3. 输入文件准备：PDB文件、PDBQT文件、配置文件格式、文件转换工具

各位同学，咱们今天聊点实在的。

做分子对接，90%的时间其实不是在跑Vina，而是在折腾输入文件。我刚开始用Vina那会儿，就因为文件格式不对，白白浪费了三天时间。debug到最后发现，就是把PDB文件里一个原子名写错了。你说冤不冤？

所以这一章，咱们把输入文件这事彻底搞明白。

3.1 PDB文件：分子对接的起点

PDB文件，说白了就是分子的三维坐标记录。每个原子的名字、位置、连的哪个键，都写得清清楚楚。

但别高兴太早。PDB数据库里直接下载的文件，几乎不能直接拿来用。为啥？

我给大家拆开看看典型的PDB结构：

ATOM     12  N   ALA A   2       6.324   4.885 -10.243  1.00  0.00           N  
ATOM     13  CA  ALA A   2       6.211   3.458 -10.186  1.00  0.00           C  
ATOM     14  C   ALA A   2       5.303   2.859  -9.124  1.00  0.00           C  
ATOM     15  O   ALA A   2       5.079   3.458  -8.069  1.00  0.00           O  
ATOM     16  CB  ALA A   2       7.611   2.863 -10.008  1.00  0.00           C  
HETATM  176  O   HOH A 202      10.735   4.307  -4.011  1.00  0.00           O  
TER    1778      HIE A 237  
END

看到没？HETATM、TER、END，还有水分子。这些Vina都不认。

PDB文件预处理清单：

• 删除所有HETATM开头的水分子（保留配体或特殊辅因子）
• 删除所有TER、END记录
• 检查并修复缺失的侧链原子
• 处理交替位置（ALT LOC）：只保留第一个位置
• 添加氢原子（Vina需要全原子模型）

3.2 PDBQT文件：Vina专属格式

PDBQT是Vina的亲儿子格式。它把PDB文件里缺的信息全补上了——电荷、原子类型、可旋转键。

来看看PDBQT长什么样：

ATOM     12  N   ALA A   2       6.324   4.885 -10.243  1.00  0.00     0.166 N  
ATOM     13  CA  ALA A   2       6.211   3.458 -10.186  1.00  0.00     0.016 C  
ATOM     14  C   ALA A   2       5.303   2.859  -9.124  1.00  0.00     0.516 C  
ATOM     15  O   ALA A   2       5.079   3.458  -8.069  1.00  0.00    -0.516 OA
ATOM     16  CB  ALA A   2       7.611   2.863 -10.008  1.00  0.00    -0.182 C  
ATOM     17 1HB  ALA A   2       8.618   3.055  -9.994  1.00  0.00     0.060 H  
ATOM     18 2HB  ALA A   2       7.326   2.346  -9.117  1.00  0.00     0.060 H  
ATOM     19 3HB  ALA A   2       7.393   2.417 -10.951  1.00  0.00     0.060 H  
END

对比一下PDB，PDBQT多了一列：电荷。最后一列的原子类型也变了，比如OA表示羰基氧，N表示酰胺氮。

受体和配体的PDBQT区别：

你想想看，如果受体里出现了配体才有的旋转键标记，Vina会直接把整个蛋白当配体去转。算出来的结果？纯属瞎扯。

3.3 配置文件格式：写给Vina的任务清单

每次跑对接，我不想在命令行里敲一串参数。太容易出错了。

我的做法是写一个配置文件。Vina启动时直接--config config.txt，省心。

标准的配置文件长这样：

receptor = receptor.pdbqt
ligand = ligand.pdbqt
out = output.pdbqt
center_x = 15.00
center_y = 20.00
center_z = -5.00
size_x = 22
size_y = 22
size_z = 22
exhaustiveness = 8
num_modes = 9
energy_range = 3.0
cpu = 4
seed = 12345

我解释一下几个关键参数：

• center_x/y/z：对接盒子中心坐标。我习惯从原始PDB文件里读配体坐标的平均值。
• size_x/y/z：盒子边长，单位Å。一般设成配体最大尺寸的1.5倍。
• exhaustiveness：搜索深度。我一般设8-16，太快的结果不靠谱。
• num_modes：输出多少个结合构象。不设默认9个。
• seed：随机数种子。调试时固定住，结果可复现。

3.4 文件转换工具：PDB → PDBQT

手动改PDBQT？不现实。

我靠的是MGLTools的prepare_receptor4.py和prepare_ligand4.py脚本。

标准转换流程：

1. 从PDB数据库下载蛋白结构（PDB格式）
2. 删除水分子、非标准残基
3. 加氢（python prepare_receptor4.py -r protein.pdb -o protein.pdbqt -A bond_hydrogens）
4. 如果是配体，还需要检测可旋转键

具体命令示例：

# 受体
prepare_receptor4.py -r protein.pdb -o protein.pdbqt -A bond_hydrogens

# 配体（小分子）
prepare_ligand4.py -l ligand.pdb -o ligand.pdbqt -F -U nphs_lip

-F：保留原有氢原子；-U nphs_lip：给非极性氢上电荷和脂溶性原子类型。嗯，这里要注意，-U参数用不好会丢原子。我吃过亏。

3.5 知识体系结构图

我把本章的核心逻辑画成了一张图。你看完就全明白了。

看到没？流程就是一条线：从数据库下载 → 预处理 → 转换格式 → 写配置 → 开跑。哪个环节出问题，后面全白干。

3.6 实战避坑指南

最后，我把这几年碰到的文件准备相关坑写出来。

• PDB文件里残基名不标准：比如组氨酸有时写HIS，有时写HIE/HID/HIP。Vina不认。我统一用HIS。
• 配体文件里有电荷：有的数据库配体PDB文件里就带了形式电荷，比如+1。转PDBQT时电荷和原子类型会全乱。我习惯用openbabel先重做一遍电荷。
• 配置文件路径错了：路径里绝对不能有中文和空格。这是Windows用户的通病。
• 盒子太大：我见过有人把盒子设成50x50x50，小配体在里头乱飞。合理范围是配体尺寸+4~6Å。