企业官网建设流程全解析

AutoDock-Vina分子对接实战：破解新手最容易栽的3个坑，跑通你的第一个药物筛选

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

分子对接，说白了就是让计算机模拟"钥匙找锁孔"的过程——小分子配体是钥匙，蛋白质受体是锁。AutoDock-Vina就是这个领域最出名的开源引擎之一：它来自Scripps研究所的Forli实验室，免费开源，速度快得离谱，还能接Python做自动化。这篇文章不是给你念官方手册，而是替你把新手期的雷区一个个踩一遍：为什么你照着教程跑出来的结果对不上？为什么同一个盒子、同一条命令，结果总在变？为什么明明装了vina却找不到命令？我先把这些坑摆上台面，再用一个真实的药物对接案例（抗癌药伊马替尼对c-Abl激酶）把它们逐个击破，最后给你一套可以直接拿去复用的操作路径。

上图是官方文档里的对接全流程：结构预处理 → 对接输入准备（生成PDBQT和盒子文件）→ 对接计算。整篇文章就是沿着这条链路展开的。

开篇先破案：新手反复踩的3个坑

先说结论，绝大多数"Vina跑不出来/结果不对"的求助帖，根子都在下面三件事上：

坑一：配体用了PDB格式。PDB文件不含键连接信息，小分子一进PDB基本等于"散装零件"，对接必然翻车。官方文档的原话是"你的成败有时就悬在一个氢原子上"，配体请认准SDF格式，质子化状态务必检查。

坑二：对接盒子的单位搞错。从AutoDock4转过来的老用户特别容易犯：AutoDock4用"网格点"（1点=0.375埃），而Vina直接以**埃（Angstrom）**为单位。把27000立方埃当成了27000个网格点，搜索空间瞬间爆表，Vina会直接警告你。

坑三：追求"完全一致"的结果。Vina的搜索算法是随机的，每次运行的种子不同，输出构象就会有差异。这不是bug，是特性。你要判断的不是"这次和上次分毫不差"，而是"统计上能不能稳定命中正确构象"。

下面这篇文章的实战主线会把这3个坑全部演示一遍：正确的姿势是什么、出错长什么样、怎么补救。

环境搭建：3条路，选最快的那条

装Vina的方式不止一种，按"省事程度"排序：

路线A：预编译可执行文件（最省事）去官方发布页下载对应操作系统的二进制包，解压就能跑。vina --help能弹出参数说明就算装好了。如果你只想命令行试水，走这条路。

路线B：Python绑定（做自动化的推荐）

pip install -U numpy vina

注意：Python绑定和命令行可执行文件是两套独立安装，pip装完并不附带vina可执行文件，反之亦然——这是文档里明确标注过的坑。

路线C：Conda环境（最干净，科研向）

conda create -n vina python=3 conda activate vina conda config --env --add channels conda-forge conda install -c conda-forge numpy swig boost-cpp libboost pip install vina

除了Vina本体，你还得装一个关键的辅助包Meeko，它负责把受体和配体加工成Vina能吃的PDBQT格式：

pip install -U numpy scipy rdkit vina meeko gemmi prody

装完验证一下，终端能敲出这三个命令就算齐活：

mk_prepare_ligand.py --help mk_prepare_receptor.py --help mk_export.py --help

💡提示：如果你想让管线可复现、不污染系统环境，就无脑选路线C。官方示例全部基于Conda环境。

实战主线：伊马替尼 × c-Abl，一条命令一条命令跑通

下面用官方基础示例example/basic_docking/里的真实数据走一遍。这套数据仓库里现成就有：受体是data/1iep_receptorH.pdb，配体是data/1iep_ligand.sdf，全部示例输入输出在example/basic_docking/目录下可对照。

第一棒：受体预处理，一条命令生成三个文件

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

这段代码做什么？-i指定输入PDB，-o指定输出文件名前缀，-p要求生成受体PDBQT，-v配合盒子的中心坐标和尺寸，额外写出盒子的TXT和PDB文件。

跑完后你会看到目录里多出：

• 1iep_receptor.pdbqt：受体对接文件，只含极性氢和部分电荷
• 1iep_receptor.box.txt：盒子配置，可以直接当Vina的配置文件用
• 1iep_receptor.box.pdb：盒子可视化文件，扔进PyMOL里能直接看到搜索空间长啥样

⚠️注意：如果你的受体是刚从PDB数据库下载的原始结构，里面通常带着水分子、配体、金属离子等杂物，用--delete_residues参数把不需要的残基删掉，别让杂物干扰对接。

第二棒：配体预处理，认准SDF格式

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

这段代码做什么？把SDF格式的小分子转成Vina专用的PDBQT。这就是我们在"坑一"里强调的：千万别用PDB格式喂小分子。如果起始结构缺氢，先用scrub.py补氢再转格式。

第三棒：选力场，两条路各跑一遍

Vina支持两种力场，对应两种不同的跑法：

用Vina力场（默认，最快，无需预计算）

盒子配置文件1iep_receptor.box.txt的内容长这样：

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

然后一条命令开跑：

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

这段代码做什么？指定受体、配体、盒子配置，把搜索强度exhaustiveness从默认的8提到32，输出对接结果。伊马替尼这个体系比较刁钻，默认参数下Vina偶尔找不到正确构象，加大exhaustiveness能让结果更稳定。

用AutoDock4力场（需要先跑AutoGrid4算亲和图谱）

mk_prepare_receptor.py -i 1iep_receptorH.pdb -o 1iep_receptor -p -v -g \ --box_size 20 20 20 --box_center 15.190 53.903 16.917 autogrid4 -p 1iep_receptor.gpf -l 1iep_receptor.glg

第一行多了个-g参数，让Meeko额外生成AutoGrid4需要的GPF文件；第二行用autogrid4根据GPF算出各原子类型的亲和力图谱（会生成.maps.fld和一堆.map文件）。之后对接命令就不需要受体和盒子了，改用图谱：

vina --ligand 1iep_ligand.pdbqt --maps 1iep_receptor --scoring ad4 \ --exhaustiveness 32 --out 1iep_ligand_ad4_out.pdbqt

第四棒：结果导出，SDF才是给"人"看的格式

PDBQT是给机器看的，键级信息不完整。要看结果，转成SDF：

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

这段代码做什么？用Meeko把对接结果转成SDF。Meeko的聪明之处在于它会读PDBQT头部里的SMILES字符串，用RDKit重建分子，这样键级和形式电荷不会丢。相比之下，OpenBabel那种"猜键级"的做法在部分分子上会翻车。

结果判读：看懂那一张表格，别被数字带偏

对接跑完，终端会输出一张这样的表：

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

怎么读？

• affinity（结合能）：负值越大越稳。这个案例里，Vina力场的最佳构象应该落在-13 kcal/mol 附近，AutoDock4力场大约-14 kcal/mol。注意两个力场的分数不能互相比较，这是官方反复强调的。
• RMSD：第1行永远是0，因为它以最优构象为参照；后续构象的RMSD越小，说明和最优构象越接近。
• mode数量：exhaustiveness=32时通常只给出1个高置信构象；默认8时反而可能蹦出好几个能量较差、头尾翻转的构象——这是文档里明确描述的现象。

怎么判断"成功了"？把对接出的最佳构象和晶体结构里的配体叠一叠：如果RMSD小于2埃，基本可以认定复现成功。如果差得远，先别怀疑人生，往下看排查清单。

怎么优化？

1. exhaustiveness：默认8，搜不准就提到16、32甚至更高，代价是耗时线性上涨。
2. 盒子大小：能小就小，别超过30×30×30埃，否则搜索算法会"逛不完"。
3. 结果带不动：多跑几次看统计分布，而不是盯着单次结果。
4. 改力场权重：比如想加强氢键贡献，可以在命令里加--weight_hydrogen -1.2（文档里的现成例子，把氢键强度翻倍）。

避坑手册：5个高频事故现场还原

事故1：提示 "can not open conf.txt"，但文件明明存在。十有八九是文件管理器把扩展名藏了——你建的其实是conf.txt.txt。用ls（Mac/Linux）或dir（Windows）核实真实文件名。

事故2：搜索空间体积超27000立方埃的警告。你十有八九把"网格点"当成单位了。Vina的盒子单位是埃，不是0.375埃的网格点。如果是故意设的大空间，把exhaustiveness调大补偿。

事故3：结果和教程对不上。先确认是不是随机种子不同（正常现象），再看是不是配体/受体质子化状态错了。文档列了一长串"为什么得不到正确构象"的原因，头两名就是"单位搞错"和"质子化错误"。

事故4：跑了很久一个构象都不出。检查exhaustiveness和盒子尺寸是否合理，另外看看是不是把20×20×20（埃）误写成了以网格点计算的大盒子。

事故5：氢原子位置看起来怪怪的。这不是bug。Vina的评分函数是united-atom模型，只关心重原子，输出里的氢位置是任意摆的。但输入结构的质子化状态仍然重要——它决定了哪些原子算氢键供体/受体。

进阶玩法：从"跑通一个"到"跑通一批"

玩法一：柔性对接，让侧链动起来

刚性受体是这类方法最大的局限。Vina允许指定某些残基侧链参与柔性移动，典型做法是让关键残基"半动半不动"。官方示例example/flexible_docking/里就是把Thr315设为柔性残基，命令区别就在多了两个参数：

mk_prepare_receptor.py -i 1fpu_receptorH.pdb -o 1fpu_receptor -p -v \ --box_size 20 20 20 --box_center 15.190 53.903 16.917 \ -f A:315 -a

-f A:315指定链A、残基号315为柔性，-a忽略那些部分解析、对不上模板的残基。运行后受体被拆成两个文件：1fpu_receptor_rigid.pdbqt（刚性部分）和1fpu_receptor_flex.pdbqt（Thr315侧链），对接命令里用--flex指过去即可。

玩法二：水合对接，把水分子算进去

真实生理环境里蛋白质泡在水里，配体结合时会把大部分水挤走，但少数水分子"赖着不走"，相当于靶标的一部分。官方水合对接示例（example/hydrated_docking/，配体是尼古丁，受体是AChBP）的做法是：先用scrub.py -w给配体挂上显式水分子，再mk_prepare_ligand.py -w转格式，最后用AutoDock4力场跑。官方测试表明，对碎片级小分子，水合对接的RMSD整体有明显改善。

玩法三：Python脚本批量对接

最爽的玩法。仓库里example/python_scripting/first_example.py是现成模板：

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]) # Score the current pose energy = v.score() print('Score before minimization: %.3f (kcal/mol)' % energy[0]) # Minimized locally the current pose energy_minimized = v.optimize() print('Score after minimization : %.3f (kcal/mol)' % energy_minimized[0]) v.write_pose('1iep_ligand_minimized.pdbqt', overwrite=True) # Dock the ligand v.dock(exhaustiveness=32, n_poses=20) v.write_poses('1iep_ligand_vina_out.pdbqt', n_poses=5, overwrite=True)

这段代码做什么？创建Vina对象 → 载入受体和配体 → 计算Vina网格 → 先给当前构象打分 → 局部能量最小化 → 正式对接，保留20个构象、输出前5个。

运行后会看到类似输出：

Score before minimization: -4.567 (kcal/mol) Score after minimization : -8.234 (kcal/mol)

还有一个小技巧：如果先调compute_vina_maps()再载入配体，Vina会按力场里全部22种原子类型计算图谱，这样批量对接不同配体时就不用每个都重算网格——这正是虚拟筛选管线的标准姿势。

虚拟筛选的场景就是把这个脚本套上循环：读化合物库 → 逐个对接 → 按分数排序。结合--num_modes、energy_range这些参数控制输出数量，一套初筛管线就成型了。

下一步行动清单

这篇文章帮你打通了三层能力：看懂Vina的定位与原理（它是AutoDock4的"新一代"而非升级版，评分函数和算法都是新的）；独立跑通一次完整对接（受体预处理→配体预处理→选力场对接→结果导出，全程真实命令）；具备排查和自动化的意识（单位、格式、质子化、随机性四大雷区，以及Python批量对接的入口）。

接下来你可以按这个顺序动起来：

1. 从仓库拉取项目：git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina
2. 照着example/basic_docking/跑通基础对接，对照solution/目录里的预期输出验证自己
3. 换一个你自己的配体-受体体系，从PDB下载结构，重复本文流程
4. 跑熟之后尝试example/flexible_docking/和example/hydrated_docking/，最后用Python脚本把你的流程自动化

如果你觉得这篇实战笔记对你有用，把它收藏起来——下次跑对接前翻一遍"避坑手册"，能帮你省下半天排查时间；也欢迎分享给身边刚入坑分子对接的朋友。祝你的第一个分子对接实验一次通过，早日找到下一个潜力药物分子。

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