AutoDock Vina搜索范围参数设置技巧 - 第1节

1.1 软件背景：它是怎么来的

AutoDock Vina，说白了就是做分子对接的。你给一个蛋白质受体，再给一个小分子配体，它帮你算两者能不能结合、结合得紧不紧。

我最早接触这软件是2012年，那时候还在折腾AutoDock 4。后来发现Vina算得更快，精度也不差，果断切换了。到现在十多年，项目里80%的对接任务我都用Vina搞定。

它的前身是Scripps研究所开发的AutoDock系列。Vina是第二代，由Oleg Trott博士在2010年发布。核心算法用了迭代局部搜索+经验打分函数，比AutoDock 4的遗传算法快不少。

为什么用Vina？因为免费、开源、跨平台。Linux、Windows、macOS都能跑。命令行一把梭，脚本批量处理特别方便。

特性	AutoDock 4	AutoDock Vina
算法	拉马克遗传算法	迭代局部搜索
速度	慢（单次对接数分钟）	快（单次对接数十秒到数分钟）
打分函数	半经验力场	经验打分函数
操作系统	Windows/Linux/macOS	全平台+命令行
并行	单核	多核（OpenMP）

1.2 应用场景：谁在用，用来干啥

Vina的应用场景很广。我简单梳理几个我碰过的实际项目——

• 药物虚拟筛选：从几十万个化合物里先筛出可能结合的先导分子。我做过一个激酶靶点筛选，跑了20万个小分子，Vina用了三天搞定。
• 蛋白-配体结合模式分析：已知某个药物有效，但不知道它怎么跟靶点结合。用Vina对接一下，看pose和关键氨基酸。
• 突变体对接：靶点蛋白出现点突变，药效变差了？把突变蛋白建模，再对接原配体，看看结合能变化。
• 逆向对接：想找一个已知药物的新靶点，把药物分子对接到多个蛋白上，找结合能低的。
• 化合物优化：已有骨架，换几个取代基，Vina算结合能，挑最优的合成。

你想想看，做药物设计的，做生物信息学的，甚至做材料模拟的，都能用上它。

1.3 基本流程：从拿到结构到出结果

Vina的基本流程不复杂。一共六个步骤，我当年踩过不少坑，这次一并说清楚。

1.3.1 准备受体文件

你需要一个蛋白质结构，通常从PDB数据库下载。但Vina要求PDBQT格式，不是原始PDB。

# 用ADT或OpenBabel准备受体
# 去掉水分子、添加氢、计算电荷、合并非极性氢
# 输出：receptor.pdbqt

避坑：我曾经直接用PDB文件跑Vina……结果报错“unrecognized atom type”。后来发现必须转成PDBQT，氢原子和原子类型都得对。

1.3.2 准备配体文件

配体分子通常来自ZINC、ChEMBL或者自己画的SDF。同样要转成PDBQT。

# 用OpenBabel转换
obabel ligand.sdf -O ligand.pdbqt --gen3d

注意：配体要加氢、分配电荷，并且设置可旋转键。Vina会在对接时自动处理柔性键。

1.3.3 定义搜索范围

这是本课程的核心——设置盒子。Vina只在这个盒子里搜索配体的位置和构象。盒子设偏了，结果全废。

# 配置文件config.txt示例
receptor = receptor.pdbqt
ligand = ligand.pdbqt
center_x = 15.0
center_y = 20.0
center_z = -5.0
size_x = 20
size_y = 20
size_z = 20
exhaustiveness = 8
num_modes = 9

1.3.4 运行对接

准备好所有文件，执行命令。

vina --config config.txt --log log.txt

Vina会自动启动多线程计算。你可以在log里看到进度。

1.3.5 分析结果

输出文件是output.pdbqt，包含多个构象（mode）。每个mode都有一个估计的自由能变（Affinity kcal/mol）。

通常选亲和力最低的那个作为最佳pose。但别只看分数，还得结合结合模式、氢键、疏水作用等综合评价。

1.3.6 批量处理

做虚拟筛选时，配体可能有几千上万个。写个shell脚本循环跑就行。

for lig in ligands/*.pdbqt; do
  vina --receptor receptor.pdbqt --ligand $lig \
       --center_x 15 --center_y 20 --center_z -5 \
       --size_x 20 --size_y 20 --size_z 20 \
       --exhaustiveness 8 --out results/$(basename $lig)
done

1.4 知识体系：一张图看懂

下面这张SVG图概括了本章的核心：Vina从背景到流程的完整脉络。你记住这张图，后续章节就会围绕搜索范围这个关键点展开。