分子对接实战：用AutoDock Vina从零跑通第一个药物结合案例的完整教程

分子对接实战：用AutoDock Vina从零跑通第一个药物结合案例的完整教程

【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina

拿到一个蛋白质的结构文件，手头还有几个候选药物分子，你想知道它们会不会结合、以什么姿势结合——这是做药物设计的人几乎都会卡在的第一步。AutoDock Vina 正是为解决这个问题而生的开源分子对接引擎：给它一个受体、一个配体和一个搜索区域，它就能预测两者最可能的结合方式并给出结合亲和力分数。本文不堆参数，也不背概念，而是带你从零开始，完整跑通一个真实案例，并学会排查最常见的报错。

AutoDock Vina 由 Scripps 研究所开发，Apache 2.0 协议开源，是当前学术界和工业界使用最广泛的对接引擎之一。它有四个特别打动我的特点：计算速度快（比老一代工具明显更省时间）、完全免费、内置 Vina 与 AutoDock4.2 两套打分函数、还支持大环分子、水合对接、批量虚拟筛选以及 Python 3 脚本调用。下面我们就一步步把它"跑起来"。

为什么我选了 AutoDock Vina 而不是别的对接软件

先别急着装软件，花两分钟想清楚"选谁"的问题。市面上能做分子对接的工具不少，但 AutoDock Vina 对新手格外友好，原因有三个：

从工作流程图里你也能看到，一次完整对接由三步组成：结构预处理 → 对接输入准备 → 对接计算与结果导出。预处理环节靠 Meeko 工具包完成，真正的计算则交给 Vina 引擎。这个分工很清晰，我们后面就按这个顺序走。

打个比方，对接就像帮两个陌生人找到最舒服的"牵手姿势"：受体是那个不太动弹的人，配体是主动凑上去的那位，Vina 负责在给定范围内反复尝试各种角度和位置，最后把"最不别扭、能量最低"的几种姿势排好队递给你。

装好三样东西，十分钟完成环境准备

在开始之前，你需要三样东西：Python 3、AutoDock Vina 本体、以及负责文件格式转换的Meeko工具包。推荐用虚拟环境安装，避免污染系统自带的 Python。

如果你用 pip，一条命令就能装齐：

pip install -U numpy scipy rdkit vina meeko gemmi prody

如果你习惯用 conda，可以专门建一个叫vina的环境：

conda create -n vina python=3 conda activate vina conda config --env --add channels conda-forge conda install -c conda-forge numpy scipy rdkit vina meeko gemmi autogrid

安装成功后，在终端输入下面三个命令，应该都能找到它们：

mk_prepare_ligand.py --help mk_prepare_receptor.py --help vina --version

然后获取官方示例数据。项目仓库里已经帮你准备好了全套输入文件、配置文件甚至预期输出，直接拿来练手：

git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina cd AutoDock-Vina

克隆下来的项目结构大致是这样，example/目录是咱们今天的"训练场"：

AutoDock-Vina/ ├── docs/ # 完整官方文档 ├── example/ # 各类对接示例 │ ├── basic_docking/ # 基础对接（本文主角） │ ├── flexible_docking/ # 柔性侧链对接 │ ├── hydrated_docking/ # 水合对接 │ └── python_scripting/ # Python 脚本示例 ├── src/ # C++ 源代码 └── data/ # 力场参数文件

第一个实战：把抗癌药分子对接到 c-Abl 蛋白里

今天我们要复现的是官方文档 docs/source/docking_basic.rst 里的经典案例：把抗癌药伊马替尼（imatinib，Gleevec）对接到 c-Abl 激酶结构域上。c-Abl 是慢性粒细胞白血病治疗的重要靶点，这个例子数据完整、结果可预期，特别适合第一次上手。

先进入示例目录：

cd example/basic_docking/data

你会看到两个文件：1iep_receptorH.pdb（含氢原子的受体）和1iep_ligand.sdf（配体 3D 结构）。所有步骤的预期输出都在solution/子目录里，跑完可以对照。

第一步：把受体收拾成 Vina 认识的格式

Vina 计算时用的是 PDBQT 格式，它比 PDB 多了原子类型和电荷信息。用 Meeko 的受体准备脚本一步到位：

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

这里每个参数都有讲究：

• -i/-o：输入输出文件；
• -p：生成受体 PDBQT 文件；
• -v：同时生成对接盒子文件（后面要用的配置文件）；
• --box_size/--box_center：以埃（Å）为单位指定搜索盒子的长宽高和中心坐标。

第二步：给配体也拍一张"证件照"

配体同样要转成 PDBQT。注意文档里有个贴心提醒：小分子尽量别用 PDB 格式当输入，因为它不含化学键连接信息，容易出错。我们用的是 SDF 格式：

mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt

做完这两步，你的目录下应该出现了1iep_receptor.pdbqt和1iep_ligand.pdbqt两个文件。

第三步：用配置文件圈出"活动场地"

对接不能在整个蛋白上瞎找，你得先圈出配体可能结合的活性口袋。刚才-v参数已经生成了一个现成的配置文件1iep_receptor.box.txt，内容长这样：

center_x = 15.190 center_y = 53.903 center_z = 16.917 size_x = 20.0 size_y = 20.0 size_z = 20.0

翻译成人话就是：以坐标 (15.190, 53.903, 16.917) 为中心，划一个 20×20×20 Å 的立方体作为搜索区域。盒子划得越小越精准，但千万别把真正的作用位点划出去。

第四步：运行对接并等待结果

材料齐了，正式开工。用 Vina 力场（默认）跑一次对接：

vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt \ --exhaustiveness 32 --out 1iep_ligand_vina_out.pdbqt

exhaustiveness是"搜得有多仔细"的旋钮，默认值是 8，改成 32 会得到更稳定的结果，代价是耗时变长。屏幕上会出现一条进度条，跑完后结果就写进了1iep_ligand_vina_out.pdbqt。

如果你的受体之前已经生成了 AutoGrid 的亲和力图（那些.map和.maps.fld文件），也可以换用 AutoDock4 打分函数，命令几乎一样，只是把输入换成 maps、加上--scoring ad4：

vina --ligand 1iep_ligand.pdbqt --maps 1iep_receptor --scoring ad4 \ --exhaustiveness 32 --out 1iep_ligand_ad4_out.pdbqt

三分钟看懂对接结果：那一串数字到底在说什么

打开终端输出，你会看到类似下面这样的表格：

mode | affinity | dist from best mode | (kcal/mol) | rmsd l.b.| rmsd u.b. -----+------------+----------+---------- 1 -13.23 0 0 2 -11.29 0.9857 1.681 3 -11.28 3.044 12.41

• mode：第几个结合构象，1 号是分数最好的；
• affinity：预测的结合亲和力，单位 kcal/mol。负值代表能结合，数值越小（负得越多）表示结合越强；
• rmsd：不同构象之间相差多大，帮你判断它们是不是同一个"姿势"的微小抖动。

按照官方文档的说明，用 Vina 力场跑这个案例，最佳分数应该在-13 kcal/mol 左右；如果刚才用的是 AutoDock4 力场，则约为-14 kcal/mol。这里有个新手常踩的坑：两套打分函数的分数不能互相比较，所以汇报结果时一定要注明用的哪套力场。

另外，想把结果拿到 PyMOL、ChimeraX 里做可视化，或者交给下游软件处理时，最好把 PDBQT 转回 SDF 格式，这样键级和电荷信息才不会丢：

mk_export.py 1iep_ligand_vina_out.pdbqt -s 1iep_ligand_vina_out.sdf

到这里，你已经完整跑通了人生第一次分子对接。接下来看看这个工具还能玩出什么花样。

四个进阶玩法：批量筛选、柔性侧链、水分子和大环

玩法一：批量虚拟筛选。手里有一堆候选分子要逐个测试时，配合配置文件循环调用即可：

for ligand_file in *.pdbqt; do vina --receptor receptor.pdbqt --ligand $ligand_file \ --config config.txt --out results_${ligand_file} done

玩法二：柔性对接。真实场景里蛋白的侧链也会动。Vina 允许你把受体拆成"刚体部分 + 柔性侧链"，在 example/flexible_docking 里就有把 Thr315 设为柔性残基的完整案例，准备受体时加一个参数：

mk_prepare_receptor.py -i 1fpu_receptorH.pdb -o 1fpu_receptor -p -v \ --box_size 20 20 20 --box_center 15.190 53.903 16.917 \ -f A:315 -a

对接时把柔性文件用--flex传进去：

vina --receptor 1fpu_receptor_rigid.pdbqt --flex 1fpu_receptor_flex.pdbqt \ --ligand 1iep_ligand.pdbqt --config ... --out ...

玩法三：水合对接。水分子有时是结合的关键"配角"。参考 example/hydrated_docking 的案例，可以在对接中显式考虑水分子的影响，流程和基础对接一致，只是输入结构里多带了水。

玩法四：大环分子。大环配体的环状骨架不能按普通可旋转键处理，Vina 从 1.2 版本起专门支持柔性大环，示例见 example/docking_with_macrocycles。

隐藏彩蛋：Python 脚本。如果你会一点 Python，example/python_scripting/first_example.py 会给你惊喜。整个对接流程十几行就能写完：

from vina import Vina v = Vina(sf_name='vina') v.set_receptor('1iep_receptor.pdbqt') v.set_ligand_from_file('1iep_ligand.pdbqt') v.compute_vina_maps(center=[15.190, 53.903, 16.917], box_size=[20, 20, 20]) print('Score before minimization: %.3f (kcal/mol)' % v.score()[0]) v.optimize() v.dock(exhaustiveness=32, n_poses=20) v.write_poses('1iep_ligand_vina_out.pdbqt', n_poses=5, overwrite=True)

这意味着你可以把对接放进自动化流程里，批量处理、批量打分，官方文档见 docs/source/docking_python.rst。

新手最容易翻车的六个坑，我替你踩过了

以下是 docs/source/faq.rst 里被问得最多的问题，加上我自己的血泪教训：

1. 报错 "can not open conf.txt"，文件明明存在？多半是文件被命名成了conf.txt.txt（系统隐藏了扩展名），或者你不在文件所在目录。用ls确认一下。
2. 提示搜索空间超过 27000 ų？这是把单位搞错了——Vina 的盒子尺寸单位是埃，不是 AutoDock4 里的"格点"（1 格点 = 0.375 Å）。
3. 对接结果不对、和教程对不上？对接算法本质是随机的，每次结果都可能略有不同。想要可复现，就在命令里手动指定同一个--seed。
4. 配体没有质子化？成功与否常常就悬在一个氢原子上。输入结构里氢的数量和位置会影响氢键供体/受体的判定，务必先检查质子化状态。
5. 用了旧教程的命令报 usage error？老版本里的--all已经被--out取代了，跟着新文档走。
6. 在集群上报 "boost thread resource" 错误？这是运行环境禁止了多线程，属于服务器配置问题，找管理员解决，不是你的命令写错了。

给你的一道动手挑战题 + 延伸阅读

理论知识到此为止，是时候自己动手了。给你留一个 15 分钟的小挑战：

把example/basic_docking/data/里的1iep_ligand.sdf换成你自己的一个小分子（比如从 PubChem 下载的 SDF），重新走一遍"受体准备 → 配体准备 → 配置盒子 → 运行对接"的流程，看看分数和姿势有什么变化。盒子中心坐标可以从原配体所在位置推测，也可以用其他口袋预测工具辅助确定。

想继续深入，官方文档都在docs/source/目录下：安装细节看 docs/source/installation.rst，基础对接看 docs/source/docking_basic.rst，柔性、水合、批量对接各有独立章节。C++ 源码在src/里，比如src/lib/scoring_function.h定义了打分函数，src/main/main.cpp是命令行入口，好奇的同学可以翻一翻。

下一期我会带大家做一次真实的虚拟筛选实战：准备一个包含几十个配体的化合物库，用 Vina 批量对接后按分数排序，并教你如何结合 RMSD 与已知活性数据评估筛选质量。

核心要点速览

分子对接是一门"越跑越熟"的手艺，最好的学习方式就是把你手头那个分子丢进 Vina 里跑一次。现在就去试试吧，跑通了记得回来对照 solution 目录，看看你离官方结果有多近。

【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina