AutoDock Vina 分子对接实战：30 分钟跑通从配体到结合能的全流程

AutoDock Vina 分子对接实战：30 分钟跑通从配体到结合能的全流程

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

如果你正在研究"某款药物分子为什么能抑制某个疾病靶点"，或者想筛选一批候选化合物与蛋白质的结合能力，那么你迟早会被同一件事卡住：如何快速、可信地预测分子之间的结合强度。AutoDock Vina 就是为此而生的开源分子对接引擎，它以极快的速度评估配体在受体结合口袋中的上百万种摆放方式，并给出按能量排序的候选构象。本指南将带你以一条真实案例为主线，从零跑通一次完整的分子对接，并顺藤摸瓜掌握灵活对接与 Python 自动化两个进阶技能。

上图是项目自带的分子对接工作流程总览：从配体、受体的结构预处理，到 Meeko 生成 PDBQT 输入文件，再到对接计算与结果导出。我们下面的每一步都能在这张图上找到对应位置。

配钥匙之前，先想清楚这把锁长什么样

分子对接要回答的问题，可以想象成配钥匙：蛋白质的活性口袋是一把锁，候选药物是钥匙毛坯，对接算法就是替你反复试磨、找出最贴合锁芯的那把。但与现实中配钥匙不同，Vina 不需要你真把钥匙插进去——它用一套经验势能函数（力场）打分，把"锁与钥匙匹配得好不好"换算成一个数值：结合自由能（单位 kcal/mol，数值越负，结合越强）。

Vina 凭什么在同类工具里脱颖而出？三点：一是快，得益于预计算网格（把受体周围的势能预先算好，存进三维网格文件），搜索速度比传统方法快出数倍；二是全，内置三种力场（vina、vinardo、ad4），适配刚性与柔性受体、水合对接、大环分子等场景；三是轻，命令行工具简洁到一条命令就能完成对接，同时也提供 Python 绑定，方便你把它嵌入自己的筛选流程。

一句话总结定位：它是目前最容易上手、又足够专业的分子对接引擎。接下来我们不再纸上谈兵，直接用一个真实病例做完整实操。

一条主线走通：把抗癌药伊马替尼放回它的靶点口袋

我们的实验对象是经典体系：抗癌药**伊马替尼（imatinib）**与它的靶点 c-Abl 激酶（PDB 编号 1iep），后者是慢性髓性白血病治疗的关键蛋白。这个体系的示例数据已经打包在项目里，我们只需照着做即可。

第 0 步：拉代码、装工具

先获取项目源码（其中的example/目录自带全部示例数据），再安装两个核心 Python 包：

git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina cd AutoDock-Vina pip install -U numpy scipy rdkit vina meeko gemmi prody

上面这条命令做了三件事：vina是对接引擎本体；meeko负责把分子文件转换成对接专用的 PDBQT 格式；rdkit等是 meeko 的化学计算依赖。建议在虚拟环境（如 conda）中安装，避免污染系统 Python。

装完后确认命令可用：

vina --version mk_prepare_ligand.py --help

看到版本号与帮助信息，说明环境就绪。✅

第 1 步：让受体"裸体"出场（制备受体）

受体蛋白在晶体结构里往往带着杂原子和水分子，对接前要清理成标准格式。Vina 1.2 的新工具mk_prepare_receptor.py一条命令搞定：

cd example/basic_docking/data 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

逐项拆解参数：

• -i：输入的受体 PDB 文件（示例已含氢原子，H后缀即 "Hydrogen"）
• -o：输出文件名的基底，所有产物都以此为前缀
• -p：生成受体 PDBQT 文件（对接引擎真正吃的格式）
• -v：同时生成对接盒子信息，包括box.txt配置文件和可可视化的box.pdb
• --box_size与--box_center：划定搜索空间——一个边长 20 Å、中心在给定坐标的正方体，相当于告诉 Vina "钥匙只在这个锁芯区域里试"

这步会产出1iep_receptor.pdbqt和1iep_receptor.box.txt。其中box.txt是纯文本，内容如下，我们下一节直接复用它：

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 2 步：给配体"洗个澡"（制备配体）

接下来把配体 SDF 转成 PDBQT。为什么不用 PDB 格式？因为 PDB 不含键连接信息，算法无法判断哪些原子之间成键，直接会影响可旋转键的识别。SDF 则自带键级与电荷，是推荐输入：

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

输出文件1iep_ligand.pdbqt里标注了每个可旋转键的位置——Vina 在搜索时正是围绕这些键"扭动"配体，就像配钥匙时调整钥匙齿的各个角度。

第 3 步：按下对接按钮（执行计算）

受体、配体、盒子三者齐备，运行这一条命令：

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

参数说明：

• --receptor/--ligand：刚体受体与配体的 PDBQT 文件
• --config：直接引用上一步生成的盒子配置，免去手敲坐标
• --exhaustiveness 32：穷举度，衡量搜索"下多少功夫"。默认 8 足够快，但伊马替尼这种大而灵活的分子用默认值偶发找不到正确姿态，调到 32 结果更稳定（代价是耗时约翻 4 倍）
• --out：结果输出文件

命令行运行期间，你会看到进度条从 0% 走到 100%，然后打印一张结果表。终端里这几十秒的等待，背后是算法评估了海量配体姿态——这正是 Vina "极速计算"的体现。

第 4 步：读结果，只看三列

对接结束后的输出大致如下：

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 ...

三步读懂这张表：

1. mode：候选构象编号，按能量从优到劣排列，mode 1 即"最可能结合方式"
2. affinity：预测结合自由能，-13.23 kcal/mol意味着结合很强（我们这套体系的标准答案是约 -13，说明对接成功）
3. rmsd l.b./u.b.：该构象与最优构象的空间差异，单位 Å。两个值接近 0，说明它们几乎同一姿态；若其他 mode 的 RMSD 高达 10 以上，说明那是"另一种摆法"——通常只需关注最优的几个

经验法则：affinity 越负越强；同一体系多次运行 mode 1 的能量与姿态稳定，则结果可信。数值本身的意义要和同体系横向比，不要跨受体比较。

进阶一：让靶点侧链动起来（灵活对接）

前面的流程把受体当成一块"死板"的锁——这在现实中不成立：结合时，口袋里的某些氨基酸侧链会摆动来"拥抱"配体。Vina 允许你圈定少数柔性残基参与运动。

适用场景：晶体结构里口袋较窄、配体进入需要侧链让位的情况。示例是 c-Abl 的 Thr315 残基（伊马替尼耐药突变的关键位点）。

操作示例：制备受体时用-f指定柔性残基，-a忽略结构缺失部分：

cd example/flexible_docking/data 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

注意这次会生成两个受体文件：1fpu_receptor_rigid.pdbqt（刚体部分）和1fpu_receptor_flex.pdbqt（Thr315 的柔性侧链）。对接时用--flex把它们一起喂给 Vina：

vina --receptor 1fpu_receptor_rigid.pdbqt --flex 1fpu_receptor_flex.pdbqt \ --ligand 1iep_ligand.pdbqt --config 1fpu_receptor.box.txt \ --exhaustiveness 32 --out 1fpu_ligand_flex_vina_out.pdbqt

结果怎么读：结果表结构完全相同，但输出 PDBQT 里同时包含了配体姿态和柔性侧链的构象。观察 mode 1 中 Thr315 侧链的朝向，你能直观看到"侧链为配体让路"的过程。注意：引入柔性会显著增加自由度，exhaustiveness 建议同步调高，否则搜索不充分。

进阶二：从"敲命令"到"写脚本"（Python 编程对接）

当你要批量筛选上百个配体时，逐条敲命令会让人崩溃。Vina 提供了 Python 绑定，把对接变成几行可控代码。

适用场景：虚拟筛选（虚拟筛选）、自动化工作流、需要把对接嵌入机器学习管线的场合。

操作示例：项目example/python_scripting/first_example.py就是一个完整范例，核心逻辑如下：

from vina import Vina v = Vina(sf_name='vina') # 选择力场，可换 ad4 / vinardo v.set_receptor('1iep_receptor.pdbqt') # 载入受体 v.set_ligand_from_file('1iep_ligand.pdbqt') # 载入配体 v.compute_vina_maps(center=[15.190, 53.903, 16.917], box_size=[20, 20, 20]) energy = v.score() # 给当前姿态打分 print('Score: %.3f (kcal/mol)' % energy[0]) v.dock(exhaustiveness=32, n_poses=20) # 执行对接，保留 20 个构象 v.write_poses('out.pdbqt', n_poses=5) # 只写出前 5 个最优姿态

在example/python_scripting/目录下直接运行：

python first_example.py

结果怎么读：脚本会在终端打印"Score before/after minimization"两行能量，并在目录下生成1iep_ligand_minimized.pdbqt与1iep_ligand_vina_out.pdbqt。minimization 前后的差值告诉你局部优化的收益；n_poses参数控制写出的构象数量。想批量对接，只需在外层for循环里替换配体文件名即可。

进阶三：把水分子也算进账本（水合对接）

蛋白结合口袋里的水分子不是摆设：有些水被牢牢锁住，配体结合时必须与它们协同成"水桥"。默认对接忽略水，会导致片段类药物（如尼古丁，示例体系 1uw6）的评分失真。Vina 1.2 支持给配体"装饰"上可取舍的水分子。

适用场景：片段筛选（fragment-based drug discovery）、口袋中水分子保守性强的情况。

操作示例：先用scrub.py补氢，再用mk_prepare_ligand.py的-w选项挂水：

cd example/hydrated_docking/data scrub.py 1uw6_ligand.sdf -o 1uw6_ligandH.sdf mk_prepare_ligand.py -i 1uw6_ligandH.sdf -o 1uw6_ligand.pdbqt -w

随后用配套脚本mapwater.py生成水原子亲和力地图（example/autodock_scripts/目录下）：

python ../autodock_scripts/mapwater.py -r 1uw6_receptor.pdbqt -s 1uw6_receptor.W.map

结果怎么读：水合对接的结果 PDBQT 中，水分子以W原子类型出现。对比"有水/无水"两次对接的 mode 1，你会发现带水对接的构象 RMSD 通常更接近晶体结构——这就是水分子参与结合的直接证据。

避坑指南：五个高频报错与误区

1. 现象：报错Command line parse error，或提示缺少 receptor/ligand原因：参数名拼错、或忘了给搜索空间参数（center/size）。解决办法：执行vina --help核对全部参数名，务必确认--receptor、--ligand与--config（或center_x等六个参数）同时齐备。

2. 现象：配体用 PDB 格式制备后，可旋转键数量异常原因：PDB 格式不记录键连接，导致成键判断错误。解决办法：改用 SDF 输入，通过mk_prepare_ligand.py转换；这几乎是官方文档唯一强烈警告的格式陷阱。

3. 现象：--scoring ad4与--scoring vina的分数差别很大，以为算错了原因：两种力场的能量标度不同。ad4 需要先用autogrid4预计算亲和力图（--maps参数），而 vina 力场自动内部计算。两者分数不可相互比较，选一种力场后在同一体系内纵向对比。

4. 现象：用默认 exhaustiveness=8 对接大分子配体，结果每次跑都不一样原因：搜索不充分，算法陷入局部最优。解决办法：把--exhaustiveness提高到 24~32，必要时固定--seed保证可复现（--seed 42即可）。

5. 误区：以为输出目录里的.map、.glg、.fld是多余文件，顺手删掉原因：这些是 AD4 力场对接必需的网格文件与 AutoGrid 日志（.glg 是日志，.map/.fld 是势能网格）。若后续想切换--scoring ad4重跑，就得重新生成它们。建议单独归档，别与输入文件混放。

继续深挖：项目里藏着的宝藏

完成主线实验后，这些路径值得逐一打开：

• docs/source/：官方教程全集，docking_basic.rst（本指南的权威版）、docking_python.rst、docking_flexible.rst、docking_hydrated.rst分别对应我们走完的三条路线
• example/：七个实战案例，除已用的三个外，还有大环分子对接（docking_with_macrocycles/）、锌金属蛋白对接（docking_with_zinc_metalloproteins/）、多配体批量对接（mulitple_ligands_docking/）
• src/main/main.cpp：命令行参数的全部定义，--num_modes、--energy_range、--spacing等进阶参数都在这里，读完你对 Vina 的掌控会上一个台阶
• src/lib/：核心算法源码，如monte_carlo.cpp（蒙特卡洛搜索）、quasi_newton.cpp（局部优化）、ad4cache.cpp（AD4 网格缓存），想理解"快"的秘密可以到这里
• data/：原子参数文件，AD4_parameters.dat是 AD4 力场的灵魂

现在，把第一次对接留在你的终端里

回顾一下你刚才完成的旅程：理解了"对接即配钥匙"的核心思想，用三条命令把抗癌药伊马替尼放回 c-Abl 的口袋，读懂了结合能表格，又掌握了灵活侧链、Python 批处理与水分子的三个进阶玩法。你已经不是"听过分子对接"的人，而是跑通过一次完整分子对接的人。

接下来请打开终端，从git clone开始，或者直接进入example/basic_docking/data目录，把本指南的命令亲手敲一遍。看到进度条跑满、结果表打印出来的那一刻，你会明白：分子对接，真的没有想象中那么远。🚀

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