1、Vina简介与历史：AutoDock Vina的发展历程、应用场景及版本变迁

1.1 从AutoDock到Vina：一个“意外”的进化

说到分子对接，很多人第一个想到的就是AutoDock。老版本AutoDock（4.x）用了很多年，算法稳定，但速度实在太慢。我记得2010年那会儿，跑一个中等大小的分子库，动辄要几十个小时，项目周期常常卡在对接这一步。

2011年，Dr. Oleg Trott在《Journal of Computational Chemistry》上发表了AutoDock Vina。说实话，我第一次看到那篇论文时，第一反应是“这不可能”——同样的计算资源，Vina比AutoDock快几十倍，而且精度还更高。怎么会这样？核心在于它把打分函数换成了基于经验数据的线性模型，然后用了一种叫“Iterated Local Search”的全局优化器，抛弃了AutoDock 4的遗传算法+模拟退火混合方案。

其实，更让我惊讶的是它的“开箱即用”。你不需要调什么种群大小、温度系数，几个关键参数一设，跑起来就挺稳。我个人习惯，第一次做新项目，先用Vina的默认参数试跑一遍，看看能量范和聚类情况——这能帮我快速判断体系是否正常。

1.2 核心应用场景

Vina的应用范围比我见过的其他对接程序都要宽。我总结成几个典型场景：

• 虚拟筛选：对百万级的化合物库做初筛。Vina的吞吐量高，配合CPU并行，一天筛几十万个分子很常见。
• 先导化合物优化：针对少量类似物做精确对接，分析结合模式。这时我通常会加大exhaustiveness参数（比如到32或64）来提升精度。
• 反向对接：用一个配体去“钓”潜在靶点。这个场景对打分函数的要求更高，但Vina的排序能力在同类工具里算佼佼者。
• 共价对接/Covalent对接：虽然Vina原生不支持共价键，但通过自定义残基柔性侧链或修改配体文件，也能模拟共价修饰模式。我曾经在一个激酶项目中用这个技巧找到了一个关键的共价抑制机制。

你想想看，从学术论文到药企研发，Vina几乎成了分子对接的“标准语言”。这也是为什么我选择用它的复现性作为课程主题——因为复现性出问题，后面的所有分析都可能白费。

1.3 版本变迁与关键改进

Vina的版本演进并不花哨，但每一步都踩在痛点上。我把自己用过的版本和主要变化整理成了表格：

版本	发布时间	核心改进	我的感受
Vina 1.0	2011	首次发布，支持单线程，默认exhaustiveness=8	快得惊人，但只能用一个CPU核心
Vina 1.1	2012	增加多线程支持（基于OpenMP），修正了少数打分不一致的bug	重要更新——多线程让重复运行不再变成噩梦
Vina 1.2	2020	大幅重写内核，支持GPU加速（CUDA），引入随机数种子选项，打分函数微调	复现性终于有了官方支撑
Vina 1.2.5	2022	修复了种子稳定性问题，完善了输出日志	目前我最推荐的稳定版本

另外还有一个分支叫Vina GPU（vina-gpu），它用CUDA加速，速度再提高5-10倍。但我个人建议，如果追求复现性，优先用CPU版本并固定种子。GPU版虽然快，但不同GPU型号、驱动版本都会影响结果一致性。我曾经吃过大亏——同一台机器换了张显卡，分数曲线完全变了。

1.4 为什么关注复现性？

这个问题，我每次培训都会被问到。“Vina不是每次都输出一样的结果吗？”其实未必。我拆成几点来说：

• 随机性本质：Vina的核心优化器——迭代局部搜索（ITERATED LOCAL SEARCH）——每一步都有随机重启动。如果不固定种子，每次运行相当于走不同的路径。
• 多线程不确定性：多线程下，线程调度顺序会影响浮点运算的累加结果。即使固定了种子，不同CPU核数、负载、甚至操作系统都可能引入微小差异。
• 编译选项：同样的代码，用GCC 7和GCC 12编译，浮点行为可能不一样。我建议团队统一编译环境，或者直接使用官方预编译二进制。

这一章咱们先打个底。后面的内容都围绕“怎么让Vina跑出可重复的结果”展开。下面这张图能帮你快速建立知识脉络：

检查当前版本的命令很简单：

vina --version

输出类似：

AutoDock Vina 1.2.5
Brought to you by…
License: Apache 2.0

确认版本后，就可以开始配置环境了。下一课时会讲怎么搭建一个“可复现”的Vina运行环境，包括编译选项、依赖管理和避坑指南。