# 任务书：用 Boltz-2 预测同一靶点同系列抑制剂的结合构象与亲和力，并与实验值和 AutoDock Vina 对照

## 1. 背景

AlphaFold 3、Boltz-2 这类模型能直接预测蛋白–小分子复合物结构，Boltz-2 还会输出结合亲和力预测。课题组想知道：在药物化学最常见的场景——同一靶点、一个同系列化合物的先导优化——它预测的结合模式和活性排序到底准不准，和传统分子对接（AutoDock Vina）相比怎样，能不能用来给合成优先级排序。很多同学第一次用这类工具时会卡在：软件怎么装、GPU 和显存够不够、输入文件（YAML、SMILES、MSA）怎么写、输出的置信度和亲和力字段怎么读、预测结构和晶体结构怎么比对（RMSD 怎么算才对）、亲和力预测和实验值怎么比（相关系数、排序、单位换算）。本任务要求在租用的 GPU 上完成一套完整、可复现、能和实验数据核对的评估。

## 2. 研究问题

1. 对选定靶点的 20–30 个同系列抑制剂，Boltz-2 预测的结合构象与已知共晶结构相比，配体 RMSD 多少？关键相互作用（铰链区氢键等）是否复现？
2. Boltz-2 预测的亲和力与实验值的相关性如何（Pearson、Spearman、Kendall τ，配对 bootstrap 95% 置信区间）？能否正确挑出最活跃的化合物？
3. 与 AutoDock Vina 对接打分、以及简单基线（分子量、重原子数）相比，Boltz-2 的排序能力是否明显更好？
4. 结果与 Boltz-2 原论文及其他公开评测报告的同类结果相比处于什么水平？差异来自哪里？

## 3. 数据

- 从公开的蛋白–配体亲和力基准中选一个靶点：优先使用 Open Force Field 的 protein-ligand-benchmark（https://github.com/openforcefield/protein-ligand-benchmark ，含整理好的实验亲和力、配体结构和参考蛋白结构），在其中选一个有 20 个以上配体的靶点（如 p38、MCL1、PTP1B、JNK1、BACE 等），写明选择理由；也可以从 ChEMBL 自行整理同一篇文献、同一测定条件的同系列数据。
- 实验亲和力统一换算为 ΔG 或 pIC50/pKi，写明换算公式与单位；同一化合物多个测定值时说明取舍规则。
- 从 PDB 找至少 3 个该靶点与本系列（或相近系列）配体的共晶结构，用于构象比对；写明 PDB 编号与分辨率。
- 拿到数据后先核对：化合物数、SMILES 是否能被 RDKit 正确解析、立体化学与质子化状态如何处理、实验值范围；发现问题如实记录。

## 4. 计算与评估要求

1. **算力**：自行通过平台租用一台合适的 GPU 服务器（已授权按需租用），按平台租用算力指南估算显存、CPU、内存和磁盘，选择满足需求的配置并说明理由。一次只租一台。开始前确认 GPU、CUDA 和 PyTorch 可用。
2. **Boltz-2**：使用官方开源版本，写明版本号与模型权重版本；说明 MSA 的生成方式（服务器或本地）、采样次数、随机种子与关键参数。每个化合物输出复合物结构、置信度（pLDDT、iPTM 等）与亲和力预测值，并说明亲和力输出字段的含义和与实验单位的换算。
3. **AutoDock Vina 对照**：用同一个参考蛋白结构，对全部化合物做对接，写明受体与配体准备方法、对接盒子中心与大小、exhaustiveness 与随机种子，记录最佳打分。
4. **构象评估**：对有共晶结构的配体，先按蛋白口袋残基叠合再计算配体重原子 RMSD（考虑对称性），报告 RMSD < 2 Å 的比例；Boltz-2 与 Vina 各自报告。
5. **亲和力评估**：Pearson、Spearman、Kendall τ 及 bootstrap 95% CI；Top-k 命中（实验最强的若干个化合物是否排在前面）；与简单基线对照。不要用测试结果反过来调参数。
6. **图表**：预测–实验散点图（Boltz-2、Vina、基线各一）、RMSD 分布图、代表性复合物结构叠合图（预测 vs 晶体，标出关键相互作用）、置信度与误差关系图。
7. **与已发表结果对照**：至少对照 Boltz-2 原论文及两篇以上公开评测（或 FEP+ 基准）中同类指标，说明数据集、协议差异。

## 5. 交付物

所有文件放在工作区的 `boltz2_affinity/` 目录下：

| 文件或目录 | 内容 |
| --- | --- |
| `report.pdf` | 中文研究报告：背景、数据与处理、方法与参数、结果、错误分析、与已发表研究的对照、局限性。正文每个数字都能在表格或日志中找到出处 |
| `figures/` | 上述图表，300 dpi PNG 并附 PDF |
| `tables/` | 每个化合物的实验值、Boltz-2 预测与置信度、Vina 打分、RMSD；汇总指标表；文献对照表；xlsx 与 csv |
| `structures/` | Boltz-2 预测复合物与 Vina 对接构象（PDB/mmCIF），以及用于比对的晶体结构清单 |
| `inputs/` | Boltz-2 输入 YAML、MSA 文件、Vina 受体/配体文件与配置 |
| `code/` | 数据整理、Boltz-2 批量运行、Vina 对接、RMSD 与统计、出图脚本，以及一键复现入口；记录软件版本 |
| `data_manifest.csv` | 数据来源 URL、版本或提交号、下载时间、SHA256 |
| `methods_notes.md` | 中文操作说明，写给第一次用 Boltz-2 的研究生：安装与 GPU 要求、输入 YAML 怎么写（蛋白序列、配体 SMILES、亲和力开关）、MSA 怎么来、输出文件与置信度/亲和力字段怎么读、和 AlphaFold 3 的区别、预测结构怎么和晶体比 RMSD、Vina 对接参数怎么设、常见报错与解决办法 |
| `run_log.md` | 运行记录：每一步做了什么、用时、报错原文与解决办法、每个决策的理由；GPU 型号、租用起止时间、费用、显存峰值 |
| `comparison.md` | 与已发表结果的对照表和差异解释 |

## 6. 工作方式

- 请独立完成全部步骤。遇到问题先自己查文档、尝试解决，并记录在 `run_log.md`；不要因为可以自行判断的问题停下来等待确认。只有在确实无法继续时才提问。
- 所有数字必须来自实际运行的输出，不得估计或编造。预测效果差或与文献差距大时，如实报告并分析原因。
- 预测结构、打分、日志要同步回云电脑工作区后再结束 GPU；**全部完成后务必释放租用的 GPU 服务器，并在 `run_log.md` 里写明释放时间与总费用**。模型权重等可重新下载的内容不需要同步回来。
- 保留全部中间结果。
- 完成后，在对话中用简短的中文总结主要结果，并列出交付物清单与路径。
