基于子图匹配的分子相似性搜索研究综述.docVIP

基于子图匹配的分子相似性搜索研究综述

一、分子相似性搜索的核心背景与子图匹配的适配性

药物研发领域中，分子相似性评估是先导化合物发现的核心环节。传统基于分子指纹的相似性计算方法仅能捕捉分子的全局统计特征，无法精准刻画官能团、药效团等局部结构的空间关联性。子图匹配技术天然适配分子的图结构表达——分子可被抽象为由原子作为节点、化学键作为边的无向图，特定生物活性相关的结构模式对应分子图中的子图，通过子图匹配实现的相似性搜索，能够直接定位与已知活性分子共享关键功能结构的候选化合物，显著提升虚拟筛选的精准度。

目前全球在研药物靶点中，超过60%的靶点存在已知共晶配体结构，基于这些配体的子结构特征开展相似性搜索，已成为苗头化合物识别的主流路径。子图匹配相较于指纹方法的优势在大环化合物、蛋白降解剂等新型分子的筛选中尤为突出：这类分子的活性高度依赖空间构象中的特定子结构排列，传统拓扑指纹往往会将构象差异显著的分子判定为相似，而子图匹配可以通过约束边的方向、键长以及节点的杂化态等属性，实现构象层面的相似性过滤。

二、精确子图匹配算法的演进与分子场景适配

早期子图匹配研究以精确匹配为核心，Ullmann算法作为经典回溯算法的代表，通过引入节点度过滤、邻接矩阵匹配校验等策略，首次实现了小规模图数据中的子图查询。但直接将Ullmann算法应用于分子相似性搜索时，会面临两方面瓶颈：一是分子库规模通常在百万级