AutoDock Vina分子对接实战3步跑通你的第一个药物结合实验【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina你是不是也在为药物分子到底怎么和蛋白质结合而头疼面对满屏的PDB文件、力场参数、打分函数很多人第一次接触分子对接就被劝退了。别担心今天我要带你认识的 AutoDock Vina就是帮你把这件事变得像找钥匙开锁一样直观的工具——你只需要给出一把分子钥匙配体和一把分子锁受体它就会自动尝试上百万种摆放角度告诉你哪种结合方式最稳定、结合力最强。它是全球使用最广泛的开源分子对接引擎速度快、免费、跨平台而且官方贴心地准备了可以直接照抄的示例数据。读完这篇指南你就能亲手跑通第一次真实对接。上图是官方文档里的完整对接流程从配体/受体的结构预处理到用 Meeko 准备对接输入文件再到交给 Vina 计算并导出结果。别被流程吓到我们这篇指南只挑最核心的一条路走通。一句话画像给分子找钥匙想象你面前有一把结构复杂的锁蛋白质受体手里抓着一大把形状各异的钥匙候选药物分子。AutoDock Vina 干的事就是把这把锁固定好然后高速尝试每把钥匙的每一种插入角度、深度和朝向最后告诉你这把钥匙配这把锁的契合程度——也就是结合亲和力单位 kcal/mol数值越负结合越强。它不是玄学而是一套严谨的数学搜索算法在帮你做穷举。亮点速览亮点说明⚡ 速度快比经典方法快数倍自带多线程并行计算 完全免费Apache 2.0 开源协议商用无压力 能力全面支持大环分子、柔性对接、水合对接、批量虚拟筛选 可编程提供 Python 3 绑定可脚本化批量跑实验️ 跨平台macOS、Linux、WindowsWSL都能跑开跑前的检查清单在动手之前先对照检查一下你的环境缺哪项补哪项一台装有 macOS、Linux 或 Windows 子系统WSL的电脑Python 3.7 环境推荐用 conda 建独立环境避免污染系统环境准备好克隆仓库的 Git 工具一颗不怕报错、愿意多试几次的心很重要依赖不用一个个手动装一条命令全搞定下面会给出。第一次成功运行跑通基础对接我们按准备输入 → 敲命令 → 看结果的节奏来全程约 10 分钟。第 1 步获取代码与示例数据git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina cd AutoDock-Vinaexample/basic_docking/data/目录里躺着本次实验的主角受体文件1iep_receptorH.pdb抗癌药伊马替尼的靶点 c-Abl 激酶和配体文件1iep_ligand.sdf。先复制到工作目录cp -r example/basic_docking/data/* .第 2 步安装 Vina 和 Meeko 工具链AutoDock Vina 需要配合 Meeko 来准备配体和受体文件。用 pip 一条命令装齐建议先在 conda 里创建虚拟环境pip install -U numpy scipy rdkit vina meeko gemmi prody装完可以敲mk_prepare_ligand.py --help验证一下能打印帮助信息就说明装好了。第 3 步准备受体和配体文件Vina 认识的输入格式是 PDBQT带原子类型和电荷所以要先转换。先用 Meeko 生成受体文件同时让它输出一个对接盒子划定搜索区域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这条命令会生成1iep_receptor.pdbqt受体文件、1iep_receptor.box.txt对接盒子配置可以直接当 Vina 的配置文件用和一个用于可视化盒子位置的 PDB 文件。再准备配体mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt第 4 步运行对接现在万事俱备只差一条命令。--config直接吃刚才生成的box.txt不用再手敲坐标vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt \ --exhaustiveness 32 --out 1iep_ligand_vina_out.pdbqt--exhaustiveness 32表示把搜索力度从默认的 8 提高到 32本例官方示例用 32 能得到更稳定的结果代价是更慢。成功后会看到什么终端会打印出打分表和进度条大致长这样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第一行mode 1的 affinity 约 -13 kcal/mol就是最可能的结合构象。同时目录下会出现1iep_ligand_vina_out.pdbqt里面保存了所有预测的结合姿态可以用 PyMOL 或 ChimeraX 打开查看分子是怎么钻进结合口袋的。进阶玩法集锦跑通基础对接后这些进阶功能值得一试。当你想让蛋白质动起来时柔性对接真实蛋白质的侧链会随配体结合而调整Vina 允许你指定少量柔性残基。官方示例example/flexible_docking/里把 Thr315 设为柔性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这会生成1fpu_receptor_rigid.pdbqt刚性部分和1fpu_receptor_flex.pdbqt柔性侧链然后运行vina --flex 1fpu_receptor_flex.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1fpu_receptor.box.txt --out 1fpu_ligand_flex_vina_out.pdbqt当你想换打分函数时AD4 与 VinardoVina 内置三套打分函数默认是vina。想体验 AutoDock4 经典力场需先用 autogrid4 预生成亲和图或轻量级的 Vinardo只需加--scoring ad4或--scoring vinardo。注意不同力场的分数不能互相比较。当你想自动化时Python 脚本装了vinaPython 包后example/python_scripting/first_example.py是现成的入门脚本。核心代码只有几行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(1iep_ligand_vina_out.pdbqt, n_poses5, overwriteTrue)运行python first_example.py就能批量完成打分、局部优化和对接。想批量筛选成百上千个分子虚拟筛选配--batch参数或写个循环脚本即可。踩坑记录都是前辈的血泪直接用 PDB 格式准备小分子PDB 不记录键连接关系Vina 根本没法正确识别分子拓扑。记住配体优先用 SDF 格式再转 PDBQT。忘加氢原子对接成败有时就差一个氢。官方提示你的成功有时只悬挂在一个氢原子上受体准备前务必确认氢原子完整。exhaustiveness 用默认值 8本例的伊马替尼很挑剔默认参数偶尔会找不到正确姿态直接提到 32。把不同力场的分数拿来对比AD4 的 -14 和 Vina 的 -13 不是一个体系千万别混着比会得出错误结论。在系统全局 pip 里乱装包强烈建议用 conda 单独建一个vina环境避免依赖冲突参考docs/source/installation.rst。性能与体验优化CPU 核数默认--cpu 0会自动检测全部核心。想手动控制就写--cpu 8注意低 exhaustiveness 时可能用不满所有核程序会提示。大机器上追求精度exhaustiveness越大越准但越慢批量筛选时可以先跑 8锁定候选后再用 32 精修。结果太杂乱用--num_modes控制输出姿态数量、--min_rmsd过滤过于相似的构象。想要可复现实验加--seed 固定值让随机搜索可复现写论文必备。学习路线与资源第一阶段·热身把本指南的基础对接跑两遍看懂终端输出表。第二阶段·系统学习通读官方基础教程 docs/source/docking_basic.rst然后依次挑战柔性对接 docking_flexible.rst、水合对接 docking_hydrated.rst 和大环分子 docking_macrocycle.rst。第三阶段·工程化研究 docs/source/docking_python.rst 的 Python API把重复工作脚本化。第四阶段·实战用example/里所有示例目录当题库逐个攻破再尝试用自己的真实靶点数据跑一遍。写在最后分子对接没有想象中那么高不可攀它和所有技能一样最好的老师就是动手。你现在已经握住了打开这扇门的第一把钥匙——照这篇指南跑通第一个示例你就已经跑赢了 90% 还没开始的人。下一个 10 分钟去把你的1iep_ligand_vina_out.pdbqt拖进 PyMOL 里看看那个负 13 kcal/mol 的姿态就是你亲手找到的完美钥匙。现在就去敲命令吧我在对接成功的终端面前等你【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 AutoDock Vina分子对接实战：3步跑通你的第一个药物结合实验
AutoDock Vina分子对接实战3步跑通你的第一个药物结合实验【免费下载链接】AutoDock-VinaAutoDock Vina项目地址: https://gitcode.com/gh_mirrors/au/AutoDock-Vina你是不是也在为药物分子到底怎么和蛋白质结合而头疼面对满屏的PDB文件、力场参数、打分函数很多人第一次接触分子对接就被劝退了。别担心今天我要带你认识的 AutoDock Vina就是帮你把这件事变得像找钥匙开锁一样直观的工具——你只需要给出一把分子钥匙配体和一把分子锁受体它就会自动尝试上百万种摆放角度告诉你哪种结合方式最稳定、结合力最强。它是全球使用最广泛的开源分子对接引擎速度快、免费、跨平台而且官方贴心地准备了可以直接照抄的示例数据。读完这篇指南你就能亲手跑通第一次真实对接。上图是官方文档里的完整对接流程从配体/受体的结构预处理到用 Meeko 准备对接输入文件再到交给 Vina 计算并导出结果。别被流程吓到我们这篇指南只挑最核心的一条路走通。一句话画像给分子找钥匙想象你面前有一把结构复杂的锁蛋白质受体手里抓着一大把形状各异的钥匙候选药物分子。AutoDock Vina 干的事就是把这把锁固定好然后高速尝试每把钥匙的每一种插入角度、深度和朝向最后告诉你这把钥匙配这把锁的契合程度——也就是结合亲和力单位 kcal/mol数值越负结合越强。它不是玄学而是一套严谨的数学搜索算法在帮你做穷举。亮点速览亮点说明⚡ 速度快比经典方法快数倍自带多线程并行计算 完全免费Apache 2.0 开源协议商用无压力 能力全面支持大环分子、柔性对接、水合对接、批量虚拟筛选 可编程提供 Python 3 绑定可脚本化批量跑实验️ 跨平台macOS、Linux、WindowsWSL都能跑开跑前的检查清单在动手之前先对照检查一下你的环境缺哪项补哪项一台装有 macOS、Linux 或 Windows 子系统WSL的电脑Python 3.7 环境推荐用 conda 建独立环境避免污染系统环境准备好克隆仓库的 Git 工具一颗不怕报错、愿意多试几次的心很重要依赖不用一个个手动装一条命令全搞定下面会给出。第一次成功运行跑通基础对接我们按准备输入 → 敲命令 → 看结果的节奏来全程约 10 分钟。第 1 步获取代码与示例数据git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina cd AutoDock-Vinaexample/basic_docking/data/目录里躺着本次实验的主角受体文件1iep_receptorH.pdb抗癌药伊马替尼的靶点 c-Abl 激酶和配体文件1iep_ligand.sdf。先复制到工作目录cp -r example/basic_docking/data/* .第 2 步安装 Vina 和 Meeko 工具链AutoDock Vina 需要配合 Meeko 来准备配体和受体文件。用 pip 一条命令装齐建议先在 conda 里创建虚拟环境pip install -U numpy scipy rdkit vina meeko gemmi prody装完可以敲mk_prepare_ligand.py --help验证一下能打印帮助信息就说明装好了。第 3 步准备受体和配体文件Vina 认识的输入格式是 PDBQT带原子类型和电荷所以要先转换。先用 Meeko 生成受体文件同时让它输出一个对接盒子划定搜索区域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这条命令会生成1iep_receptor.pdbqt受体文件、1iep_receptor.box.txt对接盒子配置可以直接当 Vina 的配置文件用和一个用于可视化盒子位置的 PDB 文件。再准备配体mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt第 4 步运行对接现在万事俱备只差一条命令。--config直接吃刚才生成的box.txt不用再手敲坐标vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt \ --exhaustiveness 32 --out 1iep_ligand_vina_out.pdbqt--exhaustiveness 32表示把搜索力度从默认的 8 提高到 32本例官方示例用 32 能得到更稳定的结果代价是更慢。成功后会看到什么终端会打印出打分表和进度条大致长这样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第一行mode 1的 affinity 约 -13 kcal/mol就是最可能的结合构象。同时目录下会出现1iep_ligand_vina_out.pdbqt里面保存了所有预测的结合姿态可以用 PyMOL 或 ChimeraX 打开查看分子是怎么钻进结合口袋的。进阶玩法集锦跑通基础对接后这些进阶功能值得一试。当你想让蛋白质动起来时柔性对接真实蛋白质的侧链会随配体结合而调整Vina 允许你指定少量柔性残基。官方示例example/flexible_docking/里把 Thr315 设为柔性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这会生成1fpu_receptor_rigid.pdbqt刚性部分和1fpu_receptor_flex.pdbqt柔性侧链然后运行vina --flex 1fpu_receptor_flex.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1fpu_receptor.box.txt --out 1fpu_ligand_flex_vina_out.pdbqt当你想换打分函数时AD4 与 VinardoVina 内置三套打分函数默认是vina。想体验 AutoDock4 经典力场需先用 autogrid4 预生成亲和图或轻量级的 Vinardo只需加--scoring ad4或--scoring vinardo。注意不同力场的分数不能互相比较。当你想自动化时Python 脚本装了vinaPython 包后example/python_scripting/first_example.py是现成的入门脚本。核心代码只有几行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(1iep_ligand_vina_out.pdbqt, n_poses5, overwriteTrue)运行python first_example.py就能批量完成打分、局部优化和对接。想批量筛选成百上千个分子虚拟筛选配--batch参数或写个循环脚本即可。踩坑记录都是前辈的血泪直接用 PDB 格式准备小分子PDB 不记录键连接关系Vina 根本没法正确识别分子拓扑。记住配体优先用 SDF 格式再转 PDBQT。忘加氢原子对接成败有时就差一个氢。官方提示你的成功有时只悬挂在一个氢原子上受体准备前务必确认氢原子完整。exhaustiveness 用默认值 8本例的伊马替尼很挑剔默认参数偶尔会找不到正确姿态直接提到 32。把不同力场的分数拿来对比AD4 的 -14 和 Vina 的 -13 不是一个体系千万别混着比会得出错误结论。在系统全局 pip 里乱装包强烈建议用 conda 单独建一个vina环境避免依赖冲突参考docs/source/installation.rst。性能与体验优化CPU 核数默认--cpu 0会自动检测全部核心。想手动控制就写--cpu 8注意低 exhaustiveness 时可能用不满所有核程序会提示。大机器上追求精度exhaustiveness越大越准但越慢批量筛选时可以先跑 8锁定候选后再用 32 精修。结果太杂乱用--num_modes控制输出姿态数量、--min_rmsd过滤过于相似的构象。想要可复现实验加--seed 固定值让随机搜索可复现写论文必备。学习路线与资源第一阶段·热身把本指南的基础对接跑两遍看懂终端输出表。第二阶段·系统学习通读官方基础教程 docs/source/docking_basic.rst然后依次挑战柔性对接 docking_flexible.rst、水合对接 docking_hydrated.rst 和大环分子 docking_macrocycle.rst。第三阶段·工程化研究 docs/source/docking_python.rst 的 Python API把重复工作脚本化。第四阶段·实战用example/里所有示例目录当题库逐个攻破再尝试用自己的真实靶点数据跑一遍。写在最后分子对接没有想象中那么高不可攀它和所有技能一样最好的老师就是动手。你现在已经握住了打开这扇门的第一把钥匙——照这篇指南跑通第一个示例你就已经跑赢了 90% 还没开始的人。下一个 10 分钟去把你的1iep_ligand_vina_out.pdbqt拖进 PyMOL 里看看那个负 13 kcal/mol 的姿态就是你亲手找到的完美钥匙。现在就去敲命令吧我在对接成功的终端面前等你【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