AutoDock简介：历史、版本演进与主要功能

我先说说AutoDock的历史。这东西最早是Scripps研究所捣鼓出来的，算算快三十年了。我第一次接触AutoDock是在研究生期间，那时候还只有命令行，连个像样的图形界面都没有。但你就想想，一个能预测小分子怎么跟蛋白质结合的工具，在那个年代已经相当牛了。

其实AutoDock的核心理念很简单：你把蛋白质当作一个刚性靶子，把小分子当灵活的弹头，模拟它们怎么锁在一起。说白了，这就是分子对接——药物筛选领域最基础也最管用的技术之一。

版本演进时间线

版本	发布时间	核心特点	我见过最多的吐槽
AutoDock 4	2007	经典版本，拉马克遗传算法，半经验结合自由能打分	依赖MGLTools，Python版本卡脖子
AutoDock Vina	2011	改用Broyden-Fletcher-Goldfarb-Shanno算法，提速10倍以上	Linux下Boost版本冲突能搞死人
AutoDock-GPU	2020	GPU并行，单张显卡能跑以前一个集群的活	CUDA版本必须严格匹配，否则直接罢工

为什么会有这么多版本？因为需求一直在变。早期做对接，大家关注的是「能不能算出来」；后来变成「能不能算得快」；现在则是「能不能在超大文库上算」。这种演变，恰恰是版本管理和依赖冲突问题的根源。你想想看，一个实验室可能同时用AutoDock 4做精细验证，用Vina做初筛，再拿GPU版跑百万量级的虚拟筛选。三个版本堆在一台机器上，光依赖就能把你折腾疯。

AutoDock 4：经典但有点倔

AutoDock 4到今天依然有大量用户。为什么？因为它稳定，慢但是准。我在项目中遇到过好几次，Vina给出的对接姿势明显不合常识，换回4.2版本重新跑一遍，结果就合理多了。

# AutoDock 4 标准命令示例
autogrid4 -p receptor.gpf -l receptor.glg
autodock4 -p dock.dpf -l dock.dlg

不过，AutoDock 4有一个硬伤——它依赖MGLTools 1.5.x，而这个工具对Python版本极度敏感。我记得帮一个学生配置环境，他用的Python 3.8，MGLTools直接报错。最后发现AutoDock 4只能跑在Python 2.7上。这种情况，我建议直接用Conda创建隔离环境：

conda create -n ad4 python=2.7
conda activate ad4
conda install -c bioconda autodock=4.2.6

AutoDock Vina：快，但依赖也麻烦

Vina的出现，让很多人第一次觉得「对接原来可以这么快」。它用全新的优化算法取代了遗传算法，同样的体系，Vina可能几秒钟就跑完了。

# Vina命令行，简洁到令人感动
vina --receptor receptor.pdbqt \
     --ligand ligand.pdbqt \
     --out output.pdbqt \
     --center_x 15.0 \
     --center_y 20.0 \
     --center_z 10.0 \
     --size_x 20 \
     --size_y 20 \
     --size_z 20 \
     --exhaustiveness 16

但是——这里有个大坑。Vina编译依赖Boost库，而Boost的版本兼容性非常娇气。我曾经耗费整整两天排查一个「段错误」问题，最后发现是系统自带的Boost 1.68跟Vina 1.2.0不匹配，换成1.65瞬间就好。

AutoDock-GPU：把GPU用起来

这个版本是我近几年用得最多的。它的设计目标很明确：支持大规模虚拟筛选。单张RTX 3090可以同时处理几万个配体，吞吐量惊人。

# GPU版编译，注意cmake参数
cmake -B build \
      -DCMAKE_CUDA_ARCHITECTURES=86 \
      -DCMAKE_BUILD_TYPE=Release
cmake --build build -j

GPU版的问题在于：CUDA工具包版本必须锁定。你用CUDA 11.8编译的二进制，放到CUDA 12.0的机器上就是跑不起来。而且NVIDIA驱动、CUDA runtime和GPU算子库之间有一堆隐式依赖。

主要功能一瞥

• 配体-受体对接：预测小分子在蛋白结合位点的最优构象和姿态
• 结合位点预测：通过网格映射和AD4_bound.dat文件，自动识别结合位点
• 半经验打分函数：使用基于物理学和经验的打分项，评估结合自由能
• 柔性对接：支持配体全柔性、部分残基侧链柔性、以及全柔性对接
• 构象簇分析：对所有对接结果做RMSD聚类，输出代表性构象
• 大规模虚拟筛选：支持脚本批量处理，GPU版本可将速度提升2-3个数量级

为什么版本锁定和依赖管理是这个课程的核心

回到一开始说的，AutoDock三个版本依赖的东西完全不同。AutoDock 4要Python 2.7和MGLTools；Vina要Boost 1.65左右；GPU版要CUDA 11.x。你把它们一起装到系统里，随时可能翻车。

我曾经有一次在服务器上同时维护三个项目：一个用AutoDock 4做基准对接，一个用Vina做重筛选，另一个用GPU版跑十亿级虚拟文库。结果每次装新版软件，都会牵连到其他项目的依赖。最后花了整整两周写了一个精细化的环境部署方案，才稳住局面。