跳转到正文

AutoDock Vina

Forli Lab / The Scripps Research Institute

AutoDock Vina 是一款开源分子对接与虚拟筛选程序,提供 Vina 和 AutoDock4.2 评分、多配体对接、大环分子支持及 Python 3 绑定。

条目更新 ·

概览

AutoDock Vina 是一款用于分子对接和虚拟筛选工作流的计算对接程序。其搜索方法结合了评分函数与基于梯度的构象优化。README 将 Dr. Oleg Trott 列为该程序最初的设计者和实现者,并将 The Scripps Research Institute 的 Forli Lab 列为当前维护者和开发者。它是一款对接引擎,而非通用 AI 工具包或托管式预测服务。

文档所述功能支持多种工作流选择:用户可以选择 Vina 或 AutoDock4.2 评分,同时对接多个配体,或使用批处理模式进行虚拟筛选。大环分子支持和水合对接方案为需要这些方法的分子体系提供了额外选项。在输入/输出方面,README 明确说明可以写入和加载外部 AutoDock 网格。README 提到了与配体相关的对接功能,但来源摘录未说明分子输入格式、准备要求或对接结果文件格式。

文档说明提供适用于 Linux 和 Mac 的 Python 3 绑定,为基于 Python 的工作流提供集成途径。README 链接了安装说明和教程,但此处未提供其内容。因此,现有证据能够确认该程序的功能范围,但不足以说明完整操作流程、更广泛的平台兼容性或定量筛选性能。评估应从官方教程和有代表性的分子输入开始,并将任何对接结果评估与来源所述功能区分开来。

主要功能

  • 提供 AutoDock4.2 和 Vina 两种评分函数。
  • 支持同时对接多个配体,并支持批处理模式虚拟筛选。
  • 支持涉及大环分子的对接工作流。
  • 包含水合对接方案。
  • 可以写入和加载外部 AutoDock 网格。
  • 提供文档所述适用于 Linux 和 Mac 的 Python 3 绑定。

使用场景

  • 评估建议:使用有代表性的配体集,评估批处理模式作为虚拟筛选工作流组成部分的适用性。
  • 评估建议:使用相同的研究输入比较 Vina 和 AutoDock4.2 评分选项,并记录所选配置及结果差异。
  • 评估建议:对于需要相应选项的分子体系,探索文档所述的大环分子或水合对接方法。
  • 评估建议:评估 Python 3 绑定在 Linux 或 Mac 研究工作流中集成对接操作的适用性。

使用方式

  1. 阅读官方 README,了解与研究相关的对接功能。确定初步评估是否需要单配体或多配体对接、批量筛选、大环分子或水合对接。
  2. 查阅安装说明和教程。针对选定的接口遵循文档中的设置说明;来源摘录提到适用于 Linux 和 Mac 的 Python 3 绑定,但未提供安装命令。
  3. 参考这些教程,先确认分子准备要求、可接受的输入格式和输出处理方式,再组建有代表性的评估案例。项目 README 摘录未说明这些细节。
  4. 选择 Vina 或 AutoDock4.2 评分,并查阅相关工作流的文档。如果需要外部 AutoDock 网格,请查看有关加载或写入网格的文档流程。
  5. 先用有代表性的案例评估工作流,再扩大范围。记录设置、输入和结果解读;并查阅 README 链接的出版物以了解方法学背景,不要将功能可用性视为科学性能的证据。

相关资源

AIDDISON Explorer 是一个托管式药物发现平台,可根据目标特性要求、设计约束、预测属性和合成可行性生成并排序分子候选物。

分子生成 · 药物发现

Boltz

模型

Boltz 是生物分子相互作用预测模型家族;Boltz-2 提供复合物结构与结合亲和力预测流程。

开源Python

药物发现

ChEMBL MCP (cyanheads) 将 MCP 客户端连接到 ChEMBL 化合物、靶点、生物活性和药物记录,并支持结构搜索以及可选的 DuckDB 大型活性数据集分析。

开源TypeScript

药物发现 · 科学数据

由 ChEMBL 团队维护的官方 Python 客户端,用于查询 ChEMBL 数据和化学信息学服务,提供 QuerySet 风格的筛选器、惰性检索和本地结果缓存。

开源Python

药物发现 · 科学数据

Chemistry42 是一个小分子发现平台,将生成式设计、逆合成、ADMET 与选择性预测以及基于物理学的优先级排序结合起来,用于命中识别和先导化合物优化。

分子生成 · 药物发现

K-Dense Scientific Agent Skill,用于指导基于 Datamol 的分子制备、相似性分析、骨架工作流和构象处理,并提供输入验证与可复现性方面的指导。

Python

化学信息学 · 药物发现

相关指南

智能体

化学 AI Agent 指南:从聊天助手到自主科研工作流

一份实用指南,介绍八个化学与生物医学研究智能体:工具、记忆、规划和多智能体角色如何运作,哪些项目适合不同任务,以及如何在科学监督下评估有界自主性。

工作流

AI 药物发现工具指南:Agent、MCP 与科研平台

按工作流程阶段选择工具:靶点证据、蛋白质结构、已知结合位点、分子生成、性质分析和筛选。比较研究智能体、MCP 集成、托管 API 与平台,并参考一个拟议的端到端示例和实用评估关卡。

工作流

蛋白质与结构生物学 AI 工作流:UniProt + RCSB PDB + Agent

构建以证据为依据的蛋白质工作流:从 UniProt 身份信息和序列,到 RCSB 结构元数据、已观察到的配体接触,以及拟议的下游候选物评估;并明确检查物种、蛋白质亚型、链、缺失数据和实验验证。