AutoDock Vina 新手上手指南：6 个关卡跑通你的第一次分子对接

AutoDock Vina 新手上手指南：6 个关卡跑通你的第一次分子对接

【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina

你听说过 AutoDock Vina 吗？它是目前全球使用最广、速度最快的开源分子对接引擎之一。简单说，它能预测一个小分子药物（配体）会怎样"钻进"蛋白质（受体）的口袋里并稳定地待住——这正是药物发现中最关键的一步。这篇文章不打算给你一本冷冰冰的操作手册，而是把它设计成一条闯关路线：6 个关卡 + 1 个隐藏副本 + 1 个补给站，每关都有看得见的成果。跟着走完，你就拥有了一份属于自己的、真实可复现的分子对接实验记录。

先给你一张"全程地图"，让你心里有数——分子对接从分子结构到最终结果，大致要走完下面三个环节：

为什么人人都想跑一次分子对接？

把药物找出来这件事，可以理解成一场"找钥匙开锁"的游戏：蛋白质是锁，小分子是钥匙。一把钥匙能不能插进锁孔、插得够不够紧，决定了它有没有成为候选药物的潜力。但蛋白质和药物分子都有几十到上千个原子，理论上的"插法"数以百万计，挨个试根本不现实。

AutoDock Vina 的价值就在于：它用一套精心设计的打分函数（scoring function）快速评估"这把钥匙配这把锁大概有多合适"，再用梯度优化算法在海量可能性中快速搜索。同样的任务，它比上一代 AutoDock 4 可以快上最多两个数量级，而且是 Apache 2.0 协议的开源软件，随便用、随便改。先记住它的几个核心卖点：

光看介绍没感觉，我们直接开局。

关卡一：先认识三个"主角"——受体、配体与 PDBQT

动手之前，有三个词你必须先混个脸熟，否则后面每一步都会卡壳。

• 受体（Receptor）：通常是蛋白质，也就是那把"锁"。文件里记录的是它的三维原子坐标，常见后缀是.pdb。
• 配体（Ligand）：小分子化合物，也就是那把"钥匙"，常见后缀是.sdf、.mol2。
• PDBQT 格式：AutoDock 家族统一的"通行证"格式。它比普通 PDB 多记录了每个原子的部分电荷（partial charge）和原子类型，以及分子的可旋转键信息。对接前，受体和配体都必须先转换成 PDBQT，这是所有 AutoDock 系软件的地基。

转换工作一般交给一个叫Meeko的 Python 包来完成。它的命令行脚本mk_prepare_ligand.py和mk_prepare_receptor.py会帮你处理质子化、加电荷、标定可旋转键这些繁琐但决定成败的细节。

记住一个忠告：配体文件尽量不要用 PDB 格式，因为它不包含化学键的连接信息；也不要用二维平面结构直接去对接。多一个氢、少一个氢，都可能直接改变对接结果。

这一关的成果：你能说出"PDBQT 是干什么的、谁来生成它"。

关卡二：5 分钟搭好对接工作台

好消息是，Vina 的"工作台"只需要两条命令就能搭好。推荐在 conda 或 venv 虚拟环境里安装，避免污染系统 Python：

pip install -U numpy scipy rdkit vina meeko gemmi prody

这条命令同时装了三类东西：vina（Vina 的 Python 绑定）、meeko（配体受体预处理工具）、rdkit/numpy（分子与数值计算底层）。装完可以用这个命令确认工具是否就位：

mk_prepare_ligand.py --help

如果你想直接拿到 Vina 的可执行文件vina（而不是只在 Python 里调用它），有两个途径：

1. 下载预编译版本：从官方 release 页面按系统与架构（macOS / Linux / Windows）下载对应二进制文件，解压后即可运行。
2. 从源码编译（只建议想折腾或需要魔改的用户）：

git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina cd AutoDock-Vina/build/linux/release make

编译前记得装好 C++ 编译器和 Boost 库（macOS 用brew install boost swig，Ubuntu/Debian 用apt install libboost-all-dev swig）。普通用户直接走路径 1 就好，源码方式在官方文档里也明确标注了"not meant to be done by regular users"。

这一关的成果：终端里能敲出vina --help或顺利导入from vina import Vina。

关卡三：动手跑通第一个对接示例

光说不练假把式。项目仓库里已经给你准备了一套完整的基础对接案例（真实分子是抗癌药伊马替尼 imatinib 与 c-Abl 激酶，正是电影《我不是药神》里那个"格列卫"的靶点）。先把示例数据复制出来：

cp -r example/basic_docking/data/ .

第一步：准备受体文件

mk_prepare_receptor.py -i 1iep_receptorH.pdb -o 1iep_receptor -p -v \ --box_size 20 20 20 --box_center 15.190 53.903 16.917

这条命令做了什么？-i指定输入受体，-p表示要生成受体 PDBQT，-v表示同时输出对接盒子（box）的尺寸文件。后面那两对参数是对接盒子的中心和边长——相当于你在告诉 Vina："别满世界乱找，就在这个 20×20×20 Å 的立方体里搜。" 它对应蛋白质的活性口袋位置，单位是埃（Å）。

第二步：准备配体文件

mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt

第三步：写下你的"点菜清单"——配置文件

Vina 的配置文件和餐厅点菜清单一个原理：把要传的参数都写进一个文件，运行时代理（命令行）就清爽很多。新建一个1iep_receptor.box.txt，内容如下：

center_x = 15.190 center_y = 53.903 center_z = 16.917 size_x = 20.0 size_y = 20.0 size_z = 20.0

第四步：启动对接！

vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt \ --exhaustiveness 32 --out 1iep_ligand_vina_out.pdbqt

--exhaustiveness是"努力程度"参数，默认 8；这个案例里官方建议调到 32 以获得更稳定的结果。--out指定结果输出文件。

几秒钟到几十秒后，终端会打印出进度条和一张结果表，结果文件1iep_ligand_vina_out.pdbqt里保存了所有找到的结合构象。🎉 恭喜你，第一次分子对接已经跑通了！

这一关的成果：一个真实系统的对接结果文件。

关卡四：这一关看结果——affinity、RMSD 与 mode 表

跑通不难，看懂才算入门。Vina 输出的核心是下面这样一张表：

mode | affinity | dist from best mode | (kcal/mol) | rmsd l.b.| rmsd u.b. -----+------------+----------+---------- 1 -13.23 0 0 2 -11.29 0.9857 1.681 3 -11.28 3.044 12.41

逐列解释：

• mode：结合模式编号，从好到差排列。
• affinity（结合亲和力）：预测的结合自由能，单位 kcal/mol。负值表示能结合，越负表示结合越强。这个案例中 vina 打分函数下最优解大约在 -13 kcal/mol 附近。
• rmsd l.b. / rmsd u.b.：各模式相对最优模式的原子位置差异（RMSD，均方根偏差），用来衡量"这两种摆法差别有多大"。0 表示和最优模式完全一致。

需要提醒你：vina 和 ad4 两套打分函数算出的能量不能互相比较，它们是两种不同的"尺子"。

拿到 PDBQT 结果后，如果要在 PyMOL、ChimeraX 里可视化，或者转给其他软件分析，建议用 Meeko 转成 SDF 格式——因为 PDBQT 不记录化学键级，而 Meeko 能从文件头部的 SMILES 信息重建正确的键连关系：

mk_export.py 1iep_ligand_vina_out.pdbqt -s 1iep_ligand_vina_out.sdf

这一关的成果：能独立解读一张 mode 表，并说出"分数越负越好"。

关卡五：为什么我的结果和别人不一样？

你可能很快会撞上一个困惑：同样一条命令，多跑几次，结果却有细微差别；或者和教程里的截图对不上。别慌，这不是你装错了——Vina 的搜索算法是随机性的。

它的原理可以理解为：每次对接由若干次"独立探索"组成，每次从随机初始构象出发，经过随机扰动 + 局部优化的迭代，最后把各次探索中有希望的结果合并、聚类、排序。每次探索的起点不同，结果自然有波动。

那么怎么让结果更稳定、更可信？三招：

1. 加大--exhaustiveness：它控制的正是"独立探索的次数"。8 是省电模式，32 是认真模式，结果更稳定，代价是更久的运行时间。
2. 控制搜索空间：盒子越大，搜索难度越高。官方建议尽量不要超过 30×30×30 Å（体积超过 27000 ų 会收到警告）。记住：Vina 的盒子单位是 Å，不是 AutoDock 4 里的"格点数"——这是从 AD4 转过来的人最常踩的坑。
3. 固定随机种子：--seed参数可以指定随机种子，两次用同一个种子，输入不变时结果完全一致。想要"可复现"的实验记录，这一招很关键。

另外，输出构象里氢原子的位置是"随意"的：Vina 用的是联合原子打分，只考虑重原子。但输入文件里的氢仍然重要，因为它决定哪些原子是氢键供体/受体——所以正确质子化永远是第一优先级。

这一关的成果：你会调参数，也理解了结果的随机性从何而来。

关卡六：从单个分子到批量虚拟筛选

单个分子对接只是热身，现实中更常见的是一次筛几百上千个化合物。Vina 支持两种批量玩法：

玩法 A：命令行 + 循环脚本。把多个配体各自准备成 PDBQT，写个小循环逐个对接：

for ligand in ligs/*.pdbqt; do vina --receptor receptor.pdbqt --ligand "$ligand" \ --config box.txt --out out/$(basename "$ligand") done

玩法 B：Python 绑定，把整个流程编程化。项目自带的示例脚本 example/python_scripting/first_example.py 展示了标准用法：

from vina import Vina v = Vina(sf_name='vina') v.set_receptor('1iep_receptor.pdbqt') v.set_ligand_from_file('1iep_ligand.pdbqt') v.compute_vina_maps(center=[15.190, 53.903, 16.917], box_size=[20, 20, 20]) energy = v.score() # 先给当前构象打分 energy_minimized = v.optimize() # 再做个局部能量最小化 v.write_pose('1iep_ligand_minimized.pdbqt', overwrite=True) v.dock(exhaustiveness=32, n_poses=20) # 正式对接 v.write_poses('1iep_ligand_vina_out.pdbqt', n_poses=5, overwrite=True)

切换到ad4或vinardo打分函数，只需把sf_name='vina'改掉。跑法也很简单：

cd example/python_scripting python first_example.py

这一关的成果：你拥有了"批量筛 + 编程控"的组合拳。

隐藏副本：四个值得玩味的进阶玩法

打通主线后，仓库的example/目录还藏着几套"隐藏关卡"，每个都对应一个真实科研场景：

每个目录下都有data/（输入）和solution/（参考答案），你可以先猜结果再对照，非常适合自学。想用 AutoDock4 力场的话，加上--scoring ad4并传入预先算好的亲和图（需要autogrid4配合 GPF 文件）即可。

途中补给站：新手高频翻车现场与避坑手册

• "can not open conf.txt" 但文件明明存在？多半是系统隐藏了扩展名，你建的文件其实叫conf.txt.txt。在终端用ls确认一下真实文件名。
• 怎么验证装好了？运行vina --help看有没有正常输出，或python -c "from vina import Vina"检查 Python 绑定。
• --out是什么？它取代了老教程里的--all，旧教程的命令照抄会报 usage error。
• 为什么--num_modes 20只输出了 9 个模式？它只是输出数量的上限，实际输出还受内部搜索和--energy_range限制。
• 改了电荷怎么结果没变化？正常，Vina 有自己处理静电的方式，忽略用户提供的部分电荷。
• 结果解不开就反复跑？先检查：盒子单位是不是写错了、分子有没有正确质子化、搜索空间是不是太大。搞不清就按官方 FAQ 的思路逐条排查。

更多问题与解答集中在官方文档 docs/source/faq.rst，建议通读一遍，能帮你省下大量踩坑时间。

通关之后：给你的学习路径与下一步建议

如果你一路闯到这里，恭喜，你已经完成了从"听说过分子对接"到"能独立完成并解读一次对接实验"的跨越。接下来可以这样规划：

1. 第一周 · 打牢基本功：把基础对接、结果解读、参数调优各练三遍，直到不看文档也能默写出整条命令。
2. 第二周 · 处理真实数据：去 PDB 数据库下载一个感兴趣的蛋白，自己从"去水、加氢、定盒子"开始走完整流程。
3. 第三周 · 玩转批量：用 Python 绑定写一个自己的小脚本，对一组配体做虚拟筛选，并对结果排序。
4. 第四周 · 挑战进阶玩法：挑一个隐藏副本（推荐从水合对接入手），体会"考虑越多，模型越接近真实"的乐趣。

更深度的材料都在项目里：基础教程见 docs/source/docking_basic.rst，Python 编程见 docs/source/docking_python.rst，完整文档目录在 docs/source/，所有示例在 example/。每次实验记得记录参数、保存日志、统一命名——好习惯会随着你的实验越做越复杂而越来越值钱。

分子对接不是一门"看书就能会"的技术，它是练出来的手感。从最简单的钥匙锁孔开始，一次一次地试，你的判断力会肉眼可见地增长。钥匙与锁的故事每天都在真实的药物研发里上演，而你，已经拿到了入场券。

🚀 现在，去跑通属于你的第一个分子对接实验吧！

【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina