第1章：AutoDock Vina 简介——分子对接界的老黄牛

分子对接这事儿，在计算机辅助药物设计里算是个基本功。你想想看，一个候选化合物跟靶点蛋白能不能结合、怎么结合、结合得紧不紧，都得靠它来告诉咱们。在众多对接工具里，AutoDock Vina 可以说是“老少皆宜”的明星——学术界爱它开源免费，工业界爱它又快又稳。

我个人习惯把这玩意儿比喻成“老黄牛”。为什么？因为它不花哨、不出奇，但肯干活、不出错。当年我还在做虚拟筛选项目时，Vina 帮了我大忙——几百个化合物丢进去，一晚上出结果，第二天早上就能看对接模式。嗯，这种体验，我相信很多做计算的朋友都懂。

1.1 Vina 在分子对接中的地位

说白了，分子对接这个领域就像个小江湖。AutoDock 4 是老前辈，上了年纪但德高望重；Gold 和 Glide 是商业大少爷，功能全但收费贵；而我们今天聊的 Vina，就是那个“用最少的资源干最多的活”的技术宅。

为什么说它地位独特？我总结了三个“扛得住的理由”：

• 开源免费，门槛极低——不管你是高校课题组还是创业团队，都能随便用。没有 license 限制，没有点数限制。
• 计算效率高——相比 AutoDock 4，速度提升了一个数量级。我当年用单核跑 AutoDock 4，一个配体平均要 5 分钟；换成 Vina，同样机器 30 秒左右就搞定了。
• 社区活跃，工具生态成熟——从 ADT 到 PyRx，再到各种 Python 封装脚本，Vina 的上下游工具链非常完整。

1.2 Vina 的主要特点

Vina 到底有什么特别？我来拆开讲几点。这里我避过坑，所以在某些地方会说得比较直白。

1.2.1 搜索算法——蒙特卡洛 + 局部优化

Vina 用的不是传统的遗传算法，而是自己搞了一套基于随机的全局搜索，再配合 Broyden-Fletcher-Goldfarb-Shanno（BFGS）局部优化。你想想看，全局粗找 + 局部细修，这套组合拳打下来，很容易找到能量最低点。

我曾经对比过 Vina 和 AutoDock 4 对同一个体系的对接结果——AutoDock 4 给出的结合模式经常是多个簇（clusters），而 Vina 给出的模式比较集中，后处理起来舒服很多。

1.2.2 打分函数——经验式 + 半经验式

Vina 的打分函数其实是经验式和半经验式的混合体，包含立体互补性、疏水作用、氢键、旋转键熵损失等项。具体公式我不在这边展开（后面的章节会详讲），但你只需要知道一点：Vina 的打分只为了排序，不是为了预测绝对结合自由能。

1.2.3 输入输出格式——简洁到令人泪目

输入是 PDBQT，输出也是 PDBQT。你只有配体 + 受体 + 盒子参数三个文件就能跑。不像某些商业软件，配置半天还没开始算。

特性	说明
输入格式	PDBQT（受体 + 配体）
盒子定义	中心坐标 + 三个方向尺寸（单位：Å）
输出格式	PDBQT 包含多个构象 + 打分
运行参数	JSON 或纯命令行参数
并行支持	OpenMP 多核并行

1.3 Vina 与传统 AutoDock 4 的区别

很多朋友在学分子对接时，首先碰到的是 AutoDock 4，然后才是 Vina。这里我做个快速对比，省得你来回切换时摸不着头脑。

1.3.1 算法层面的差异

AutoDock 4 用拉马克遗传算法（LGA），说白了就是仿生进化那套——变异、交叉、选择。Vina 不讲那套，它用随机扰动 + 局部优化，迭代次数少得多。

我曾经在硕士阶段做课题时，用 AutoDock 4 跑一个包含 2000 个天然产物的小库，跑了一个周末还没出来，气得我直接换 Vina 重跑——3 小时全出，关键对接模式几乎一模一样。嗯，那次之后，我就成了 Vina 的铁粉。

1.3.2 速度上的差距

速度提升是顾名思义的巨大差距。我列个数据，你自己看：

指标	AutoDock 4	AutoDock Vina
平均单配体对接时间	3-8 分钟	20-60 秒
并行方式	单核	OpenMP 多核
大库虚拟筛选	基本不现实	万级化合物可接受
搜索算法	拉马克遗传算法	蒙特卡洛 + BFGS
打分函数形式	力场 + 经验校正	经验 / 半经验混合
打分值参考	结合自由能（kcal/mol）	打分值（越负越好）

1.3.3 易用性对比

AutoDock 4 需要你装 AutoDockTools（ADT），手动加氢、设盒子、调参数。Vina 虽然也需要 PDBQT 准备，但可以用 mk_prepare_ligand.py 或者 prepare_receptor4.py 脚本批量处理，或者干脆用 PyRx 这种 GUI 工具拖进去就跑。

我记得第一次用 Vina 时，配体从一个 sdf 文件转换成 pdbqt，一行命令搞定，当时就觉得“这才是现代软件该有的样子”。

1.3.4 输出信息的差异

AutoDock 4 输出的是 dlp 文件，包含非常详细的网格打分图，但解析起来麻烦。Vina 直接给出每个模式的打分和坐标，非常直白。

# Vina 输出示例（PDBQT 头部打分行）
REMARK VINA RESULT:     -9.1      0.000      0.000
REMARK VINA RESULT:     -8.7      0.500      0.600
REMARK VINA RESULT:     -8.3      1.200      1.100

上面这三行，第一列是打分，第二列是RMSD下限值，第三列是RMSD上限值。我刚开始用的时候搞不清RMSD的两列怎么用，后来才知道那是用来聚类去重的——打分支和RMSD值配合着看，能快速判断多样性。

1.4 Vina 的适用场景与局限性

最后，我想诚恳地说两句 Vina 的适用范围和它的“小脾气”。

• 虚拟筛选首选——万级到十万级化合物库，Vina 是速度与精度的极佳平衡点。
• 不适合高精度自由能预测——别指望 Vina 给出和实验值完全一致的结合自由能。它的本事在于排序，而不是预测。
• 对柔性较强的配体——Vina 对高度柔性的大分子配体（比如环肽）表现一般，因为它对内部旋转键的处理相对简化。
• 千万别忘了盒子大小——盒子设太大则没有分辨率，设太小则配体可能找不到结合位点。我吃过一次亏——盒子设得太偏，结果一个已知活性化合物全是高分但结合模式全错，折腾了一星期才反应过来是盒子没对好。