AutoDock Vina 分子对接软件使用指南
2026-02-06 05:24:09作者:晏闻田Solitary
AutoDock Vina 是一款快速、开源的分子对接引擎,广泛应用于药物发现和分子识别研究。本文将详细介绍其安装方法、基本使用流程和实用技巧。
软件特性
AutoDock Vina 具有以下核心功能:
- 支持 AutoDock4.2 和 Vina 两种评分函数
- 同时对接多个配体和批量虚拟筛选
- 大环分子对接支持
- 水合对接协议
- 外部 AutoDock 地图的读写能力
- Python 3 绑定(Linux 和 Mac)
安装方法
预编译可执行文件安装
从官方发布页面下载对应操作系统和架构的预编译版本:
# 下载后赋予执行权限
chmod +x vina_1.2.6_mac_aarch64
# 验证文件类型
file vina_1.2.6_mac_aarch64
# 移动到系统路径
sudo mv vina_1.2.6_mac_aarch64 /usr/local/bin/vina
Python 绑定安装
使用 pip 安装 Python 绑定:
pip install -U numpy vina
或使用 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
pip install vina
基础使用教程
命令行使用
准备对接所需的受体和配体文件(PDBQT格式),创建配置文件指定对接参数:
# 基本对接命令
vina --config config.txt --log log.txt
Python 脚本使用
使用 Python 绑定进行分子对接:
from vina import Vina
v = Vina(sf_name='vina')
v.set_receptor('1iep_receptor.pdbqt')
v.set_ligand_from_file('1iep_ligand.pdbqt')
# 设置对接盒子中心点和大小
v.compute_vina_maps(center=[15.190, 53.903, 16.917], box_size=[20, 20, 20])
# 评分和优化
energy = v.score()
energy_minimized = v.optimize()
# 进行对接
v.dock(exhaustiveness=32, n_poses=20)
v.write_poses('output.pdbqt', n_poses=5, overwrite=True)
配置文件格式
对接配置文件包含对接盒子的几何参数:
center_x = 15.190
center_y = 53.903
center_z = 16.917
size_x = 20.000
size_y = 20.000
size_z = 20.000
实用技巧
- 初学者建议:从简单案例开始,先完成野生型蛋白的对接
- 突变研究:使用分子建模软件创建突变体,比较不同突变体的对接结果
- 参数优化:根据具体需求调整 exhaustiveness 参数平衡精度和速度
常见问题解决
若遇到权限问题,可尝试:
sudo xattr -r -d com.apple.quarantine vina_1.2.6_mac_aarch64
学习资源
项目提供了丰富的示例代码,位于 example/ 目录下,包含基本对接、柔性对接、水合对接等多个场景的完整实现。
通过掌握这些基础知识和操作流程,研究人员可以开始进行分子对接研究,并随着经验的积累逐步探索更高级的功能和应用场景。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
Python小说下载神器:一键获取番茄小说完整内容如何用md2pptx快速将Markdown文档转换为专业PPT演示文稿 📊京东评价自动化工具:用Python脚本解放双手的高效助手三步掌握Payload-Dumper-Android:革新性OTA提取工具的核心价值定位终极Obsidian模板配置指南:10个技巧打造高效个人知识库终极指南:5步解锁Rockchip RK3588全部潜力,快速上手Ubuntu 22.04操作系统WebPlotDigitizer 安装配置指南:从图像中提取数据的开源工具终极FDS入门指南:5步掌握火灾动力学模拟技巧高效获取无损音乐:跨平台FLAC音乐下载工具全解析终极指南:5步复现Spring Boot高危漏洞CVE-2016-1000027
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
177
Ascend Extension for PyTorch
Python
340
404
React Native鸿蒙化仓库
JavaScript
302
355
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++
886
596
暂无简介
Dart
770
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
140
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
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
986
247
