1、Vina简介：从分子模拟到药物设计
1.1 分子对接是什么？——药物发现的“锁与钥匙”
先说说分子对接这回事。通俗点讲，就是模拟一个小分子（配体）和一个大分子（受体，通常是蛋白质）怎么“抱在一起”。药物设计里，我们管这叫锁与钥匙模型。受体是锁，配体是钥匙，只有形状、化学性质都匹配，才能结合产生药效。
但我做过几个项目后发现，现实比这复杂得多。
- 受体不是铁板一块——它会动（柔性）。
- 配体也不是刚体——它会扭转（构象变化）。
- 还有水分子、金属离子、pH环境……
分子对接软件就是为了解决这些问题，用算法估算结合模式和结合自由能。说白了，它是个计算实验，帮我们在电脑里筛出候选分子，省得每个都去实验室折腾。
1.2 AutoDock Vina 的背景故事
AutoDock Vina（简称 Vina）是 Scripps 研究所的 Oleg Trott 博士在2010年发布的。我当年第一次用 Vina 时，感觉就一个字：快。比它前辈 AutoDock4 快一个数量级，而且精度还不差。为什么？
- 开源免费：Apache 2.0 协议，随便用，改代码都行。
- 跨平台：Windows、Linux、macOS 原生跑。
- 易集成：命令行工具，给个输入、输出路径就完事了。
我记得2015年给一家药企做虚拟筛选，500万个分子，用 AutoDock4 得跑两周，换 Vina 三天就跑完了。从那以后我再也没回去用旧版。
💡 如果只是初学分子对接，Vina 是你最该装的第一套工具。别上来就整复杂的 Amber 或 GROMACS，先跑通 Vina 再说。
1.3 Vina 的核心原理
Vina 里面藏了两个关键东西：打分函数和搜索算法。
打分函数（Scoring Function）
Vina 用的是一种经验加权打分。它把结合自由能拆成几项：
- 范德华相互作用（吸引/排斥）
- 静电相互作用（电荷吸引/排斥）
- 氢键作用
- 溶剂化效应（隐含水环境）
- 扭转自由度熵损失（配体变硬了，有代价）
每个项前面有个权重，由训练集回归出来的。我踩过一个坑：当年一股脑把默认打分当 “绝对自由能”，结果和实验值差了好几个 kcal/mol。其实 Vina 打分是用来排序的，不是用来 测量 的。
搜索算法（Optimization）
Vina 用的是 Iterated Local Search (ILS)，可以理解为“随机抖动+局部调优”的循环：
- 随机生成一个配体构象和位置。
- 局部优化到最近的“谷底”。
- 对结果加一点随机扰动。
- 再局部优化，看有没有更好的。
- 重复几百上千次，最后输出 Top 结合模式。
你会问，为什么不直接用遗传算法？Vina 作者测试下来发现 ILS 在药物空间里更高效。嗯，我也这么觉得——跑过几次对比实验，同样的精度下 ILS 收敛快 30%。
关键参数：exhaustiveness（“穷举度”）控制搜索强度。默认 8，我建议至少设 16。曾经有个案例，设 8 没找到正确姿态，改到 32 才出来——多花 4 倍时间，但结果靠谱多了。
# Vina 典型调用命令
vina --receptor protein.pdbqt --ligand ligand.pdbqt \
--center_x 12.0 --center_y 5.0 --center_z 8.0 \
--size_x 20 --size_y 20 --size_z 20 \
--exhaustiveness 16 --num_modes 5 \
--out output.pdbqt1.4 Vina 在药物设计中的实际应用
Vina 出场最多的场景有三个：
| 场景 | 具体做什么 | 我的经验 |
|---|---|---|
| 虚拟高通量筛选 | 从百万级化合物库中挑出几十个候选分子 | Vina 单分子 10~30 秒，配合 Python 批量处理，一天能筛 1 万+ |
| 结合模式预测 | 验证“这个分子到底怎么跟靶点结合” | 我会同时跑三个随机种子，取排名一致的姿态才信任 |
| 先导化合物优化 | 根据打分反馈，改一改基团再看分数变化 | 但注意 Vina 对微小结构变化不敏感，我常用它做粗筛，再用自由能微扰（FEP）精筛 |
下面这张图概括了 Vina 对接的全流程：
⚠️ 注意：Vina 假定受体是刚性的——大蛋白的柔性区域（如 loop 区）完全被忽略。如果靶点有显著构象变化（如激酶 DFG-out），别指望 Vina 能正确预测。你需要提前准备多个受体构象（ensemble docking）或改用 Glide / 柔性对接。
最后说一句，Vina 虽然算法简单，但在药物设计的早期快速筛选阶段，它依然是最实用的工具之一。搭配 Python 批量任务调度和 RDKit 预处理，一套完整的虚拟筛选管线半天就能搭起来。这也是为什么本课程要用 Python 去调 Vina 的参数——自动化、可控、可复现，才是工业级做法。