输出；
- 相互作用计数、二维图、报告与 Board 数据。
distogram 数组占了压缩包的大部分体积。真正重要的不是文件数量，而是可追溯性：审阅者可以从汇总表回到对应候选结构、原始指标或相互作用记录。
这次结果能说明什么，不能说明什么
这套工作流适合做三件事：
- 从明确的序列和 SMILES 生成多个蛋白–配体 pose 假设；
- 用有记录的模型置信度对候选排序；
- 为每个候选组织接触图，供专家复核和下一步设计使用。
它不能证明结合亲和力、抑制活性、选择性、细胞活性或临床意义，也没有用晶体学结构验证预测 pose。人 ABL1–伊马替尼 X 射线结构可参考 PDB 2HYY，但这次任务没有做结构叠合、配体 RMSD 或逐残基对照，因此本文不会声称二者一致。
更稳妥的下一步，是先统一质子化和结构准备规则，再把预测复合物与实验参考结构叠合，计算蛋白和配体 RMSD，检查接触是否保留，最后决定是否需要分子动力学或面向亲和力的方法。这些都属于新的计算，不能从当前图片直接推出。
可复用的蛋白–配体审阅清单
准备把预测复合物交给下游研究之前，至少检查：
- 身份： 序列边界、配体结构、质子化状态、链 ID 和共价键。
- 采样： 模型、seed、循环次数、采样步数和候选数量。
- 置信度： 每个候选的 pLDDT、pTM、ipTM、PAE，以及候选间差异。
- 格式衔接： 原子记录、残基名、链 ID 和唯一配体选择器。
- 编号： 把片段局部编号显式映射到参考序列。
- 验证边界： 模型置信度与实验结构或实验测定分开陈述。
如果想看 Mira 如何在另一类计算化学任务中保存输入、方法、输出和结论边界，可以继续阅读苯乙基间苯二酚的分子轨道与静电势工作流。
要在同一个 Project 语境中运行蛋白–配体问题，可以创建一个 Mira Project。
常见问题
为什么要生成 3 个 ESMFold2 候选？
多个候选可以暴露采样差异，也能比较置信度和相互作用谱，避免把第一个返回结构当成唯一答案。这次运行明确请求了 3 个 diffusion samples。
pLDDT、pTM 和 ipTM 能证明什么？
它们从不同角度描述模型对预测结构和界面的置信度，可以辅助候选排序，但不能证明配体 pose 在实验中正确，也不能推出具体结合亲和力。
为什么要把 CIF 转成 PDB，并把配体改为 HETATM？
下游相互作用服务需要一份能唯一识别配体的 PDB。转换文件、指定 B 链并使用 HETATM 后，任务才能在分析前确认 LIG_B_1 这个唯一 selector。
这些预测接触能验证伊马替尼与 ABL1 的结合吗？
不能。它们只是预测候选中的接触。这次运行没有与 PDB 2HYY 比较，也没有做亲和力或生物学实验，因此应把这些接触视为待复核的假设。