AutoDock Vina分子对接从0到1：完整实战流程、参数解读与避坑指南

AutoDock Vina分子对接从0到1：完整实战流程、参数解读与避坑指南

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

AutoDock Vina 是计算化学与药物研发领域被引用最广的开源分子对接引擎之一，它的任务可以浓缩成一句话：判断一个候选小分子（配体）会以什么姿态、多大结合亲和力进入蛋白质受体上的口袋。无论你是刚接触结构生物学的学生，还是想搭建虚拟筛选管线的研发人员，本教程都从一张真实运行的“成绩单”倒推整套流程，带你一步步跑通分子对接，并把新手最容易卡住的环节提前拆开讲明白。

一次真实对接的终端输出长什么样：先认识 mode、affinity 与 RMSD

很多人第一次跑通 Vina，盯着终端却不知道自己在看什么。一次对接顺利结束后，屏幕上会出现这样一张表：

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 4 -11.15 3.813 12.24

三个核心名词，先记在脑子里：

mode 1 通常是所有候选姿势中最优的那个，也是后续做可视化、做分析时最常关注的起点。但请记住：这张表只是终点，难的是走到终点之前的那几步。下面我们倒推一下，拿到这张成绩单需要经历什么。

跑通分子对接的前置准备：工具链、PDBQT 输入文件与搜索盒子

一次对接背后其实是一条流水线：从配体/受体的原始结构出发，经过预处理变成 Vina 认识的格式，再划定搜索区域，最后才轮到引擎上场。整条管线可以用项目仓库里这张流程图一眼看全：

用一条 pip 命令装齐 AutoDock Vina 和 Meeko 预处理工具

Vina 本身负责“算”，但输入文件的准备工作推荐交给配套的 Meeko 工具包。建议在 conda 或 venv 虚拟环境里执行：

pip install -U numpy scipy rdkit vina meeko

这条命令装入了计算引擎（vina）和三个预处理命令行工具（mk_prepare_ligand.py、mk_prepare_receptor.py、mk_export.py）。装完可以敲一下vina --version确认引擎可用。

想直接看官方示例的话，可以克隆整个项目仓库：

git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina

仓库里的example/basic_docking/目录自带完整的输入与预期输出，非常适合边看边练。

为什么不能把 PDB 文件直接丢给 Vina

这是新手第一道坎：Vina 的输入格式是 PDBQT，而不是你从数据库下载的 PDB。

• PDB 文件里没有键连关系，用它描述小分子会丢信息，很多情况下直接导致对接结果不可信。
• PDBQT 相当于分子界的“统一制服”：它在 PDB 坐标基础上补上了原子类型、部分电荷、可旋转键等信息，Vina 只认这套格式。

一句话总结：预处理省掉的功夫，都会变成结果里的坑。

配体与受体的 PDBQT 制作命令

以仓库自带示例1iep（抗癌药伊马替尼与 c-Abl 激酶）为例，受体准备：

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

这条命令把受体 PDB 转成1iep_receptor.pdbqt（-p），同时额外输出一个盒子参数文件（-v加盒子参数）。配体准备：

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

注意配体输入推荐用 SDF 而非 PDB——前者自带键连信息。如果你的小分子结构里还没有氢原子，建议先用加氢工具处理后再走这一步，成败有时就差在一个氢原子上。

对接盒子：中心与尺寸怎么定、最容易错在哪

“盒子”就是 Vina 允许配体探索的三维搜索区域，可以理解成用手电筒在黑暗房间里扫一块区域，灯光照不到的地方一概不算。你需要给出中心坐标（--box_center）和三个方向的边长（--box_size，单位是 Å）。

这里有两个经典翻车点，提前打预防针：

1. 别把格点数当埃用。AutoDock4 时代盒子的尺寸常用格点（0.375 Å/格）表示，Vina 直接按 Å 算，混用会得到一个巨大无比的搜索区。
2. 盒子不是越大越好。搜索区超过 27000 ų（约 30×30×30）会触发警告，算法要在更大的空间里碰运气，结果反而更不稳定。原则是“刚好罩住结合口袋，不贪大”。

第一次对接的三种启动姿势：直传参数、配置文件与 AutoDock4 力场

输入文件备齐后，启动对接有三种常见姿势，按你的使用习惯任选。

姿势一：所有参数堆在命令行

适合快速试跑，一次性把条件写全：

vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --center_x 15.190 --center_y 53.903 --center_z 16.917 \ --size_x 20 --size_y 20 --size_z 20 \ --exhaustiveness 32 --out 1iep_ligand_vina_out.pdbqt

--exhaustiveness控制搜索的“卖力程度”，默认是 8；像伊马替尼这种比较难缠的体系，官方教程建议调到 32，结果会更稳定，代价是更长的计算时间。

姿势二：把条件写进配置文件

参数多的时候，用配置文件更清爽，也好归档复现。新建一个config.txt：

receptor = 1iep_receptor.pdbqt ligand = 1iep_ligand.pdbqt center_x = 15.190 center_y = 53.903 center_z = 16.917 size_x = 20 size_y = 20 size_z = 20 exhaustiveness = 32 cpu = 8 out = 1iep_ligand_vina_out.pdbqt

然后一句命令搞定：

vina --config config.txt

姿势三：切换 AutoDock4 力场，走“预生成亲和力图谱”路线

Vina 默认自带 Vina 力场，会内部算好所有图谱；但如果你想用 AutoDock4 力场（例如做水合对接），就得先让 AutoGrid4 预生成亲和力图谱：

autogrid4 -p 1iep_receptor.gpf -l 1iep_receptor.glg

然后带着图谱跑：

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

提醒：Vina 力场和 AutoDock4 力场的分数没有可比性，别拿两边的能量直接对比，那是拿苹果比橘子。

对接成绩单的读法：能量、RMSD 与“结果对不对”的判断标准

跑完只是第一步，会读结果才是关键能力。

能量怎么读：结合亲和力是负值，越负越好，但这个“好”是有上下文的。在 1iep 这个示例体系里，接近晶体构象的 pose 用 Vina 力场打分大约在 -13 kcal/mol 附近，AutoDock4 力场约 -14 kcal/mol。如果你的体系和教程一致，跑出的分数和这个量级差距很大，就该回头检查输入了。

怎么判断 pose 对没对：最硬核的办法是把对接结果和实验测定的晶体构象叠在一起算 RMSD，通常 < 2 Å 就算复现得不错。如果你有已知活性的配体或天然配体结构，先做一次“回对接”（把已知配体放回原口袋）验证流程，比盲目批量跑要靠谱得多。

结果转格式：PDBQT 不是通用格式，很多可视化软件（比如某些版本的 PyMOL）显示起来很怪。用 Meeko 转成 SDF，能保留正确的键级与形式电荷：

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

进阶玩家还可以直接调打分函数的权重，例如下面这条命令会把所有氢键的强度翻倍：

vina ... --weight_hydrogen -1.2 ...

进阶玩法一：柔性对接，让指定残基的侧链也动起来

标准对接把受体当成一尊雕像，配体在雕像表面找位置。但真实蛋白在结合时往往会有侧链“让位”，这就是柔性对接想解决的问题——允许口袋里的某几个残基侧链跟着配体一起动。

以仓库示例1fpu为例，把第 315 号苏氨酸（链 A）设为柔性残基：

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

-f A:315就是“指定柔性残基”的关键参数。这条命令会把受体拆成两个文件：

• 1fpu_receptor_rigid.pdbqt：不动的刚性部分
• 1fpu_receptor_flex.pdbqt：会动的柔性侧链

对接时把两个文件一起喂给 Vina：

vina --receptor 1fpu_receptor_rigid.pdbqt --flex 1fpu_receptor_flex.pdbqt \ --ligand 1iep_ligand.pdbqt --config 1fpu_receptor.box.txt \ --out 1fpu_ligand_flex_vina_out.pdbqt

注意：柔性残基数量不要贪多，侧链越多搜索空间越复杂，跑得越慢、越容易发散。详细教程在 docs/source/docking_flexible.rst。

进阶玩法二：水合对接，把水分子也摆进结合口袋

蛋白口袋里的水分子不是摆设：有些水被牢牢锁在保守位点，配体结合时未必能把它们全部挤走，这些“钉子户”水会直接影响配体怎么摆。水合对接的思路，是给配体装饰一圈可移动的“假想水”，能放得下就加分，和受体撞了就自动丢弃。

实操分三步：

1. 给配体加氢、加水，生成带水标记的 PDBQT：

scrub.py 1uw6_ligand.sdf -o 1uw6_ligandH.sdf mk_prepare_ligand.py -i 1uw6_ligandH.sdf -o 1uw6_ligand.pdbqt -w

-w是关键：告诉 Vina 配体上带有一圈显式水（W 原子）。

2. 按 AutoDock4 力场预生成亲和力图谱（水合对接是基于 AutoDock4 力场标定验证的，所以绕不开autogrid4那一步）。

3. 对接结束后，用仓库example/autodock_scripts/里的辅助脚本收尾：mapwater.py分析水分子在结果中的保留情况，dry.py去掉多余的水并重新打分。

对于片段级小分子（比如碎片药物发现场景），显式考虑水通常能明显改善构象预测。完整的套路见 docs/source/docking_hydrated.rst。

进阶玩法三：用 Python 脚本把对接升级成批量虚拟筛选流水线

单打独斗跑一个配体只是热身，真正的生产力在批量。Vina 提供 Python 绑定，让你在脚本里完成“加载受体 → 算图谱 → 对接 → 导出”的全过程。仓库里的 example/python_scripting/first_example.py 是一个极好的入门模板：

from vina import Vina v = Vina(sf_name='vina', verbosity=1) 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]) v.dock(exhaustiveness=32, n_poses=9) v.write_poses('1iep_ligand_py_out.pdbqt', n_poses=5, overwrite=True)

其中sf_name可以换成ad4或vinardo来切换力场。想换成optimize()还能做局部能量优化，用来消除手动摆放姿势里的空间冲突很顺手。

批量筛选的窍门：如果先调用compute_vina_maps()再设置配体，Vina 会把 Vina 力场定义的全部 22 种原子类型图谱一次性算好。这样不管后面的配体库里出现什么原子类型，图谱都齐了，不必逐个配体重算——这正是虚拟筛选能跑起来的关键：

import glob from vina import Vina v = Vina(sf_name='vina') v.set_receptor('receptor.pdbqt') v.compute_vina_maps(center=[15.0, 53.0, 16.0], box_size=[20, 20, 20]) for path in glob.glob('library/*.pdbqt'): v.set_ligand_from_file(path) v.dock(exhaustiveness=16, n_poses=1) v.write_poses('results/' + path.split('/')[-1], overwrite=True)

跑完把每个配体的最优得分汇总，就是一张可供排序的初筛榜单。脚本细节的逐步讲解见 docs/source/docking_python.rst。

新手高频翻车点与排查思路速查表

把社区里被问得最多的问题整理成一张速查表，遇到症状直接对号入座：

更完整的问题库在 docs/source/faq.rst，遇到罕见报错先去翻一翻，大概率能找到答案。

下一步行动指南：用好项目自带的“教材”目录

学到这，你已经不是对接小白了。接下来的成长路线，项目仓库本身就替你铺好了：

• 对照练习：example/basic_docking/solution/里放着一整套预期输出（PDBQT、图谱、日志），你跑出的结果可以直接和它对答案，这种自带参考答案的练习在开源项目里相当难得。
• 按需进阶：基础掌握后，按“柔性对接 → 水合对接 → 大环分子 → 锌金属蛋白 → 多配体”的顺序逐个攻破，每个示例都有配套文档和现成数据。
• 看源码：想知道--exhaustiveness背后到底在干什么，可以去 src/ 源码目录逛一圈，入口在 src/main/main.cpp，搜索算法在monte_carlo.cpp、quasi_newton.cpp这几个文件里。

最后给你一个可以立刻执行的小任务：克隆仓库，进入example/basic_docking/data/，照着本文的“姿势二”配好config.txt，把exhaustiveness从 8 试到 32，对比两次成绩单的差异。这一步做完，你对“搜索强度”这个概念的理解，会超过绝大多数只看教程不动手的人。

分子对接是一门实践出真知的功夫，理论看得再多，也不如亲手跑通一次对接来得踏实。打开终端，开始你的第一次 Vina 之旅吧。

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