AutoDock-Vina 分子对接工具入门指南
2026-02-06 05:48:57作者:彭桢灵Jeremy
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 是最快速且使用最广泛的开源对接引擎之一。它具备以下主要特性:
- 支持 AutoDock4.2 和 Vina 评分函数
- 支持多配体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
- 支持 Python 3 绑定(Linux 和 Mac)
安装方法
预编译版本安装
最简单的安装方式是使用 pip 安装 Python 绑定:
pip install -U numpy vina
Conda 环境安装
推荐使用 Conda 创建专用环境:
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
从源码构建
对于高级用户,可以从源码构建:
git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina
cd AutoDock-Vina/build/linux/release
make
使用示例
项目提供了丰富的示例文件,位于 example/ 目录下,包含:
- 基础对接示例 (
basic_docking/) - 大环分子对接 (
docking_with_macrocycles/) - 锌金属蛋白对接 (
docking_with_zinc_metalloproteins/) - 柔性对接 (
flexible_docking/) - 水合对接 (
hydrated_docking/) - Python 脚本示例 (
python_scripting/)
常见问题解决
依赖库缺失问题
如果遇到编译错误,请确保安装必要的依赖库:
# Ubuntu/Debian
sudo apt-get install build-essential libboost-all-dev swig
# macOS (使用 Homebrew)
brew install boost swig
输入文件格式问题
确保输入的 PDBQT 文件格式正确。可以参考项目提供的示例文件,确保输入文件的格式与示例文件一致。
参数设置问题
详细阅读项目文档,了解每个参数的含义和使用方法。建议先从默认参数开始,逐步调整参数值以找到最佳设置。
项目结构
AutoDock-Vina/
├── data/ # 数据文件
├── docs/ # 文档
├── example/ # 使用示例
├── src/ # 源代码
│ ├── lib/ # 库文件
│ ├── main/ # 主程序
│ └── split/ # 分割工具
└── README.md # 项目说明
通过掌握这些基础知识和技巧,您可以更好地使用 AutoDock-Vina 进行分子对接研究,为药物发现和生物信息学研究提供有力支持。
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
