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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
564
3.83 K
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++
892
659
Ascend Extension for PyTorch
Python
375
443
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
348
198
昇腾LLM分布式训练框架
Python
116
145
暂无简介
Dart
794
197
🎉 (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
1.36 K
775
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
268
React Native鸿蒙化仓库
JavaScript
308
359
