如何快速计算分子对接盒?GetBox-PyMOL-Plugin 完整使用指南
GetBox-PyMOL-Plugin 是一款专为 PyMOL 用户设计的分子对接盒计算工具,支持 LeDock、AutoDock 和 AutoDock Vina 等主流对接软件。本文将带你轻松掌握这款插件的安装配置与核心功能,让分子对接前的准备工作变得简单高效。
📌 为什么选择 GetBox-PyMOL-Plugin?
在分子对接模拟中,精准的对接盒设置直接影响计算结果的可靠性。传统手动设置方式不仅耗时,还容易因参数偏差导致结果不准确。GetBox-PyMOL-Plugin 作为 PyMOL 的第三方插件,通过可视化操作简化了对接盒计算流程,即使是新手也能快速上手。
📸 插件功能预览
以下是插件在实际使用中的效果展示,帮助你直观了解其核心功能:
图1:对接盒自动检测功能界面

通过 Autodetect box 功能快速识别蛋白质中的配体结合位点,自动生成对接区域。
图2:手动选择残基计算对接盒

在 PyMOL 中框选目标残基后,使用 Get box from selection 功能生成自定义对接盒。
🚀 3步完成插件安装
准备工作
- 已安装 PyMOL(建议官方最新版)
- 系统中存在 Python 2.x/3.x 环境
详细安装步骤
1. 获取插件文件
从项目仓库下载插件压缩包并解压,得到 GetBox Plugin.py 文件。
2. 安装插件到 PyMOL

PyMOL 插件安装界面,选择下载的 GetBox Plugin.py 文件即可完成安装。
操作流程:
① 打开 PyMOL → 点击顶部菜单栏 Plugin → 选择 Plugin Manager
② 在弹出窗口中点击 Install New Plugin
③ 浏览并选中解压后的 GetBox Plugin.py 文件,点击 Install
3. 验证安装
重启 PyMOL 后,若菜单栏出现 GetBox Plugin 选项,则安装成功。
💡 核心功能使用教程
1. 自动检测对接盒(推荐新手)
适用于已包含配体的蛋白质结构:
- 加载 PDB 文件后,点击 GetBox Plugin → Autodetect box
- 插件会自动识别配体位置,生成覆盖配体及周围区域的对接盒
2. 手动选择区域生成对接盒
针对无配体或需自定义区域的场景:
- 在 PyMOL 中用鼠标框选目标残基(如活性口袋)
- 点击 GetBox Plugin → Get box from selection
- 可在弹出窗口调整盒子大小(Size X/Y/Z 参数)
3. 高级命令行操作(适合进阶用户)
通过 PyMOL 命令行输入指令,支持更多参数自定义,例如:
getbox selection=resi 100-150, size=20, center=(x,y,z)
📊 常见问题解决
-
Q:安装后菜单不显示?
A:重启 PyMOL 或检查 Python 环境是否与 PyMOL 兼容。 -
Q:对接盒尺寸不合理?
A:在生成结果后,通过 Advanced usage 调整 Size 参数,建议普通对接设置为 20-30 Å。
通过 GetBox-PyMOL-Plugin,你可以告别繁琐的手动计算,用更短的时间完成分子对接前的关键步骤。无论是药物设计新手还是有经验的科研人员,这款工具都能显著提升你的工作效率。立即安装体验,让分子对接流程化繁为简!
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 StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07