分子对接总跑不出理想结果一套Imatinib实战流程帮你把AutoDock Vina用明白【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina凌晨两点你把配体丢进对接程序盯着屏幕等来的却是−4 kcal/mol的废柴分数而文献里同样的体系明明报的是−13。问题出在哪大概率不是运气而是文件没准备对。分子对接用算法预测小分子如何嵌进蛋白口袋的计算模拟里90%的失败都发生在正式对接之前。这次我们不讲空泛概念直接用抗癌药伊马替尼Imatinib与c-Abl激酶这对经典体系把AutoDock Vina免费开源的对接引擎以速度快、参数少著称从输入文件到结果解读完整走一遍每一步对应的坑都替你标出来。上图是官方给出的完整对接路线图小分子走scrub.py加氢、枚举质子化状态蛋白走reduce2.py补氢、优化侧链取向然后经 Meeko 工具统一转成 PDBQT 文件最后交给三种对接引擎之一收尾。看懂这张图你就理解了整个工作流的骨架。动手前的三个名词先花两分钟搞清楚对接圈有三个高频词读懂了再上手能少走弯路受体Receptor通常是蛋白负责接客的大分子。对接前必须补全氢原子并做质子化处理氢的位置直接决定谁有资格当氢键供体或受体。配体Ligand小分子药物候选需要从一维序列或二维结构生成合理的三维构象。对接盒子Docking Box划定配体可活动的三维空间。盒子太小漏掉活性位点太大让搜索算法大海捞针。三者合起来就是一次对接的全部输入。AutoDock Vina 的一个显著特点是只要你能把这三样准备对命令行只需要极少的参数就能跑出像样的结果。把蛋白武装成PDBQT一条命令的事对接引擎认的不是普通 PDB 文件而是 PDBQT 格式——在坐标之外额外携带原子类型和部分电荷。这个转换交给官方生态里的 Meeko 工具同时它会顺手把对接盒子的配置文件也生成好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-p生成受体 PDBQT-v配合盒子参数生成 TXT 配置和可视化用的盒子 PDB。如果你要跑 AutoDock4 力场还可以加上-g让脚本顺带产出 AutoGrid 的 GPF 文件。⚠️新手最容易栽的坑直接从 PDB 数据库下载的蛋白结构往往带着水分子、配体、离子等杂物。正式对接前用--delete_residues选项把无关成分清掉否则它们会像混进会场的闲杂人等干扰评分。配体准备为什么我劝你别用PDB格式小分子这边同样用 Meeko 转换但输入格式有讲究mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt强烈建议用 SDF 格式而非 PDB——PDB 不含键连接信息程序只能靠猜重建分子拓扑猜错的后果直接传导到旋转键定义对接结果自然离谱。另一个高频翻车点是质子化状态多一个氢、少一个氢结合能可能差出好几个 kcal/mol。如果你的初始结构没有氢先用scrub.py补上再做转换。对接盒子宁可小三分不可大一寸搜索空间的大小和对接质量是强相关的。盒子大了配体可探索的构象空间爆炸式增长固定搜索强度下找到全局最优的概率断崖式下跌。官方建议盒子刚好覆盖活性位点即可别超过 30×30×30 Å若确实需要大盒子必须同步调高--exhaustiveness默认 8可升到 32别把盒子的单位搞混——Vina 用的是埃Å不是 AutoDock4 里的格点0.375 Å。看到search space volume over 27000的警告多半就是单位错了。盒子的中心坐标一般从共结晶结构里配体的质心位置取或者用 AutoSite 这类工具自动预测。力场选择题Vina还是AutoDock4这是每个 Vina 用户都要做的一道选择题两种路线输入不同路线AVina 力场默认推荐新手无需预计算亲和图引擎内部自动算网格只需提供一个配置文件vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt --exhaustiveness32 --out 1iep_ligand_vina_out.pdbqt路线BAutoDock4 力场需要先用 AutoGrid4 预计算各原子类型的亲和图再让 Vina 直接读图autogrid4 -p 1iep_receptor.gpf -l 1iep_receptor.glg vina --ligand 1iep_ligand.pdbqt --maps 1iep_receptor --scoring ad4 \ --exhaustiveness 32 --out 1iep_ligand_ad4_out.pdbqt记住一条铁律两个力场给出的分数不可互相比较。在 Imatinib 这个例子上Vina 力场的预期最佳结合能约 −13 kcal/molAutoDock4 约 −14 kcal/mol。你只能拿同力场的不同配体横向比跨力场比分数等于拿人民币比美元还不看汇率。结果解读别只盯第一个数字跑完命令终端会输出一张姿势表mode | affinity | dist from best mode 1 -13.23 0 0 2 -11.29 0.9857 1.681看这张表有三个要点affinity结合能负值越大代表预测结合越稳通常 −6 到 −12 kcal/mol 算不错但要注意这是计算预测最终要以实验验证为准RMSD各姿势与最优姿势的空间偏离度帮助判断候选姿势是同一构象的微扰还是完全不同的结合模式结合模式把最优姿势丢进 PyMOL 或 Chimera观察配体与口袋残基的氢键、疏水接触这比单一数值信息量大得多。另外注意 Vina 的搜索是非确定性的——每次跑随机种子不同结果可能有波动。想复现用--seed固定随机数。若发现低 exhaustiveness 下姿态忽好忽坏先升到 32 再说。把结果转成 SDF 供其他软件读取时用 Meeko 的mk_export.py它靠 PDBQT 头部的 SMILES 还原正确的键序和形式电荷比 OpenBabel 靠猜可靠mk_export.py 1iep_ligand_vina_out.pdbqt -s 1iep_ligand_vina_out.sdf从单次对接走向批量筛选Python接口当配体数量从 1 变成 1000命令行就撑不住了。Vina 提供官方 Python 绑定十几行就能串起打分→优化→对接→导出全流程from vina import Vina v Vina(sf_namevina) 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]) v.dock(exhaustiveness32, n_poses20) v.write_poses(output.pdbqt, n_poses5)这段代码就是官方仓库example/python_scripting/first_example.py的精简版。批量虚拟筛选对同一受体筛大量配体还可以用命令行--batch参数一次喂多个配体文件输出自动按配体名分文件配合--dir指定目录即可。对接常见问题排雷清单把这些年社区里高频踩坑点按症状→原因整理成一张速查表症状常见原因报错can not open conf.txt文件实际叫conf.txt.txt系统隐藏了扩展名搜索空间体积超限警告把格点数当成了埃数单位混淆结果姿势与文献对不上随机性所致升 exhaustiveness 或换种子重试改了部分电荷但结果不变Vina 忽略用户电荷用自带评分函数处理静电输出姿势合理但氢原子乱正常现象Vina 用联合原子评分只对重原子敏感下一步跑通你自己的第一个对接方法讲得再多不如亲手跑一遍。克隆官方仓库里面有完整的输入文件、预期输出和全部示例脚本git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina进入example/basic_docking目录对照着solution/里的参考输出把上面五条命令依次执行一遍。跑通之后再去example/下的 flexible_docking柔性侧链对接、hydrated_docking显式水分子对接、docking_with_macrocycles大环配体这些进阶案例里逛逛——你会发现Vina 的玩法远比你想象的丰富。从今天这个案例出发你的第一个真实体系离靠谱的结果只差一套规范的输入文件。【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 分子对接总跑不出理想结果？一套Imatinib实战流程帮你把AutoDock Vina用明白
分子对接总跑不出理想结果一套Imatinib实战流程帮你把AutoDock Vina用明白【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina凌晨两点你把配体丢进对接程序盯着屏幕等来的却是−4 kcal/mol的废柴分数而文献里同样的体系明明报的是−13。问题出在哪大概率不是运气而是文件没准备对。分子对接用算法预测小分子如何嵌进蛋白口袋的计算模拟里90%的失败都发生在正式对接之前。这次我们不讲空泛概念直接用抗癌药伊马替尼Imatinib与c-Abl激酶这对经典体系把AutoDock Vina免费开源的对接引擎以速度快、参数少著称从输入文件到结果解读完整走一遍每一步对应的坑都替你标出来。上图是官方给出的完整对接路线图小分子走scrub.py加氢、枚举质子化状态蛋白走reduce2.py补氢、优化侧链取向然后经 Meeko 工具统一转成 PDBQT 文件最后交给三种对接引擎之一收尾。看懂这张图你就理解了整个工作流的骨架。动手前的三个名词先花两分钟搞清楚对接圈有三个高频词读懂了再上手能少走弯路受体Receptor通常是蛋白负责接客的大分子。对接前必须补全氢原子并做质子化处理氢的位置直接决定谁有资格当氢键供体或受体。配体Ligand小分子药物候选需要从一维序列或二维结构生成合理的三维构象。对接盒子Docking Box划定配体可活动的三维空间。盒子太小漏掉活性位点太大让搜索算法大海捞针。三者合起来就是一次对接的全部输入。AutoDock Vina 的一个显著特点是只要你能把这三样准备对命令行只需要极少的参数就能跑出像样的结果。把蛋白武装成PDBQT一条命令的事对接引擎认的不是普通 PDB 文件而是 PDBQT 格式——在坐标之外额外携带原子类型和部分电荷。这个转换交给官方生态里的 Meeko 工具同时它会顺手把对接盒子的配置文件也生成好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-p生成受体 PDBQT-v配合盒子参数生成 TXT 配置和可视化用的盒子 PDB。如果你要跑 AutoDock4 力场还可以加上-g让脚本顺带产出 AutoGrid 的 GPF 文件。⚠️新手最容易栽的坑直接从 PDB 数据库下载的蛋白结构往往带着水分子、配体、离子等杂物。正式对接前用--delete_residues选项把无关成分清掉否则它们会像混进会场的闲杂人等干扰评分。配体准备为什么我劝你别用PDB格式小分子这边同样用 Meeko 转换但输入格式有讲究mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt强烈建议用 SDF 格式而非 PDB——PDB 不含键连接信息程序只能靠猜重建分子拓扑猜错的后果直接传导到旋转键定义对接结果自然离谱。另一个高频翻车点是质子化状态多一个氢、少一个氢结合能可能差出好几个 kcal/mol。如果你的初始结构没有氢先用scrub.py补上再做转换。对接盒子宁可小三分不可大一寸搜索空间的大小和对接质量是强相关的。盒子大了配体可探索的构象空间爆炸式增长固定搜索强度下找到全局最优的概率断崖式下跌。官方建议盒子刚好覆盖活性位点即可别超过 30×30×30 Å若确实需要大盒子必须同步调高--exhaustiveness默认 8可升到 32别把盒子的单位搞混——Vina 用的是埃Å不是 AutoDock4 里的格点0.375 Å。看到search space volume over 27000的警告多半就是单位错了。盒子的中心坐标一般从共结晶结构里配体的质心位置取或者用 AutoSite 这类工具自动预测。力场选择题Vina还是AutoDock4这是每个 Vina 用户都要做的一道选择题两种路线输入不同路线AVina 力场默认推荐新手无需预计算亲和图引擎内部自动算网格只需提供一个配置文件vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt --exhaustiveness32 --out 1iep_ligand_vina_out.pdbqt路线BAutoDock4 力场需要先用 AutoGrid4 预计算各原子类型的亲和图再让 Vina 直接读图autogrid4 -p 1iep_receptor.gpf -l 1iep_receptor.glg vina --ligand 1iep_ligand.pdbqt --maps 1iep_receptor --scoring ad4 \ --exhaustiveness 32 --out 1iep_ligand_ad4_out.pdbqt记住一条铁律两个力场给出的分数不可互相比较。在 Imatinib 这个例子上Vina 力场的预期最佳结合能约 −13 kcal/molAutoDock4 约 −14 kcal/mol。你只能拿同力场的不同配体横向比跨力场比分数等于拿人民币比美元还不看汇率。结果解读别只盯第一个数字跑完命令终端会输出一张姿势表mode | affinity | dist from best mode 1 -13.23 0 0 2 -11.29 0.9857 1.681看这张表有三个要点affinity结合能负值越大代表预测结合越稳通常 −6 到 −12 kcal/mol 算不错但要注意这是计算预测最终要以实验验证为准RMSD各姿势与最优姿势的空间偏离度帮助判断候选姿势是同一构象的微扰还是完全不同的结合模式结合模式把最优姿势丢进 PyMOL 或 Chimera观察配体与口袋残基的氢键、疏水接触这比单一数值信息量大得多。另外注意 Vina 的搜索是非确定性的——每次跑随机种子不同结果可能有波动。想复现用--seed固定随机数。若发现低 exhaustiveness 下姿态忽好忽坏先升到 32 再说。把结果转成 SDF 供其他软件读取时用 Meeko 的mk_export.py它靠 PDBQT 头部的 SMILES 还原正确的键序和形式电荷比 OpenBabel 靠猜可靠mk_export.py 1iep_ligand_vina_out.pdbqt -s 1iep_ligand_vina_out.sdf从单次对接走向批量筛选Python接口当配体数量从 1 变成 1000命令行就撑不住了。Vina 提供官方 Python 绑定十几行就能串起打分→优化→对接→导出全流程from vina import Vina v Vina(sf_namevina) 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]) v.dock(exhaustiveness32, n_poses20) v.write_poses(output.pdbqt, n_poses5)这段代码就是官方仓库example/python_scripting/first_example.py的精简版。批量虚拟筛选对同一受体筛大量配体还可以用命令行--batch参数一次喂多个配体文件输出自动按配体名分文件配合--dir指定目录即可。对接常见问题排雷清单把这些年社区里高频踩坑点按症状→原因整理成一张速查表症状常见原因报错can not open conf.txt文件实际叫conf.txt.txt系统隐藏了扩展名搜索空间体积超限警告把格点数当成了埃数单位混淆结果姿势与文献对不上随机性所致升 exhaustiveness 或换种子重试改了部分电荷但结果不变Vina 忽略用户电荷用自带评分函数处理静电输出姿势合理但氢原子乱正常现象Vina 用联合原子评分只对重原子敏感下一步跑通你自己的第一个对接方法讲得再多不如亲手跑一遍。克隆官方仓库里面有完整的输入文件、预期输出和全部示例脚本git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina进入example/basic_docking目录对照着solution/里的参考输出把上面五条命令依次执行一遍。跑通之后再去example/下的 flexible_docking柔性侧链对接、hydrated_docking显式水分子对接、docking_with_macrocycles大环配体这些进阶案例里逛逛——你会发现Vina 的玩法远比你想象的丰富。从今天这个案例出发你的第一个真实体系离靠谱的结果只差一套规范的输入文件。【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考