📚 课程目录第3章环境搭建

3、环境搭建：Linux环境、分子对接软件安装

环境搭建这件事，说白了就是给你的计算打地基。地基没打好，后面跑高通量对接就是给自己挖坑。我刚开始做高通量筛选时，在CentOS上折腾了三天才装好Vina，后来换成Ubuntu 20.04，一个小时搞定。你看，选择比努力重要。

这一节我把环境分成两层来讲：底层系统准备和上层软件安装。系统层我们主要说Linux发行版选择、CUDA/cuDNN（如果你用GPU加速）和Python环境。软件层重点讲AutoDock Vina和Schrödinger的安装，顺便提一句其他常用工具。

3.1 Linux 发行版怎么选

我个人习惯用 Ubuntu 20.04 LTS 或 Ubuntu 22.04 LTS。原因？社区活跃，apt 源全，glibc 版本够新。我在项目中遇到过 CentOS 7 上编译 Vina 时因为 gcc 版本太低（只有 4.8.5）导致 C++11 特性报错，后来换了 Ubuntu 就再也没出过这种幺蛾子。

如果你的服务器是公司统一部署的 RHEL/CentOS，那就用 CentOS 8 或 Rocky Linux 8。记住一点：glibc 版本至少 >= 2.17，gcc >= 8.0。

发行版	推荐版本	适用场景	踩坑指数
Ubuntu	20.04 / 22.04 LTS	个人工作站、GPU服务器	低
Debian	11 / 12	需要极致稳定	中（默认gcc较老）
CentOS / Rocky Linux	8 / 9	企业集群、HPC	中高（依赖epel源）

小贴士：装完系统第一件事，用 sudo apt update && sudo apt upgrade -y 把包刷新。然后装基础编译工具：build-essential, cmake, git, wget。这步省了后面肯定后悔。

3.2 Python 环境与科学计算包

高通量对接要用 Python 做批处理脚本。我建议用 Miniconda 管理 Python 环境，避免和系统 Python 打架。为什么？因为你的同事可能也需要一个独立的对接环境，conda 起一个虚拟环境就好。

# 安装 Miniconda（Linux x86_64）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
export PATH="$HOME/miniconda3/bin:$PATH"

# 创建对接专用环境
conda create -n docking python=3.9 -y
conda activate docking

# 安装常用科学计算包
conda install numpy pandas scipy matplotlib openbabel rdkit -y
pip install meeko vina # meeko用于配体准备

这里有个点要注意：OpenBabel 和 RDKit 在格式转换上各有优劣。我一般用 OpenBabel 做小分子格式互转（比如 SDF → PDBQT），用 RDKit 处理分子指纹和过滤。两个都装上，不冲突。

3.3 AutoDock Vina 安装——源码编译 vs Conda

Vina 的安装分两条路：直接拿官方编译好的二进制，或者自己从源码编译。对大部分人来说，用 conda 装更方便，但如果你需要 OpenMP 多线程加速，就得源码编译。

方式一：conda 一键安装

conda activate docking
conda install -c conda-forge autodock-vina -y

# 验证安装
vina --version
# 输出类似：AutoDock Vina 1.2.3

简单吧？但 conda 版默认是串行计算，跑高通量时比较慢。我记得有一次做10万个小分子虚拟筛选，串行跑了三天……后来改成源码编译开启 OpenMP，时间直接砍到12小时。

方式二：源码编译（推荐用这个）

# 克隆源码
git clone https://github.com/ccsb-scripps/AutoDock-Vina.git
cd AutoDock-Vina

# 编译（需要 cmake >= 3.14, gcc >= 8.0）
mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release -DENABLE_OPENMP=ON
make -j$(nproc)

# 编译好的可执行文件在 build/bin/ 下
# 复制到系统路径
sudo cp build/bin/vina /usr/local/bin/
sudo cp build/bin/vina_split /usr/local/bin/

编译时我踩过一个坑：系统 gcc 版本太老，导致 OpenMP 支持不全。那时我临时用 conda install gxx_linux-64 装了个新 gcc 来用。

避坑指南：
· 如果你用 conda 装 Vina，记得运行前设置 OMP_NUM_THREADS=1——conda 版的 OpenMP 可能有问题，多线程反而更慢。
· 我曾经在装了 intel oneAPI 的系统上编译，cmake 会优先调 icpc，结果链接出错。解决办法：显式指定 CC=gcc CXX=g++ cmake ..

3.4 Schrödinger 的安装——企业版与学术版

Schrödinger 的安装比 Vina 麻烦不少。首先你得有授权：商业版需要购买，学术版可以申请免费的“for teaching”许可。我当年读博时申请了一份学术版，有效期一年，够用。

安装步骤大致如下：

下载 SCHRODINGER_2024-1_Linux-x86_64.tar.bz2（版本号按实际来）
解压到目标目录，我习惯放在 /opt/schrodinger/
运行安装脚本
配置环境变量
激活许可（在线或离线文件）

# 解压（注意：文件可能有多个分卷）
cat SCHRODINGER_2024-1_Linux-x86_64.tar.bz2.* | tar -xj
mv schrodinger2024-1 /opt/schrodinger/

# 运行一次性安装脚本（会安装一些系统依赖）
cd /opt/schrodinger
./install.sh

# 添加环境变量（写入 ~/.bashrc）
export SCHRODINGER=/opt/schrodinger
export PATH=$SCHRODINGER:$SCHRODINGER/utilities:$PATH

# 安装许可
# 如果是在线激活：运行 schrodinger_license 工具
# 如果是离线文件：把 license.lic 放在 $SCHRODINGER/license/ 下

# 验证安装
ligprep -version
glide -version
# 出现版本号即成功

安装 Schrödinger 时最常出的问题是缺少 libXt 和 libXext。如果你在无图形界面的服务器上安装，还要装 libx11-dev libxt-dev 等 X11 库，因为 Schrödinger 的GUI组件在安装时会有依赖检查。我在一台 headless 服务器上装过，又加了一堆虚拟包才过。

  重要：高通量对接中 Schrödinger 的 Glide 模块是核心。确保安装后 glide -h 能正常显示帮助。如果你用 “SP” 模式进行初步筛选，记得测试能不能读出受体和配体文件。

3.5 其他常用对接工具的快速安装

除了 Vina 和 Schrödinger，你可能还会用到 smina、ADFR、LeDock。它们各有特长：smina 对 Vina 的评分函数做了改进，ADFR 用于 Autodock4 力场，LeDock 速度快但需要商业许可。我用 smina 做批量重打分比较多。

# smina 可以直接下载二进制
wget https://sourceforge.net/projects/smina/files/smina.static
chmod +x smina.static
sudo mv smina.static /usr/local/bin/smina

# 验证
smina --version

对于 ADFR，我建议用 conda 装：conda install -c bioconda adfr。但要注意 bioconda 需要先配置 conda-forge 通道。

3.6 安装验证清单——环境是否就绪？

装完所有软件后，别急着跑对接。先跑一个简洁的验证脚本，确保每个工具都能正常调用，而且并行性能符合预期。我习惯做下面几步：

检查项	命令	预期结果
Python 环境	`python -c "import numpy; print(numpy.__version__)"`	输出版本号，无报错
OpenBabel	`obabel -:CCO -opdbqt`	生成 PDBQT 格式的乙醇
Vina 二进制	`vina --help`	显示帮助信息
Vina 多线程	`vina --cpu 4 --version`	不报错，正确显示
Schrödinger Glide	`glide -h 2>&1 \| head -5`	显示 Glide 版本和用法

推荐的做法：写一个 check_env.sh 脚本，把这些检查项串起来。每次换机器、换用户、或者重新装环境，跑一遍就知道哪里有问题。别问我为什么知道……我曾经在新集群上跑了一周对接，结果发现 glibc 版本不兼容，所有结果都是 NaN，血泪教训。

3.7 小结几句话

环境搭建的核心就是版本匹配和依赖完整。Linux 选 Ubuntu 20.04 省心，Python 用 conda 隔离，Vina 编译加 OpenMP，Schrödinger 记得装 X11 库。把这些搞定了，后面高通量对接的自动化流程才能跑得顺畅。