【免费下载】 **AutoDock Vina 安装与配置完全指南**
2026-01-20 01:54:15作者:昌雅子Ethen
项目基础介绍
AutoDock Vina 是一个开源的分子对接程序,由Oleg Trott博士在分子图形实验室(现CCSB)设计并实现,目前由斯克里普斯研究所的Forli实验室维护与发展。它以快速的搜索性能和简便性著称,支持多配体同时对接和虚拟筛选的批处理模式,是AutoDock工具套件中的重要组件之一。项目基于Apache-2.0许可协议发布。
主要编程语言: C++, Python (Python 3的绑定),C, SWIG, Shell, Makefile, 和少量的Batchfile。
关键技术和框架
- 分子对接算法: Vina采用简单的评分函数和快速梯度优化的构象搜索策略。
- 多平台兼容: 支持Linux和Mac OS上的Python 3绑定,便于脚本化控制。
- 文件格式兼容: 使用PDBQT格式,兼容AutoDock工具的输入输出。
- 灵活配置: 不需要预计算网格图或复杂参数调整即可运行。
准备工作与详细安装步骤
系统要求
确保你的系统是Linux或Mac OS,因为官方支持这些操作系统上的Python 3绑定。
步骤一:环境准备
-
安装Git: 用于从GitHub下载项目。
sudo apt-get install git # 对于Debian/Ubuntu sudo yum install git # 对于CentOS/RHEL brew install git # 对于Mac OS -
安装必要的依赖:
- 对于大多数Linux发行版,你需要安装
python3-dev,numpy,SWIG,gcc,make。sudo apt-get install python3-dev numpy swig gcc make # Debian/Ubuntu sudo yum install python3-devel numpy swig gcc make # CentOS/RHEL brew install swig # Mac OS, if not already installed
- 对于大多数Linux发行版,你需要安装
步骤二:下载源代码
打开终端,执行以下命令来克隆AutoDock Vina的仓库到本地:
git clone https://github.com/ccsb-scripps/AutoDock-Vina.git
cd AutoDock-Vina
步骤三:编译与安装
-
配置构建环境(如果需要,根据实际情况可能不需要手动配置)
-
构建并安装Vina:
mkdir build && cd build cmake .. make sudo make install
请注意,具体cmake命令可能会因版本不同或额外依赖而需调整。
步骤四:验证安装
安装完成后,可以通过运行Vina的帮助命令来验证是否成功安装:
vina --help
这应该会显示Vina的基本使用说明,包括其选项和参数。
步骤五:环境变量(可选)
如果需要,可以将Vina的可执行路径添加到PATH环境变量中,以便在全球范围内直接调用:
echo 'export PATH=$PATH:/path/to/vina/installation/bin' >> ~/.bashrc
source ~/.bashrc
请替换/path/to/vina/installation/bin为实际的安装目录。
至此,您已成功安装并配置了AutoDock Vina,现在可以开始您的分子对接和虚拟筛选之旅。记得查阅官方文档或教程深入了解如何使用Vina进行具体的科学计算任务。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
701
4.51 K
Ascend Extension for PyTorch
Python
564
692
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
541
98
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++
957
953
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
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
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++
128
209
昇腾LLM分布式训练框架
Python
149
177
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
140
221