集结经典应用案例<br/>用户成功案例解读<br/>分享项目中的实践方案
A classic case
集结经典应用案例
用户成功案例解读
分享项目中的实践方案
09/29
September 29, 2026

ConfGen:精准而快速的构象生成工具

ConfGen是一种基于知识的构象生成方法,融合经验得出的启发式规则和基于物理的力场计算,能够高效生成高质量、多样化且低能量的小分子3D构象异构体(conformer)。该方法提高了在生成的构象异构体中复现生物活性构象的能力,并极大地加快了基于配体的虚拟筛选中的构象异构体生成速度。

配体生物活性构象的复现性能


构象生成(conformation generation)是一种用于生成化合物多样且低能量3D结构的流程,是计算模拟药物设计的重要环节,在基于配体的虚拟筛选中得到大量应用。为提升生成构象集中生物活性构象的复现率,同时大幅加快构象生成速度,Schrödinger重写了ConfGen工具。

如下表所示,新算法运行速度较旧版ConfGen(下文称为ConfGen Classic)提升约一个数量级,且生物活性构象的复现率与此前ConfGen中计算强度最高的模式相当。

图注:使用从高质量蛋白质配体晶体复合物中提取的1904个配体评估ConfGen的性能


这个案例研究的数据集涵盖类药分子中各类官能团,同时包含不同分子尺寸与分子柔性。在不对输出构象执行能量最小化的条件下,ConfGen可在89%的测试案例中找到RMSD<1.5 Å的生物活性构象,与之相比,ConfGen Classic的中等模式与全面模式该占比分别为83%、87%。

新算法处理配体的速度分别为ConfGen Classic中等模式的25倍、全面模式的57倍。执行构象能量最小化后,ConfGen得到RMSD<1.0 Å的生物活性构象数量高于不做最小化处理时。

由于能量最小化是速度瓶颈,新算法的速度仍为ConfGen Classic中等模式和全面模式的5倍。需要强调的是,ConfGen仅需输出数量少得多的构象,即可达到与ConfGen Classic全面模式相当的生物活性构象复现水平。

ConfGen算法

上述性能优势离不开新版ConfGen的分治(divide-and-conquer)策略,它通过三步构建可行的分子构象:(1) 断开环外可旋转键,将输入分子拆分为片段;(2) 获取全部片段的构象;(3) 以多种方式重新拼接片段,组装得到完整分子的构象。

片段拆分过程中,以下类型化学键视为不可断裂键:环键、双键或三键、与末端原子相连的化学键,以及常见刚性键,例如酰胺与硫代酰胺中的N-C键、酯类与硫代酯类中的O-C键。其余所有化学键在片段拆分时断开并以氢原子封端,该过程如下图所示。

图注:ConfGen算法的示意图


图注:编号3QO9的PDB条目结构分层组装示意图


通过对Zinc数据库开展调研,筛选得到约40,000个模板片段。对每个模板片段执行MacroModel构象搜索,构建可用于ConfGen搜索的构象库。对于构象库中未收录的片段,则从随机原子初始位置出发,通过两阶段优化流程实时生成其构象:第一阶段优化采用罚函数快速得到粗略坐标;第二阶段采用OPLS3力场对构象做精细优化。

片段生成完成后,算法会执行片段重组、二面角采样、重叠校验、能量打分排序,最终得到完整分子构象。随后,通过若干ConfGen参数对计算速度与生物活性构象复现率之间的权衡关系进行调控。其中两项最为关键:是否采用OPLS力场对构象体开展几何优化,以及程序需要生成的构象体数量。能量最小化过程采用默认介电常数10,相比取值1,更利于生成生物活性构象。

下图给出了一个实际案例,除了消除不合理原子接触外,几何优化通常可小幅提升生物活性构象复现率。但几何优化的运算速度比不执行能量最小化慢约20倍,并且优化会使构象体数量减少,从而缩短后续使用该批构象的计算任务耗时。

图注:从PDB条目2QP8叠加到实验配体结构上的最佳构象


另一项控制“速度-质量”权衡的参数是每个输入配体的生成构象数量:增大该参数取值通常能够提升构象多样性。以PDB编号2QP8(分辨率1.5 Å)对应的配体为例,如上图所示:采用默认模拟设置时,与生物活性构象最接近的构象体RMSD为1.3 Å(红色);若将最大构象生成数量由默认值64提升至256,并开启OPLS3力场几何优化,RMSD可降至0.6 Å(绿色)。

结语

ConfGen具备卓越的运算速度,并且能够复现低RMSD的生物活性构象,是面向基于配体虚拟筛选开展构象生成的理想工具。它与多款基于配体的药物发现工具深度集成,其中包括Phase。借助Phase可便捷地构建数据库,实现高速的基于配体的虚拟筛选。

推荐阅读

Generative Glide:面向真实世界药物研发的AI驱动超大规模虚拟筛选

使用Glide进行基于结构的虚拟筛选【2025 Schrödinger用户指南】

使用Phase进行基于结构的虚拟筛选【2025 Schrödinger用户指南】

依托Phase开展基于配体的虚拟筛选,挖掘分子药效核心骨架

一文解锁虚拟筛选的密钥!如何设计配体库来加速苗头化合物发现?

参考资料

1. https://www.schrodinger.com/life-science/learn/white-papers/accurate-and-rapid-conformation-generation-confgen/

2. https://www.schrodinger.com/platform/products/confgen/