本文へスキップ

AutoDock Vina

Forli Lab / The Scripps Research Institute

AutoDock Vinaは、VinaおよびAutoDock4.2スコアリング、複数リガンドのドッキング、マクロサイクル対応、Python 3バインディングを備えたオープンソースの分子ドッキング・バーチャルスクリーニングプログラムです。

掲載情報の更新 ·

概要

AutoDock Vinaは、分子ドッキングおよびバーチャルスクリーニングのワークフロー向けの計算ドッキングプログラムです。探索手法では、スコアリング関数と勾配ベースの配座最適化を組み合わせます。READMEでは、Dr. Oleg Trottが当初の設計者および実装者として、The Scripps Research InstituteのForli Labが現在の保守・開発担当として記載されています。これはドッキングエンジンであり、汎用AIツールキットやホスト型予測サービスではありません。

文書に記載された機能により、複数のワークフローを選択できます。ユーザーはVinaまたはAutoDock4.2のスコアリングを選択し、複数のリガンドを同時にドッキングするか、バッチモードでバーチャルスクリーニングを行えます。マクロサイクル対応と水和ドッキングプロトコルは、これらの手法を必要とする分子系向けの追加オプションです。入出力については、外部AutoDockマップの書き出しと読み込みがREADMEに明記されています。READMEにはリガンド関連のドッキング機能が挙げられていますが、出典の抜粋では分子入力形式、前処理要件、ドッキング結果のファイル形式は指定されていません。

LinuxおよびMac向けのPython 3バインディングが文書に記載されており、Pythonベースのワークフローへの統合手段となります。READMEにはインストール手順とチュートリアルへのリンクがありますが、ここではその内容は提供されていません。したがって、利用可能な根拠から確認できるのはプログラムの機能範囲であり、完全な操作手順、より広範なプラットフォーム互換性、定量的なスクリーニング性能ではありません。評価は公式チュートリアルと代表的な分子入力から始め、ドッキング結果の評価は情報源に記載された機能とは分けて扱ってください。

主な機能

  • AutoDock4.2およびVinaの両方のスコアリング関数を提供します。
  • 複数リガンドの同時ドッキングと、バッチモードによるバーチャルスクリーニングに対応します。
  • マクロサイクル分子を含むドッキングワークフローに対応します。
  • 水和ドッキングプロトコルを備えています。
  • 外部AutoDockマップの書き出しと読み込みが可能です。
  • LinuxおよびMac向けとして文書に記載されたPython 3バインディングを提供します。

用途

  • 評価案:代表的なリガンドセットを用いて、バーチャルスクリーニングワークフローの一部としてバッチモードの適用性を評価します。
  • 評価案:同一の研究入力でVinaとAutoDock4.2のスコアリングオプションを比較し、選択した設定と結果の差異を記録します。
  • 評価案:該当するオプションを必要とする分子系について、文書に記載されたマクロサイクルまたは水和ドッキング手法を検討します。
  • 評価案:LinuxまたはMacの研究ワークフローにドッキング操作を統合する際の、Python 3バインディングの適用性を評価します。

使い方

  1. 公式READMEを読み、研究に関連するドッキング機能を確認します。初期評価で単一または複数リガンドのドッキング、バッチスクリーニング、マクロサイクル、水和ドッキングのどれが必要かを決めます。
  2. インストール手順とチュートリアルを確認します。選択したインターフェースについて、文書に記載されたセットアップ方法に従ってください。出典の抜粋にはLinuxおよびMac向けのPython 3バインディングが記載されていますが、インストールコマンドは示されていません。
  3. これらのチュートリアルを参考に、代表的な評価ケースを組み立てる前に、分子の前処理要件、受け付けられる入力形式、出力の扱いを確認します。プロジェクトのREADMEの抜粋では、これらの詳細は指定されていません。
  4. VinaまたはAutoDock4.2のスコアリングを選び、該当するワークフローの文書を参照します。外部AutoDockマップが必要な場合は、その読み込みまたは書き出し手順を確認します。
  5. 評価範囲を広げる前に、代表的なケースでワークフローを評価します。設定、入力、結果の解釈を記録し、機能が利用可能であることを科学的性能の証拠とみなすのではなく、方法論的な背景についてREADMEからリンクされている論文を参照します。

関連リソース

AIDDISON Explorer

プラットフォーム

AIDDISON Explorerは、目標プロファイル、設計上の制約、予測物性、合成可能性に基づいて分子候補を生成し、順位付けするホスト型創薬プラットフォームです。

分子生成 · 創薬

Boltz

モデル

Boltz は生体分子相互作用の予測モデル群です。Boltz-2 は複合体構造と結合親和性の予測手順を提供します。

オープンソースPython

創薬

ChEMBL MCP (cyanheads) は、MCP クライアントを ChEMBL の化合物、標的、生物活性、医薬品の記録に接続し、構造検索と、オプションで DuckDB を用いた大規模な活性データセットの分析を提供します。

オープンソースTypeScript

創薬 · 科学データ

ChEMBL データとケモインフォマティクスサービスのクエリに使用する、ChEMBL グループが保守する公式 Python クライアント。QuerySet 形式のフィルター、遅延取得、ローカルでの結果キャッシュを備えています。

オープンソースPython

創薬 · 科学データ

Chemistry42

プラットフォーム

Chemistry42 は、生成的設計、逆合成、ADMET と選択性の予測、物理ベースの優先順位付けを組み合わせた小分子創薬プラットフォームで、ヒット同定とリード最適化を支援します。

分子生成 · 創薬

Datamol に基づく分子調製、類似性分析、骨格ワークフロー、コンフォマー処理を案内し、入力検証と再現性に関するガイダンスも提供する K-Dense Scientific Agent Skill。

Python

ケモインフォマティクス · 創薬

関連ガイド

エージェント

化学AIエージェント入門:チャットから研究ワークフローへ

化学および生物医学研究向けの8つのエージェントを取り上げる実践ガイドです。ツール、メモリ、計画、多エージェントの役割の仕組み、タスク別に適したプロジェクト、科学的監督のもとで限定的な自律性を評価する方法を解説します。

ワークフロー

AI創薬ツール:Agents・MCP・研究プラットフォームの選び方

ワークフローの段階に応じてツールを選択します。標的の根拠、タンパク質構造、既知の結合部位、分子生成、特性解析、スクリーニングを対象に、研究用エージェント、MCP連携、ホスト型API、プラットフォームを比較し、提案するエンドツーエンドの例と実践的な評価ゲートを示します。

ワークフロー

タンパク質・構造生物学のAIワークフロー:UniProt・RCSB PDB・Agent

タンパク質の同定情報と配列から、RCSB の構造メタデータ、観察されたリガンド接触、提案する下流候補評価まで、証拠に基づくタンパク質ワークフローを構築します。生物種、アイソフォーム、鎖、欠損データ、実験的検証について明示的に確認します。