วิธีการจับคู่ทางเรขาคณิต/ความเสริมกันของรูปร่างอธิบายโปรตีนและลิแกนด์เป็นชุดของคุณลักษณะที่ทำให้สามารถด็อกกิ้งได้^{[ 11 ]}คุณลักษณะเหล่านี้อาจรวมถึง ตัวอธิบาย พื้นผิวโมเลกุล / พื้นผิวเสริมกันในกรณีนี้ พื้นผิวโมเลกุลของตัวรับจะถูกอธิบายในแง่ของพื้นที่ผิวที่เข้าถึงตัวทำละลายได้และพื้นผิวโมเลกุลของลิแกนด์จะถูกอธิบายในแง่ของคำอธิบายพื้นผิวที่ตรงกัน ความเสริมกันระหว่างสองพื้นผิวเท่ากับคำอธิบายการจับคู่รูปร่างที่อาจช่วยในการค้นหาตำแหน่งเสริมกันของการด็อกกิ้งโมเลกุลเป้าหมายและลิแกนด์ อีกแนวทางหนึ่งคือการอธิบายคุณลักษณะที่ไม่ชอบน้ำของโปรตีนโดยใช้การโค้งงอในอะตอมของสายโซ่หลัก อีกแนวทางหนึ่งคือการใช้เทคนิคตัวอธิบายรูปร่างฟูริเยร์^{[ 12 ] [ 13 ] [ 14 ]}ในขณะที่วิธีการที่ใช้ความเสริมกันของรูปร่างมักจะรวดเร็วและแข็งแกร่ง แต่โดยทั่วไปแล้วไม่สามารถจำลองการเคลื่อนไหวหรือการเปลี่ยนแปลงแบบไดนามิกในโครงสร้างของลิแกนด์/โปรตีนได้อย่างแม่นยำ แม้ว่าการพัฒนาล่าสุดจะช่วยให้วิธีการเหล่านี้สามารถตรวจสอบความยืดหยุ่นของลิแกนด์ได้ วิธีการจับคู่รูปร่างสามารถสแกนลิแกนด์หลายพันตัวได้อย่างรวดเร็วภายในเวลาไม่กี่วินาที และสามารถตรวจสอบได้ว่าลิแกนด์เหล่านั้นสามารถจับกับตำแหน่งออกฤทธิ์ ของโปรตีนได้หรือไม่ และโดยทั่วไปแล้วยังสามารถปรับขนาดให้ใช้ได้กับปฏิกิริยาระหว่างโปรตีนกับโปรตีนอีกด้วย นอกจากนี้ยังเหมาะสมกับวิธีการที่ใช้ ฟาร์มาโคฟอร์มากกว่าเนื่องจากใช้คำอธิบายทางเรขาคณิตของลิแกนด์เพื่อค้นหาการจับที่เหมาะสมที่สุด

การจำลองกระบวนการด็อกกิ้งนั้นซับซ้อนกว่ามาก ในวิธีการนี้ โปรตีนและลิแกนด์จะอยู่ห่างกันในระยะทางกายภาพ และลิแกนด์จะหาตำแหน่งของตัวเองในบริเวณออกฤทธิ์ของโปรตีนหลังจาก "การเคลื่อนที่" จำนวนหนึ่งในพื้นที่โครงสร้างของมัน การเคลื่อนที่เหล่านี้รวมถึงการเปลี่ยนแปลงรูปร่างของวัตถุแข็ง เช่น การเลื่อนและการหมุน รวมถึงการเปลี่ยนแปลงภายในโครงสร้างของลิแกนด์ เช่น การหมุนมุมบิด การเคลื่อนที่แต่ละครั้งในพื้นที่โครงสร้างของลิแกนด์จะทำให้เกิดต้นทุนพลังงานรวมของระบบ ดังนั้น พลังงานรวมของระบบจึงถูกคำนวณหลังจากการเคลื่อนที่แต่ละครั้ง

ข้อได้เปรียบที่เห็นได้ชัดของการจำลองการจับคู่โมเลกุลคือ สามารถรวมความยืดหยุ่นของลิแกนด์ได้อย่างง่ายดาย ในขณะที่เทคนิคการเสริมรูปร่างต้องใช้วิธีการที่ซับซ้อนเพื่อรวมความยืดหยุ่นในลิแกนด์ นอกจากนี้ การจำลองการจับคู่โมเลคูลยังจำลองความเป็นจริงได้แม่นยำกว่า ในขณะที่เทคนิคการเสริมรูปร่างเป็นเพียงนามธรรมมากกว่า

เห็นได้ชัดว่าการจำลองนั้นใช้ทรัพยากรการคำนวณสูง เนื่องจากต้องสำรวจภูมิทัศน์พลังงานขนาดใหญ่ เทคนิคแบบกริด วิธีการปรับให้เหมาะสม และความเร็วของคอมพิวเตอร์ที่เพิ่มขึ้น ทำให้การจำลองการเชื่อมต่อยานอวกาศมีความสมจริงมากขึ้น

ในทางทฤษฎี พื้นที่การค้นหาประกอบด้วยทิศทางและโครงสร้าง ที่เป็นไปได้ทั้งหมด ของโปรตีนที่จับคู่กับลิแกนด์ อย่างไรก็ตาม ในทางปฏิบัติ ด้วยทรัพยากรการคำนวณในปัจจุบัน เป็นไปไม่ได้ที่จะสำรวจพื้นที่การค้นหาอย่างละเอียดถี่ถ้วน — ซึ่งจะเกี่ยวข้องกับการแจงนับการบิดเบี้ยวที่เป็นไปได้ทั้งหมดของแต่ละโมเลกุล (โมเลกุลมีความเคลื่อนไหวและมีอยู่ในกลุ่มของสถานะโครงสร้าง) และ ทิศทาง การหมุนและการแปล ที่เป็นไปได้ทั้งหมด ของลิแกนด์เมื่อเทียบกับโปรตีนในระดับความละเอียด ที่กำหนด โปรแกรมด็อกกิ้งส่วนใหญ่ที่ใช้จะคำนึงถึงพื้นที่โครงสร้างทั้งหมดของลิแกนด์ (ลิแกนด์ที่ยืดหยุ่นได้) และหลายโปรแกรมพยายามสร้างแบบจำลองตัวรับโปรตีนที่ยืดหยุ่นได้ แต่ละ "ภาพสแนปช็อต" ของคู่เรียกว่าโพส^{[ 16 ]}

มีการนำกลยุทธ์การค้นหาโครงสร้างที่หลากหลายมาใช้กับลิแกนด์และตัวรับ ซึ่งรวมถึง:

• การค้นหา แรงบิดอย่างเป็นระบบหรือแบบสุ่ม เกี่ยวกับพันธะที่หมุนได้
• การจำลองพลศาสตร์โมเลกุล
• ใช้อัลกอริธึมทางพันธุกรรมเพื่อ "พัฒนา" โครงสร้างที่มีพลังงานต่ำแบบใหม่ โดยคะแนนของแต่ละท่าทางจะทำหน้าที่เป็นฟังก์ชันความเหมาะสมที่ใช้ในการคัดเลือกแต่ละบุคคลสำหรับรอบถัดไป

โปรแกรมการจับคู่โมเลกุลสร้างตำแหน่งการจับของลิแกนด์ที่เป็นไปได้จำนวนมาก ซึ่งบางส่วนสามารถถูกปฏิเสธได้ทันทีเนื่องจากเกิดการชนกับโปรตีน ส่วนที่เหลือจะถูกประเมินโดยใช้ฟังก์ชันการให้คะแนน ซึ่งรับตำแหน่งการจับเป็นอินพุตและส่งคืนค่าตัวเลขที่บ่งบอกถึงความเป็นไปได้ที่ตำแหน่งนั้นจะแสดงถึงปฏิกิริยาการจับที่เหมาะสม และจัดอันดับลิแกนด์หนึ่งเทียบกับลิแกนด์อื่น

ฟังก์ชันการให้คะแนนส่วนใหญ่เป็น ฟิลด์แรงกลศาสตร์โมเลกุล ตามหลักฟิสิกส์ซึ่งประมาณค่าพลังงานของท่าทางภายในบริเวณการจับยึด ส่วนประกอบต่างๆ ที่มีส่วนในการจับยึดสามารถเขียนได้ในรูปสมการบวก:

${\displaystyle \bigtriangleup G_{bind}=\bigtriangleup G_{solvent}+\bigtriangleup G_{conf}+\bigtriangleup G_{int}+\bigtriangleup G_{rot}+\bigtriangleup G_{t/t}+\bigtriangleup G_{vib}}$

ส่วนประกอบต่างๆ ประกอบด้วย ผลกระทบของตัวทำละลาย การเปลี่ยนแปลงโครงสร้างของโปรตีนและลิแกนด์ พลังงานอิสระเนื่องจากปฏิกิริยาระหว่างโปรตีนและลิแกนด์ การหมุนภายใน พลังงานการเชื่อมโยงของลิแกนด์และตัวรับเพื่อสร้างคอมเพล็กซ์เดี่ยว และพลังงานอิสระเนื่องจากการเปลี่ยนแปลงในโหมดการสั่น^{[ 28 ]}พลังงานต่ำ (ลบ) บ่งชี้ถึงระบบที่เสถียรและดังนั้นจึงมีแนวโน้มที่จะเกิดปฏิกิริยาการจับกัน

แนวทางทางเลือกใช้ฟังก์ชันการให้คะแนนที่แก้ไขเพื่อรวมข้อจำกัดตามปฏิสัมพันธ์โปรตีน-ลิแกนด์ที่สำคัญที่ทราบ^{[ 29 ]}หรือศักยภาพตามความรู้ที่ได้มาจากปฏิสัมพันธ์ที่สังเกตได้ในฐานข้อมูลขนาดใหญ่ของโครงสร้างโปรตีน-ลิแกนด์ (เช่นProtein Data Bank ) ^{[ 30 ]}

มีโครงสร้างจำนวนมากจากผลึกศาสตร์รังสีเอกซ์สำหรับสารประกอบเชิงซ้อนระหว่างโปรตีนและลิแกนด์ที่มีความสัมพันธ์สูง แต่มีจำนวนน้อยกว่าสำหรับลิแกนด์ที่มีความสัมพันธ์ต่ำ เนื่องจากสารประกอบเชิงซ้อนหลังมักมีความเสถียรน้อยกว่าและจึงยากต่อการตกผลึกมากกว่า ฟังก์ชันการให้คะแนนที่ฝึกฝนด้วยข้อมูลนี้สามารถจับคู่ลิแกนด์ที่มีความสัมพันธ์สูงได้อย่างถูกต้อง แต่ก็จะให้โครงสร้างการจับคู่ที่ดูสมเหตุสมผลสำหรับลิแกนด์ที่ไม่จับกับโปรตีนด้วยเช่นกัน ซึ่งทำให้ เกิดผลลัพธ์ ที่ผิดพลาด จำนวนมาก กล่าว คือ ลิแกนด์ที่คาดว่าจะจับกับโปรตีน แต่ในความเป็นจริงแล้วไม่จับกันเมื่อนำมารวมกันในหลอดทดลอง

วิธีหนึ่งในการลดจำนวนผลบวกเท็จคือการคำนวณพลังงานของท่าทางที่มีคะแนนสูงสุดใหม่โดยใช้เทคนิคที่มีความแม่นยำมากขึ้นแต่ต้องใช้การคำนวณที่ซับซ้อนกว่า เช่นวิธีGeneralized BornหรือPoisson-Boltzmann ^{[ 10 ]}

ความแม่นยำในการด็อกกิ้ง^{[ 33 ] [ 34 ]}แสดงถึงการวัดความสามารถของโปรแกรมด็อกกิ้งในการจำลองตำแหน่งการจับของลิแกนด์ที่สังเกตได้จากการทดลอง^{[ 35 ]} โดยทั่วไปแล้ว ความเหมาะสมจะถูกวัดโดยการคำนวณค่าเบี่ยงเบนมาตรฐานรากกำลังสอง (RMSD) ของอะตอมที่ไม่ใช่ไฮโดรเจนระหว่างตำแหน่งที่ด็อกกิ้งและโครงสร้างจากการทดลอง^{[ 32 ]}

โดยทั่วไปแล้ว ค่า RMSD ที่ต่ำกว่า 2.0 Å ถือเป็นตัวบ่งชี้ถึงแบบจำลองการเชื่อมต่อที่ประสบความสำเร็จ^{[ 32 ] [ 36 ]}อย่างไรก็ตาม เนื่องจากค่า RMSD โดยทั่วไปจะเพิ่มขึ้นตามจำนวนอะตอมหนักในลิแกนด์ การกำหนดค่าตัดที่ผ่อนปรนมากขึ้นอาจเหมาะสมสำหรับโมเลกุลขนาดใหญ่กว่า

ที่สำคัญคือ ไม่ควรใช้ RMSD เพียงอย่างเดียวในการประเมินคุณภาพการด็อกกิ้ง การประเมินที่ครอบคลุมควรพิจารณาถึงความสามารถของโปรแกรมในการจำลองปฏิสัมพันธ์ระหว่างลิแกนด์และตัวรับที่สำคัญ และความน่าจะเป็นของโครงสร้างที่สร้างขึ้น ซึ่งมีความเกี่ยวข้องอย่างยิ่งเมื่อใช้แนวทางการด็อกกิ้งโมเลกุลแบบอิงการเรียนรู้เชิงลึก^{[ 37 ]}

สามารถประเมินหน้าจอการเชื่อมต่อได้โดยพิจารณาจากความสามารถในการเพิ่มความเข้มข้นของลิแกนด์ที่ออกฤทธิ์ที่ทราบแล้วจากฐานข้อมูลขนาดใหญ่ของโมเลกุล " ล่อ " ที่คาดว่าจะไม่จับกัน ^{[ 31 ] [ 38 ]} ในแนวทางนี้ ประสิทธิภาพของโปรโตคอลการเชื่อมต่อจะถูกประเมินจากความสามารถในการจัดอันดับสารประกอบที่ออกฤทธิ์ที่ทราบแล้วจำนวนเล็กน้อยภายในเศษส่วนบนสุดของโมเลกุลที่คัดกรอง แม้จะมีโมเลกุลล่อจำนวนมากอยู่ก็ตาม

ปัจจัยเสริมประสิทธิภาพ (EF) เป็นตัววัดปริมาณความสามารถในการตรวจจับเบื้องต้นนี้ โดยมีนิยามดังนี้:

${\displaystyle EF_{x}={\frac {N_{\text{active x}}/N_{x}}{N_{\text{active total}}/N_{\text{total}}}}}$

ที่ไหน:

• Nactivex คือจำนวนสารประกอบออกฤทธิ์ที่พบในกลุ่ม x% แรกของรายการจัด
• NX คือจำนวนโมเลกุลที่อยู่ในกลุ่ม x% แรกของรายการจัด
• N คือจำนวนรวมของสารประกอบที่ออกฤทธิ์ในชุดข้อมูล
• N คือจำนวนโมเลกุลทั้งหมดในชุดข้อมูล

ดังนั้น EF จึงเปรียบเทียบสัดส่วนของสารออกฤทธิ์ที่ถูกค้นพบในกลุ่มย่อยที่มีอันดับสูงสุดกับสัดส่วนที่คาดหวังจากการเลือกแบบสุ่ม ค่า EF ที่มากกว่า 1 บ่งชี้ว่ามีการเพิ่มประสิทธิภาพมากกว่าการเลือกแบบสุ่ม

โดยเฉพาะอย่างยิ่งEF วัดการเพิ่มประสิทธิภาพภายใน 1% อันดับแรกของฐานข้อมูลที่จัดอันดับ และมักใช้ในการประเมินประสิทธิภาพการค้นหาเบื้องต้นในการคัดกรองเสมือนจริง ซึ่งการระบุสารประกอบที่ออกฤทธิ์ในอันดับต้น ๆ ของรายการมีความสำคัญเป็นอย่างยิ่ง

นอกจาก EF แล้ว พื้นที่ใต้ เส้นโค้ง ลักษณะการทำงานของผู้รับ (ROC) (AUC) ยังถูกใช้กันอย่างแพร่หลายเพื่อประเมินประสิทธิภาพการคัดกรองในรายการจัดอันดับทั้งหมด^{[ 38 ]}

ผลลัพธ์ที่ได้จากการคัดกรองการจับคู่โมเลกุลจะได้รับการตรวจสอบทางเภสัชวิทยา (เช่น การวัดค่า IC ความสัมพันธ์หรือศักยภาพ ) มีเพียงการศึกษาเชิงคาดการณ์เท่านั้นที่ถือเป็นหลักฐานยืนยันความเหมาะสมของเทคนิคสำหรับเป้าหมายเฉพาะ^{[ 39 ]}ในกรณีของตัวรับที่เชื่อมโยงกับโปรตีน G (GPCRs) ซึ่งเป็นเป้าหมายของยาที่วางจำหน่ายในตลาดมากกว่า 30% การจับคู่โมเลกุลนำไปสู่การค้นพบลิแกนด์ GPCR มากกว่า 500 ชนิด^{[ 40 ] [ 15 ]}

ศักยภาพของโปรแกรมด็อกกิ้งในการจำลองรูปแบบการจับตัวกันตามที่กำหนดโดยการวิเคราะห์ด้วยรังสีเอกซ์สามารถประเมินได้โดยใช้ชุดข้อมูลมาตรฐานสำหรับการด็อกกิ้งหลายชุด

สำหรับโมเลกุลขนาดเล็ก มีชุดข้อมูลมาตรฐานหลายชุดสำหรับการด็อกกิ้งและการคัดกรองเสมือนจริง เช่นAstex Diverse Setซึ่งประกอบด้วยโครงสร้างผลึก X-ray ของโปรตีน-ลิแกนด์คุณภาพสูง^{[ 41 ]} Directory of Useful Decoys (DUD) สำหรับการประเมินประสิทธิภาพการคัดกรองเสมือนจริง^{[ 31 ]} ชุดข้อมูล LEADS -FRAGสำหรับแฟรกเมนต์^{[ 42 ]}และ ชุดข้อมูล LIT-PCBAสำหรับการเรียนรู้ของเครื่องและการคัดกรองเสมือนจริง^{[ 43 ]}

นอกเหนือจากการพัฒนาชุดข้อมูลแล้ว ยังมีการประเมินเปรียบเทียบขนาดใหญ่เกิดขึ้นอีกด้วย การประเมินเปรียบเทียบฟังก์ชันการให้คะแนน (CASF) ให้การเปรียบเทียบเชิงระบบของฟังก์ชันการด็อกกิ้งและการให้คะแนนโดยใช้คอมเพล็กซ์โปรตีน-ลิแกนด์มาตรฐาน^{[ 44 ]} CASF ประเมินประสิทธิภาพในหลายแง่มุม รวมถึงพลังการด็อกกิ้ง (การทำนายท่าทาง) พลังการให้คะแนน (การทำนายความสัมพันธ์ในการจับ) พลังการจัดอันดับ และพลังการคัดกรอง ผลลัพธ์จากการศึกษา CASF เน้นให้เห็นถึงความแปรปรวนอย่างมากในโปรแกรมการด็อกกิ้งและฟังก์ชันการให้คะแนน โดยเน้นว่าไม่มีวิธีใดวิธีหนึ่งที่ทำได้ดีกว่าวิธีอื่นอย่างสม่ำเสมอในทุกเกณฑ์การประเมิน

การประเมินโปรแกรมการเชื่อมต่อเพื่อศักยภาพในการจำลองโหมดการจับเปปไทด์สามารถประเมินได้โดยใช้บทเรียนสำหรับการประเมินประสิทธิภาพของการเชื่อมต่อและการให้คะแนน (LEADS-PEP) ^{[ 45 ]}