1、AutoDock Vina 概述：分子对接的基本概念、Vina 的历史与优势、应用场景介绍

做计算化学的人，或多或少都跟分子对接打过交道。在我刚入行那会儿，导师扔给我一个靶点蛋白，说“你去看看这个化合物能不能结合上”。我翻了三天文献，装了一堆软件，最后发现AutoDock Vina才是那个最趁手的工具。今天这一讲，咱们就来聊聊Vina到底是什么，以及它为什么能成为行业标配。

分子对接到底在干什么？

说白了，分子对接就是预测两个分子怎么“抱在一起”。一个是大分子（通常是蛋白质），一个是小分子（药物候选）。

对接的核心逻辑很简单：锁钥模型加上诱导契合。

• 锁钥模型：蛋白质有个空腔（活性位点），小分子刚好能嵌进去，就像钥匙插进锁孔。
• 诱导契合：但实际上蛋白和小分子都会变形。说白了，不是死死卡进去，而是互相适应着抱紧。

我见过不少新手把对接理解成“拼图游戏”，丢进去就能自动匹配。哪有这么容易？评分函数才是核心。Vina用的是一种基于经验势能的打分方式，把氢键、范德华力、静电作用、疏水效应全算进去，最后给个分数——分数越低，结合越牢。

举个我遇到的真实情况。有个学生拿一个已知活性化合物去对接，结果打出来50分（那套评分体系的满分大概120），他跑来问我：“老师，这分数是不是太差了？”我一看，他连活性位点都没设对，分子跑到了蛋白质背面。你想想看，方向错了，再好的算法也是白搭。

Vina的前世今生

AutoDock最早是Scripps研究所搞出来的。早期的AutoDock 4依赖拉马克遗传算法，算得慢不说，还经常陷入局部最优。我记得有一次跑一个19个可旋转键的化合物，在8核机器上跑了整整两天。

后来，Oleg Trott在2010年左右写了AutoDock Vina。这哥们做了一件极聪明的事：把全局搜索从遗传算法换成了迭代局部搜索（Iterated Local Search），加上Broyden-Fletcher-Goldfarb-Shanno（BFGS） 局部优化。结果呢？速度提升了10-50倍，精度还一点没降。

Vina的核心优势，我归纳起来就四点：

你打开Vina的命令行，瞧一眼她有多干净：

vina --receptor protein.pdbqt --ligand ligand.pdbqt --config config.txt --out out.pdbqt

对，就一行。以前用AutoDock 4要写一大段dpf文件，调一堆参数。Vina把这堆肮脏活全封装了。

Vina会用在哪？

说白了，凡是跟药物设计沾边的地方，几乎都能看到Vina的影子。

• 虚拟筛选：几十上百万个小分子库，跑一遍Vina，把分数好的挑出来送去实验验证。我在一个项目里做过140万化合物的筛选，用32核服务器跑了两天就全出结果了。
• 先导化合物优化：骨架不变，换不同的官能团，看结合模式怎么变。
• 反向对接：拿一个小分子去对接多个蛋白质靶点，找她可能误伤哪些靶点。这在早期毒性预测里特别管用。
• 酶工程：把底物对接进酶口袋，看哪些突变能提高催化活性。

关于场景，我得提醒一句：Vina不是万能药。她打分函数的参数是基于已知晶体结构拟合出来的，如果遇到全新的化学空间（比如环糊精或其他大环），她的预准确性会显著下降。