MM/PBSAMM/PBSA and MM/GBSA

便宜的結合自由能估計，也是最常被過度解讀的數字。

L4Project Lens★★★☆☆更新 Wed Aug 05 2026 08:00:00 GMT+0800 (台北標準時間)

01一句話只有一句

用已經跑好的軌跡快速估結合自由能，便宜，但絕對值幾乎不能信。

02Why should I care?我為什麼要讀這頁

因為這是目前多數變體篩選流程實際拿來排序的那一個量，而你遲早要為這件事跟人辯論。

許多變體篩選流程從頭到尾都用平衡結合 ΔG 排序：從序列設計模型、蛋白–核酸親和力預測器，一路到 MM-PBSA 與 FEP。這一整條軸上，MM/PBSA 是最便宜、最常被跑、也最容易被當成「有能量單位所以是物理」的那一個。你要能精確說出它量到什麼、量不到什麼，否則你只能講「我覺得這樣不對」，那是講不贏的。

用你熟悉的語言講：single-trajectory MM/PBSA 相當於你算吸附能時，只用吸附後的構形去切出 slab 和吸附物，兩邊都不放鬆。

Eads = Eslab+ads − Eslab(未鬆弛) − Eads(未鬆弛)

在表面科學裡你很清楚這個量叫什麼：它把 deformation／reorganization energy 直接設成零。對一個吸附能只差幾十 meV 的體系，這種近似是致命的；對 Cas9 這種「apo 蛋白跟 R-loop 三元根本是兩台不同的機器」的系統，它同樣是致命的。差別只在於，MD 這邊還額外套了一層連續介質溶劑，並且把熵丟掉了。

03What這是什麼

MM/PBSA（Molecular Mechanics / Poisson-Boltzmann Surface Area）把結合自由能拆成三塊：

ΔGbind = ΔEMM + ΔGsolv − TΔS

第一塊 ΔEMM：真空中的力場能量差。

ΔEMM = ΔEinternal + ΔEelec + ΔEvdW

ΔEinternal 是鍵長、鍵角、二面角項。在 single-trajectory 近似下，這一項恆等於零——因為 receptor 與 ligand 的座標是直接從複合體的同一幀切出來的，內部座標一模一樣，相減完全抵銷。這不是「近似地小」，是被結構性地設成零。

第二塊 ΔGsolv：溶劑化自由能差。

ΔGsolv = ΔGpolar + ΔGnonpolar

極性項解 Poisson-Boltzmann 方程（PB），或用 Generalized Born 近似（GB，就是 MM/GBSA，快得多但更粗）。非極性項幾乎都是一條線性經驗式 ΔGnonpolar = γ · ΔSASA + b，γ 與 b 是擬合出來的常數。

**第三塊 −TΔS：構形熵。**通常直接被省略，或用 normal mode analysis 粗估。省略的後果是 ΔGbind 系統性地過度為負；粗估的後果是誤差棒常常跟答案本身同量級。

Left: one simulation of the complex, cut into receptor and ligand that both keep the bound geometry, so the internal energy term is exactly zero. Right: three separate simulations in which the free receptor and the free ligand relax, so the reorganization energy is measured.
示意圖（向量繪製） 單軌跡 MM/PBSA 把 receptor 與 ligand 從同一幀切出來，兩邊都不放鬆——ΔE_internal 不是「近似地小」而是恆等於零，形變能被結構性地移除。對 apo 與 R-loop 三元差到 domain 重排的 Cas9，這一項不可能真的是零。

還有一個你必須知道的參數：內部介電常數 εin。PB／GB 求解時，溶質內部要給一個介電常數。AMBER 系列的預設是 1，等於把溶質當成真空；帶電或高極性的界面通常要調高。在 148 個蛋白–RNA 複合體上做過設定掃描的 benchmark 裡，親和力預測表現最好的組合是 εin = 2 搭配 GBn1；蛋白–DNA 這種電荷更密的界面也有人用到 4。重點不是哪個值「對」，是這個值由你選。

ε<sub>in</sub> 是旋鈕，不是常數

這件事你應該立刻聯想到 DFT+U 的 U。εin 是被調到能重現某組實驗親和力的擬合參數。一旦你調了它，你算出來的數字就不能再拿來當那個性質的獨立證據。 這跟「用 U 調到能重現 band gap，然後宣稱你預測了 band gap」是同一個邏輯錯誤。

04Why為什麼重要

因為 funnel 需要一個閘門，而這是最便宜的那一個。

軌跡已經跑完了，MM/PBSA 只是後處理，幾百幀在 CPU 上是分鐘到小時等級。相較之下，做一個突變的 FEP 要跑十幾到二十幾個 λ window、兩條熱力學支路，成本高兩到三個數量級。當「便宜」是這個 project 的硬約束時，一個順手就能對整個變體庫跑一遍的量，本身就有價值。

而且它捕捉到的物理不是假的。 這一點必須誠實講，否則你的批評會變成過度矯正：

  • SpCas9-HF1 的設計邏輯，正是移除 Cas9 對 target-strand 磷酸骨架的非專一氫鍵接觸。
  • eSpCas9(1.1) 的設計邏輯，是中和 non-target strand 溝槽裡的正電殘基。

這兩個都是**「削弱非專一靜電結合」**型的設計，而靜電互補正好是 MM/PBSA 最擅長看的東西。所以「ΔG 完全沒用」是錯的。

問題出在下一步：把 ΔG 當成專一性的排序軸。

這頁最重要的一句話

MM/PBSA 量的是井有多深（平衡結合強度）。Cas9 的專一性住在牆有多高（HNH 構形檢查點的能障）。這是兩個正交的量，把前者排序得再精準，也排不出後者。

Schematic free energy profile along the Cas9 cleavage pathway: wild type and a high-fidelity variant share the same binding well depth and the same product basin, but the variant has a much higher HNH checkpoint barrier.
示意圖（向量繪製） 示意的自由能剖面。MM/PBSA 這類方法只量得到井有多深（ΔG_bind），而專一性住在牆有多高（HNH 構形檢查點的 ΔF‡）。文獻高保真變體改掉的是牆不是井，所以把井排得再準也排不出專一性。

三個高保真變體（SpCas9-HF1、eSpCas9(1.1)、HypaCas9）對 on-target 與 off-target 的結合親和力跟 WT 差不多，差別在 HNH 是否被放行。Chen 等人講得最清楚：HypaCas9 的機制叫 enhanced proofreading，是提高構形活化的門檻，不是綁得比較鬆。後來 Liu 等人用完整的 pre-steady-state 動力學把這句話換成硬數字：Cas9-HF1 與 HypaCas9 的 R-loop 形成速率跟 WT 幾乎一樣（結合那一端根本沒動），被壓下去的是 intrinsic 切割速率，掉了兩個數量級以上。你可以把 ΔG 算到 0.1 kcal/mol 的精度，也看不到這件事。

還有一個更少人講、但同樣致命的問題：越負不等於越好。 Cas9 切完 DNA 之後不會馬上放開，體外表現為 single-turnover 酵素——它黏在切開的雙股上，多輪催化的限速步驟是產物釋放；單分子實驗裡，PAM 端配對足夠的位點可以維持超過一小時的 ultrastable 結合。（要注意這跟「單次切割的限速步驟」是兩件事：後者的 stopped-flow 量測指向切割之前的 R-loop 形成／DNA unwinding。）

真正要命的是專一性本身怎麼來的。在 Liu 等人的 3 bp PAM-distal 錯配底物上，off-target 受質「先脫離」與「被切掉」的分流大約是 WT 33%/67%、HypaCas9 76%/24%、Cas9-HF1 90%/10%。專一性來自「放掉」這條路徑贏過「切下去」。 把結合拉得更緊，等於把「放掉」那條路關小——你會得到一個更不專一的變體。任何「ΔG 越負分數越高」的打分函數，不只是量錯了維度，是把方向寫反了。

05How怎麼做

工具： gmx_MMPBSA（吃 GROMACS 軌跡）或 AmberTools 的 MMPBSA.py。兩者都需要你明確定義哪些原子是 complex／receptor／ligand。

一份能過 review 的最小操作清單：

  1. 決定要不要保留結構離子。 剝掉水和抗衡離子是標準動作，但 HNH 與 RuvC 活性中心的 Mg2+ 不是溶劑。把它們跟水一起剝掉，界面靜電就整個變形了。
  2. 設定離子強度。 PB solver 有 salt concentration 參數，設成跟你要比對的實驗條件一致（常見是 0.15 M），不要用預設 0。
  3. 選幀。 從 production 段取數百幀。丟掉 equilibration。
  4. 誤差要跨 replica 算，不要跨 frame 算。 這是最常見的造假來源，見 When NOT 第 5 條。
  5. 做 εin 敏感度掃描。 至少跑 1、2、4 三組，把結果一起報。如果排序在掃描中翻掉，那個排序就不能用。
  6. 熵：要嘛誠實省略並且從此不引用絕對值，要嘛用 normal mode 或 interaction entropy 估並附誤差。 normal mode 需要把每個結構完全能量極小化才符合諧近似，對大系統貴到不切實際。它真正的問題不是截斷半徑——Ryde 一組在 JCIM 2012 掃過截斷與 buffer region 的設定，8 到 16 Å 之間的差異落在統計誤差以內——而是成本高、加上逐幀熵值的散度很大，所以要平均掉夠多幀才穩得下來，而那正是大系統負擔不起的部分。
  7. 蛋白–核酸系統要特別小心，而且要先知道它擅長哪一種問題。 MM/PBSA 系列 benchmark 的第八篇在 148 個蛋白–RNA 複合體上掃過各種設定組合，結果是兩件事分得很開：構形辨識（在一堆 decoy 裡挑出接近天然的 pose）有 117/148（79.1%）落在前十名，勝過該研究測過的所有 docking scoring function；親和力預測則要靠挑對設定（顯式溶劑下最小化 + GBn1 + εin = 2）才拿到最高相關性，而那個「最高」離可以拿來下決策還很遠。這個落差正好就是本頁的結論：它是好的 pass/fail 篩子與 pose 篩子，不是好的親和力尺。
Component breakdown of an MM/PBSA binding free energy on a charged protein-DNA interface: the vacuum Coulomb term and the polar solvation term are each hundreds of kcal per mol with opposite signs, and the quoted answer is the small residual left after they cancel.
示意圖（向量繪製） 帶電的蛋白–DNA 界面上，靜電項與極性溶劑化項各自是數百 kcal/mol、符號相反，最後報出來的只是相減後的殘差。大數上幾個百分點的系統偏移就足以改寫答案——長度為示意量級，不是實測值。

輸出長什麼樣： 一張表，列出 ΔEelec、ΔEvdW、ΔGpolar、ΔGnonpolar 與總和，外加（若用 GB）逐殘基分解。你會立刻看到一件事：對蛋白–DNA 這種高電荷界面，ΔEelec 與 ΔGpolar 各自輕易到數百甚至上千 kcal/mol、符號相反，淨值只剩零頭。兩個大數相減得小數，任何系統誤差都會被放大。這就是為什麼絕對值不可信、而相對值在受控比較下還勉強可用。

06When什麼時候用

  • 當 funnel 需要一個「這個設計還綁不綁得上」的是非題閘門時。 把界面拆爛的變體刷掉，這件事 MM/PBSA 做得到。
  • 當你要比較同一系列、同一結合模式、淨電荷相同的變體時。 系統誤差在這種受控比較下部分抵銷。
  • 當你想知道某個突變殺掉了哪些接觸時，用逐殘基分解當假說產生器，然後回去用 contact map 或 salt bridge 驗證。分解值本身不是證據。
  • 當你要檢查設計有沒有做到你想做的事時。 你移除了一個磷酸接觸，靜電項就該往預期方向動；沒動就是你的建模有問題。
  • 當軌跡已經存在時。 邊際成本接近零，跑了不虧，只要你不誤讀。

07When NOT什麼時候別用

  1. 不要引用絕對的 ΔGbind。 為什麼會壞：熵被丟掉（或用一個誤差跟答案同量級的估計補上）、εin 是擬合旋鈕、連續介質溶劑在高電荷界面上沒有明確的水與離子、而且最終數值是兩個數百 kcal/mol 大數相減的殘差。怎麼看出它壞了：你的蛋白–DNA 複合體算出幾十甚至上百 kcal/mol 的「結合自由能」，換算成 Kd 是一個宇宙裡不存在的數；或者把 εin 從 1 改到 4，答案整個平移十幾 kcal/mol。

  2. 不要用它排高保真變體的專一性。 為什麼會壞：三個文獻高保真變體對 on/off-target 的結合親和力與 WT 差不多，差異在 HNH 構形檢查點的動力學上，這個軸 MM/PBSA 看不到。怎麼看出它壞了：拿 ground truth panel 檢驗——如果 WT、SpCas9-HF1、eSpCas9(1.1)、HypaCas9 的 ΔG 全部落在跨 replica 誤差棒之內，那你排的是雜訊；如果排得出來但順序跟文獻的專一性順序不一致，那更糟，因為你會相信一個錯的排名。

  3. 不要假設越負越好。 為什麼會壞：off-target 的專一性來自「先脫離」與「被切掉」兩條路徑的競爭，把結合拉緊等於壓縮脫離那條路；而且 Cas9 是 single-turnover 酵素，切完之後黏在產物上，更緊的結合連週轉都拖慢。怎麼看出它壞了：這一條在計算裡完全看不出來，這正是它危險的地方。唯一的偵測方式是回頭看你排名最高的設計在做什麼——如果它們清一色是「在磷酸骨架接觸面加正電」，那你設計的是一個什麼 DNA 都綁的黏膠，不是一個更專一的酵素。

  4. 當結合前後兩邊真的會重組時，不要用 single-trajectory 近似。 為什麼會壞：ΔEinternal 被設成零，reorganization energy 消失。Cas9 特別嚴重——apo 蛋白與 sgRNA/R-loop 結合後的構形差異大到 domain 都重新排列，這不是小擾動。怎麼看出它壞了：改用 separate-trajectory（分別跑 apo receptor 與 apo ligand）重算一次，如果答案大幅改變，你設成零的那一項就不是零；或者比較不同起始結構（預測結構 vs 晶體結構）的結果差多少。

  5. 不要用 frame 數去算標準誤。 為什麼會壞：連續幀高度相關，SEM = SD/√Nframes 會給你 0.1 kcal/mol 的假精度。怎麼看出它壞了：把 4 條獨立 replica 各自的平均值拿來比，spread 通常大一個數量級以上。參考點：在你自己的 5F9R 系統上，最穩的聚合量 BSA 跨 4 replica 的 CV 也還有 2.1%，總 protein–DNA 接觸 4.1%；一個依賴靜電細節的量不可能比它們更穩。

  6. 不要把結構離子跟溶劑一起剝掉。 為什麼會壞：Mg2+ 是界面靜電的一部分，也是催化中心的一部分。怎麼看出它壞了：逐殘基分解在活性中心殘基上給出離譜的數值；或者保留與剝除兩種算法的靜電項差距遠大於變體之間的差距。

  7. 不要跨 paper 比較 MM/PBSA 數值。 為什麼會壞：力場、水模型、εin、PB solver、非極性項的 γ、幀數、熵處理方式，每一項都會系統性平移結果。怎麼看出它壞了：你會發現同一個複合體在不同論文裡的 ΔGbind 可以差好幾倍。能比的只有同一套 protocol 下的相對排序。

08Project Lens跟我的 project 多相關

★★★☆☆Priority 3/5

為什麼不是更低（不是一星或二星）：

  • 它幾乎免費。 軌跡已經在跑了，MM/PBSA 是後處理。在「便宜」是硬約束的 workflow 裡，邊際成本接近零的量沒有理由丟掉。
  • funnel 真的需要一個結合可行性閘。 一個把界面拆爛的設計應該在早期就出局，不該浪費後面昂貴的 gate。這件事 MM/PBSA 做得到，而且做得比什麼都不做好。
  • 它對 SpCas9-HF1 與 eSpCas9(1.1) 那一類設計是有訊號的。 這兩個變體確實是靠削弱非序列專一的靜電與氫鍵接觸做出來的（HF1 砍 target 股磷酸骨架的氫鍵，eSpCas9(1.1) 中和 non-target 股溝槽的正電殘基），而靜電互補正是 MM/PBSA 的守備範圍。如果你的批評強到連這件事都否認，你就過度矯正了。
  • 它是這個領域的共同語言。 你不能只說「這沒用」，你要能說清楚它的有效邊界在哪，並且提出一個對方能接受的替代排序軸。

為什麼不是四星或五星：

funnel 的排序軸就是它，而這正是這一類篩選流程的結構性盲區：全程用平衡結合 ΔG 排序，但要篩的性質（專一性）不住在那條軸上。更關鍵的是：從 MM/PBSA 升級到 FEP，買到的是同一條軸上更高的精度。要公道地說，charge-changing FEP 只要有做反離子處理，技術上就是對的——問題從來不是「做得不夠嚴謹」，而是軸選錯了。把一把很準的尺拿去量錯的維度，準不會救你。

具體怎麼用：

放在 Gate 2 的 pass/fail 位置，用一個保守的門檻刷掉明顯崩掉的變體，不放在 Gate 3 的排序位置。報告時只給跨 replica 的 mean ± SD 加上 εin 敏感度掃描，並且明講「這一層只保證候選能結合，不宣稱任何專一性排序」。排序的責任交給檢查點那一側：用 HNH 距離 當構形代理，再用 自由能地景 去校準它。要誠實的是，那條軸目前也還沒有 ground truth 校準，所以它現在是替代假說，不是一把現成的尺。 你能主張的是「這一類 funnel 押錯了維度」，不是「換我這條就準了」。

還有一個高 CP 值的用法： 把 MM/PBSA 在 ground truth panel 上排不出高保真變體這件事，當成 methodology paper 裡的 negative result 寫出來。這比再多一個「我們也算了 ΔG」有價值得多，因為它是可證偽、可重現、而且直接指向下一步該做什麼的結果。

09Reviewer Thinkingreviewer 會問什麼

你的 ΔG_bind 誤差棒是怎麼算的？跨 frame 還是跨 replica？點開看參考答案

這一問幾乎可以廢掉半數 MM/PBSA 論文。跨 frame 的 SEM 是假精度，因為幀之間高度相關。正確做法是跑至少 3 到 4 條獨立 replica，報跨 replica 的 mean ± SD，並且把逐幀的 spread 另外標成灰帶。誠實地說：如果變體之間的差異落在 replica 誤差棒之內，就直說「在本方法的解析度下無法區分」，不要用小數點第二位假裝有差別。

你用了什麼 ε_in？結論對它敏感嗎？點開看參考答案

必須附敏感度掃描。跑 εin = 1、2、4 三組，把三條排名一起放進補充材料。如果排序在掃描中穩定，你有一個可辯護的相對結論；如果翻掉，那就承認排序不可用，只報 pass/fail。不要只報一個 εin 然後不解釋為什麼選它——reviewer 會直接懷疑你是挑了一個好看的。

你把熵丟掉了。憑什麼？點開看參考答案

可以丟，但要說清楚假設：你只做同一系列、同一結合模式的相對比較，並假設 −TΔS 在系列內近似抵銷。接著要主動指出這個假設何時失效——突變改變淨電荷、改變界面剛性、或引入／移除大幅柔軟的 loop 時，熵項就不再抵銷。把不適用的變體標出來，比假裝整組都適用可信得多。

你怎麼證明 ΔG 排序跟專一性有關？點開看參考答案

最誠實的答案是：目前沒有證明，而這正是本研究要檢驗的假設。做法是用文獻高保真變體當 ground truth panel（SpCas9-HF1、eSpCas9(1.1)、HypaCas9），看 ΔG 能不能把它們跟 WT 分開。要注意底物選擇：在 on-target 底物上 eSpCas9(1.1) 本來就該是 null，要看到效應必須用 mismatched 底物，否則你測的是一個設計上就不該有訊號的對照。

single-trajectory 近似把 reorganization 設成零，對 Cas9 這種大幅構形變化的系統合理嗎？點開看參考答案

不完全合理，而且應該主動承認。可行的緩解是至少對幾個代表性變體做 separate-trajectory 對照，量出 reorganization 項的量級，證明它在系列內近似為常數（因此不影響相對排序）。如果量不出常數，那相對排序也站不住，這時候唯一誠實的用法就只剩 pass/fail。

10Common Mistakes最常犯的錯

  • 報絕對的 ΔGbind 並跟實驗 Kd 對照。 後果：數值差好幾倍甚至符號都不對，整篇的可信度一起賠掉。正解：只報系列內相對值，或報 ΔΔG，並明說絕對值不具物理意義。
  • 用 frame 數算標準誤。 後果：0.1 kcal/mol 的假誤差棒，讓不存在的差異看起來顯著。正解：跨獨立 replica 算，並公開 replica 數。
  • 只跑一個 εin。 後果：reviewer 直接懷疑挑參數。正解：附 1／2／4 的敏感度掃描與對應排名。
  • 把 Mg2+ 當溶劑剝掉。 後果：活性中心靜電失真，逐殘基分解出現離譜值。正解：明確列出保留哪些離子，並在方法段寫清楚。
  • 拿逐殘基分解當結論。 後果：GB 分解對 εin 與半徑參數極度敏感，數字不穩。正解：只當假說產生器，用獨立的接觸／氫鍵分析驗證。
  • 把「ΔG 越負」直接寫成打分函數。 後果：方向就寫反了——專一性靠的是 off-target 受質先脫離，綁更緊會壓掉那條路。正解：改成雙側門檻（太弱出局、太強也標記為風險），或乾脆只做 pass/fail。
  • 在 on-target 底物上測 eSpCas9(1.1) 然後說「方法沒訊號」。 後果：把設計上就該是 null 的對照當成方法失效。正解：專一性效應要用 mismatched 底物測。

11Further Reading讀哪幾篇

2016High-fidelity CRISPR–Cas9 nucleases with no detectable genome-wide off-target effects
Kleinstiver B.P. et al. · Nature doi:10.1038/nature16526
讀它是為了知道「削弱非專一磷酸骨架接觸」這條設計路線真的成立——這是 ΔG 類方法唯一站得住腳的地盤，也是你不該過度否定它的理由。
2016Rationally engineered Cas9 nucleases with improved specificity
Slaymaker I.M. et al. · Science doi:10.1126/science.aad5227
跟上一篇成對讀。它走的是中和 non-target strand 溝槽正電荷的路線，同樣是靜電設計，但你的專案數據顯示那三個「抓握」正電位點（K848、K1003、R1060）只有 K848 貼著 non-target 股（4 條 replica 平均 0.7 nm），K1003 與 R1060 的平均在一到兩奈米之外（1.6 與 1.5 nm）——設計意圖與實際接觸幾何未必一致，這是 MM/PBSA 看不出來但結構分析看得出來的落差。**不過這三個量的跨 replica CV 都在 37 到 47%（R1060 在其中一條 replica 就貼到 0.5 nm），只能定性用，不足以宣稱那兩個殘基構不到 DNA。**
2017Enhanced proofreading governs CRISPR–Cas9 targeting accuracy
Chen J.S. et al. · Nature doi:10.1038/nature24268
讀它是為了看見 ΔG 的天花板。HypaCas9 靠的是提高構形活化門檻，不是綁得比較鬆；只要你的排序軸是平衡結合自由能，這個機制就永遠不會出現在你的分數裡。
2020Engineered CRISPR/Cas9 enzymes improve discrimination by slowing DNA cleavage to allow release of off-target DNA
Liu M.-S. et al. · Nature Communications doi:10.1038/s41467-020-17411-1
這一篇是本頁所有「越負不等於越好」論證的來源，也是支持這個立場最直接的證據。它把 chen2017 的定性陳述換成 pre-steady-state 硬數字：結合端沒動、切割速率掉兩個數量級，專一性來自 off-target 受質在被切之前先脫離的 kinetic partitioning。**如果只讀一篇來支持「ΔG 排序量錯東西」，讀這篇。**
2018Assessing the performance of MM/PBSA and MM/GBSA methods. 8. Predicting binding free energies and poses of protein–RNA complexes
Chen F. et al. · RNA doi:10.1261/rna.065896.118
這是方法端的定位文獻，不是生物學文獻。148 個蛋白–核酸複合體上的設定掃描告訴你 <span class="m">ε<sub>in</sub></span> 與 GB 模型該怎麼選，也告訴你 MM/GBSA 在「挑 pose」上遠比在「排親和力」上可靠——這正是把它放 pass/fail 而不放排序層的實證理由。

12Summary三句話

MM/PBSA 是把已經跑好的軌跡拿去估結合自由能，成本近乎為零，代價是熵通常被丟掉、內部介電常數是可調參數、單軌跡近似把 reorganization 設成零，因此絕對值沒有物理意義。它在「這個變體還綁不綁得上」這個是非題上確實有用，也看得見 SpCas9-HF1 與 eSpCas9(1.1) 那種削弱非序列專一靜電接觸的設計，所以全盤否定它是過度矯正。但 Cas9 的專一性由 HNH 構形檢查點的動力學決定，而且更緊的結合會壓掉 off-target 受質「先脫離」那條讓專一性成立的路徑，所以它的正確定位是結合可行性的必要但不充分初篩，不是專一性的排序軸。

地圖上的鄰居

Analysis介面埋藏面積 兩個分子貼在一起遮掉多少表面，一個出奇穩定的聚合量。 Analysis自由能地景與增強取樣 唯一能碰到能障、也就是碰到速率的那條路。 AnalysisHNH 距離與構形檢查點 直接量那個決定專一性的構形開關開了多少。 BenchmarkMetric 可靠性 在問「這個 metric 準不準」之前，先問「它穩不穩」。

這頁用到的名詞

MM/PBSAMM/GBSAsingle-trajectory approximationinterior dielectric constantSASAPoisson-BoltzmannGeneralized Bornnormal mode analysisinteraction entropyreorganization energykinetic partitioningFEP