AutoDock-Vina 分子对接工具使用指南
2026-02-06 04:25:01作者:盛欣凯Ernestine
AutoDock-Vina 是一个开源的分子对接和虚拟筛选程序,广泛应用于药物发现和生物信息学领域。它基于简单的评分函数和快速的梯度优化构象搜索,能够高效地进行分子对接。
项目概述
AutoDock-Vina 是 AutoDock Suite 中最广泛使用的对接引擎之一,具有以下核心特性:
- AutoDock4.2 和 Vina 评分函数支持
- 支持多个配体的同时对接和批量模式的虚拟筛选
- 支持大环分子对接
- 水合对接协议
- 能够写入和加载外部 AutoDock 图谱
- 提供 Python 3 绑定(Linux 和 Mac)
安装方法
预编译版本安装
最简便的安装方式是直接从项目发布页面下载预编译的可执行文件:
# 下载对应版本的可执行文件
./vina_<版本号>_<操作系统>_<架构> --help
Python 绑定安装
使用 pip 安装 Python 绑定(推荐使用虚拟环境):
pip install -U numpy vina
或者使用 Conda 环境安装:
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 sphinx sphinx_rtd_theme
pip install vina
源码编译安装
对于高级用户,可以从源码编译安装:
git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina
cd AutoDock-Vina/build/linux/release
make
基础对接教程
准备工作
在进行分子对接前,需要准备受体和配体文件:
- 受体准备:使用 Meeko 工具准备受体文件
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
- 配体准备:准备配体文件
mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt
运行对接
使用 AutoDock4 力场
vina --ligand 1iep_ligand.pdbqt --maps 1iep_receptor --scoring ad4 \
--exhaustiveness 32 --out 1iep_ligand_ad4_out.pdbqt
使用 Vina 力场
vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \
--config 1iep_receptor.box.txt \
--exhaustiveness=32 --out 1iep_ligand_vina_out.pdbqt
常见问题解决
安装问题
- 依赖库缺失:确保安装 Boost、OpenBabel 等必要依赖库
- 编译错误:检查错误信息并安装缺失的依赖
文件格式问题
- 确保输入的 PDBQT 文件格式正确
- 参考项目中的示例文件(位于 example 目录)
参数设置问题
- 详细阅读官方文档了解参数含义
- 从默认参数开始,逐步调整优化
高级功能
大环分子对接
AutoDock-Vina 支持大环分子的柔性对接,具体示例可参考 docking_with_macrocycles 目录。
锌金属蛋白对接
支持含锌金属蛋白的特殊对接处理,参见 docking_with_zinc_metalloproteins 示例。
水合对接
提供水合对接协议,详细方法参考 hydrated_docking 示例。
性能优化
- 调整
exhaustiveness参数可提高对接精度(默认值为8,建议设置为32) - 使用合适的力场:Vina、AutoDock4 或 Vinardo
- 合理设置对接盒子的大小和中心位置
通过本指南,您可以快速上手使用 AutoDock-Vina 进行分子对接实验。更多详细信息和高级用法请参考项目文档。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
650
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
487
596
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
279
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
886
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
332
387
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
937
851
暂无简介
Dart
899
215
昇腾LLM分布式训练框架
Python
141
167
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
