AutoDock Vina：开源对接工具部署指南

AutoDock Vina 是 Scripps 研究所开发的免费开源对接程序，2010 年首发、2021 年发布 1.2 版。它是虚拟筛选事实上的入门标配：单个分子对接通常几秒到几十秒，评分函数简单稳健，脚本化容易，几乎所有对接教程都从它开始。

安装

# 方式一：Python 接口（推荐，便于批量脚本化）
pip install vina meeko

# 方式二：预编译二进制
# 从 GitHub ccsb-scripps/AutoDock-Vina releases 下载对应平台的包
vina --version

Vina 1.2 起原生支持多种打分函数（--scoring vina|vinardo|ad4）和 Python API。若只做批量命令行筛选，二进制版更省事；要嵌进 Python 流程，用 pip 版的 vina.Vina 类。

受体与配体准备

# 受体：补残基/去水，再转 PDBQT
python -m openmm.app  # 或用 PDBFixer 补缺失原子
mk_prepare_receptor.py -i receptor.pdb -o receptor -p   # Meeko ≥0.5

# 配体：从 SMILES 生成 3D 并转 PDBQT
mk_prepare_ligand.py -i ligand.sdf -o ligand.pdbqt

准备阶段是绝大多数错误的来源，顺序是：删水与无关杂原子 → 保留必要辅因子/金属 → 补缺失重原子（PDBFixer）→ 按目标 pH 加氢定质子化态 → 转 PDBQT。组氨酸质子化态和催化位点的水分子是否保留，往往直接改变结果。

定义盒子并对接

vina --receptor receptor.pdbqt --ligand ligand.pdbqt \
     --center_x 11.2 --center_y 23.4 --center_z -5.7 \
     --size_x 22 --size_y 22 --size_z 22 \
     --exhaustiveness 32 --num_modes 9 --seed 42 \
     --out out.pdbqt --log out.log

参数	建议值	说明
盒子中心	共晶配体质心	有共晶结构时最可靠；否则用 fpocket 等口袋检测结果
盒子尺寸	配体最长径 + 8～10 Å，常见 20～25 Å	过小切掉正确姿势，过大稀释搜索、增噪
`exhaustiveness`	初筛 8，精化 32～64	越大越稳但越慢，近似线性
`seed`	显式固定	不固定则结果不可复现

先做重对接验证，再信任任何新结果

把共晶结构里的原配体取出、重新对接回去，看能否复现晶体姿势。判据是重原子 RMSD ≤ 2.0 Å；做不到就说明准备或盒子有问题，此时对新分子的结果毫无意义。这一步只花几分钟，却能挡掉大部分「跑完了但全是错的」情况。

批量筛选的脚本骨架

from vina import Vina

v = Vina(sf_name="vina", seed=42)
v.set_receptor("receptor.pdbqt")
v.compute_vina_maps(center=[11.2, 23.4, -5.7], box_size=[22, 22, 22])

for name, pdbqt in ligands:                 # 预先批量生成好的 PDBQT
    v.set_ligand_from_file(pdbqt)
    v.dock(exhaustiveness=8, n_poses=5)
    print(name, round(v.energies()[0][0], 2))   # kcal/mol，越负越好

十万级以上的库建议先用配体高效性、性质规则和指纹相似性做预过滤，再对接；对接本身可用 GNU parallel 或作业调度器横向铺开，每个进程绑一个核。

怎么读 Vina 的分数

输出单位是 kcal/mol 的估算结合自由能，越负越好；常见活性分子落在 −7 到 −11 之间，但绝对值不可当亲和力用。
评分函数天然偏好大分子和高疏水性分子。比较不同大小的分子时，看每重原子的分数（配体高效性）比看原始分数公平。
Vina 分数与实测 IC50 的相关性通常很弱（不少体系里 Pearson r 只有 0.3～0.5）。它的正确用法是粗筛排序 + 姿势假设生成，而不是排名预测。
想提升排序质量，用 Vinardo 打分、GNINA 的 CNN 重打分，或对 top 分子上 MM/GBSA、FEP 逐级精化。

上手提示

顺序永远是：准备结构 → 重对接验证（RMSD ≤ 2 Å）→ 才做新分子；
盒子中心与尺寸、质子化态是最高频的错误来源，比选打分函数重要得多；
固定 seed 与 exhaustiveness 才能复现，报告结果时把这两个参数一起写上；
把 Vina 当筛子而不是尺子：它擅长把十万缩到几百，不擅长告诉你哪个更强。

延伸资源

论文与方法背景：097《AutoDock Vina 论文精读》、098《AutoDock Vina 1.2》；打分函数的局限见 095《Docking Score》；
准备工具：214《Meeko》、215《PDBFixer》；相互作用分析：207《ProLIF》、208《PLIP》；
进阶重打分与深度学习对接：183《GNINA》、184《DiffDock》；教程见 017《AutoDock Vina 教程》。