生物信息学科学计算科研【免费下载链接】AutoDock-VinaAutoDock Vina项目地址https://gitcode.com/gh_mirrors/au/AutoDock-Vina点击查看免费下载AutoDock Vina 是当前开源分子对接领域应用最广泛的引擎之一其核心设计理念是开箱即用你只需提供分子结构并指定包含结合位点的搜索空间无需理解算法细节或手动计算网格图即可完成从单配体对接、柔性侧链对接、宏环对接、水合对接、锌金属蛋白对接到大规模虚拟筛选的完整流程。本文基于仓库内 docs/source/index.rst 所组织的完整文档体系系统梳理 AutoDock Vina 的能力边界、安装方式、核心工作流与源码级实现依据帮助你快速上手并建立可复用的对接实验方案。AutoDock Vina 是什么设计理念与核心能力AutoDock Vina 是一种交钥匙turnkey计算对接程序基于一个简单的打分函数与快速的梯度优化构象搜索实现。它最初由 Oleg Trott 博士在分子图形实验室Molecular Graphics Lab设计实现目前由美国 Scripps 研究所的 Forli 实验室维护开发源码以 Apache License 2.0 协议发布。作为 AutoDock 家族的一员它与 AutoDock4、AutoDockGPU、AutoDockFR 和 AutoDock-CrankPep 共同构成 AutoDock 套件同时也是其中应用最广泛、最成功的对接引擎之一——这主要归功于它的易用性与速度优势相对 AutoDock4 可达两个数量级的加速以及完全开源的特质详见 docs/source/introduction.rst。其设计哲学非常鲜明不要求用户理解实现细节、不要求调整晦涩的搜索参数、不要求手动聚类结果、不要求掌握四元数等高级代数知识。你唯一需要准备的是被对接分子的结构以及包含结合位点的搜索空间定义。具体表现为使用 Vina 或 Vinardo 力场时无需预计算网格图grid maps也无需为原子分配电荷Vina 会在内部完成网格计算从源码结构看这一逻辑由 src/lib/cache.cpp 与 src/lib/non_cache.cpp 中的缓存与网格模块支撑与 AutoDock 4 类似支持将受体部分侧链标记为柔性参与对接从而缓解受体刚性假设带来的局限充分利用系统多 CPU/多核并行缩短运行时间这也是其速度显著优于 AutoDock 4 的重要原因相比 AutoDock 4Vina 在结合模式预测的平均精度上也有明显提升。此外围绕 Vina 开源代码学术界衍生出一批专门化变体与改进例如改进搜索算法的 QuickVina2、允许通过界面修改打分项并更易用的 Smina、针对碳水化合物打分的 Vina-Carb、针对卤键的 VinaXB以及改进的打分函数 Vinardo。当前仓库所对应的 1.2.x 版本则进一步原生支持了宏环柔性、专用金属配位模型、显式水分子水合对接、多配体同时对接等此前仅存在于 AutoDock 4 生态中的专门化方法并新增了Python 绑定以便以编程方式访问对接引擎这些能力均在 docs/source/changes.rst 的版本记录中有明确对应。获取与安装三种途径任选AutoDock Vina 的官方文档docs/source/installation.rst明确强调Python 绑定与二进制可执行文件的安装是两套相互独立的流程——安装 Python 绑定不会附带 Vina 可执行文件反之亦然。请根据你的使用方式选择对应的安装途径。预编译可执行文件vina 与 vina_split最新发布版的预编译可执行文件通过项目 Releases 提供运行时的一般形式为./vina_版本号_操作系统_架构 --help其中随发行包提供的vina_split工具用于将多模型的 PDBQT 输出拆分为单个模型文件自 1.0 版本起--out参数始终启用并输出多模型文件拆分需借助vina_split参见 docs/source/changes.rst。Python 绑定仅 Linux 与 Mac通过 pip 安装官方建议在虚拟环境中进行以便同时安装meeko等辅助工具$ pip install -U numpy vina通过 Conda 创建专用环境安装$ conda create -n vina python3 $ conda activate vina $ conda config --env --add channels conda-forge $ conda install -c conda-forge numpy swig boost-cpp libboost sphinx sphinx_rtd_theme $ pip install vina从源码构建面向开发者非普通用户文档明确警告从源码构建不面向普通用户。开发者可按以下步骤进行安装 C 编译工具链Ubuntu/Debiansudo apt-get install build-essentialmacOS安装 Xcode 与 Command Line Tools安装 Boost 与 SWIGUbuntu/Debiansudo apt-get install libboost-all-dev swigmacOS with Homebrewbrew install boost swig克隆源码后在build/linux/release目录执行make编译二进制可能需要按环境定制 Makefile 中的 Boost 路径编译 Python 绑定则进入build/python目录先conda install -c conda-forge numpy boost-cpp swig再执行python setup.py build install。输入准备生态Meeko、AutoGrid4 与 ADFR 套件AutoDock Vina 的输入准备依赖一套配套工具文档以专门章节 docs/source/docking_requirements.rst 进行了说明。Meeko配体与受体准备的标准工具链Meeko 是 Forli 实验室开发、用于对接输入准备的 Python 包提供mk_prepare_ligand.py、mk_prepare_receptor.py、mk_export.py等命令行脚本支撑以下对接协议的输入准备柔性宏环对接、柔性对接、共价对接、反应性对接、水合对接。pip 安装方式为$ pip install -U numpy scipy rdkit vina meeko gemmi prodyConda 方式为建议 Python 3.10 以便 ProDy 互操作$ conda activate vina $ conda install python3.10 $ conda install -c conda-forge numpy scipy rdkit vina meeko gemmi autogrid $ pip install prodyAutoGrid4 与 ADFR 套件当需要以 AutoDock4 力场进行对接时必须使用 AutoGrid4 预计算各类原子类型的亲和力图。AutoGrid 可通过conda install -c conda-forge autogrid安装。ADFR 软件套件由 CCSB 的 Sanner 实验室开发则提供 ADFR、AGFR、AutoSite、AutoGrid4.2、prepare_ligand、prepare_receptor等一系列对接与周边工具并自带隔离的 Python 解释器以避免包冲突。注意文档特别提示 macOS Catalina10.15用户无法使用 ADFR 套件建议在虚拟机中运行。对接协议实操六类典型场景的完整命令仓库文档以Tutorials板块系统组织了五类可落地的对接协议docs/source/index.rst全部以命令行方式讲解可在 macOS、Linux 与 WSL 上执行。所有教程的输入与预期输出文件均存放于仓库example/目录下。1. 基础对接单配体对刚性受体以抗癌药物伊马替尼imatinibPDB 1iep对接 c-Abl 激酶域为例完整教程见 docs/source/docking_basic.rst示例文件见 example/basic_docking。准备受体生成 PDBQT 文件与对接盒子文件$ mk_prepare_receptor.py -i 1iep_receptorH.pdb -o 1iep_receptor -p -v \ --box_size 20 20 20 --box_center 15.190 53.903 16.917-p生成受体 PDBQT-v连同--box_size、--box_center生成包含盒子尺寸的 TXT 配置文件与可导入 PyMOL 可视化的盒子 PDB 文件。若使用实验结构可用--delete_residues忽略水、配体、辅因子、离子等不需要的组分。备选方案是 ADFR 套件的prepare_receptor要求输入结构已含全部氢原子可用 REDUCE 工具加氢。准备配体强烈建议使用 SDF 而非 PDB 格式因为 PDB 不含键连接信息同时务必检查分子的质子化状态$ mk_prepare_ligand.py -i 1iep_ligand.sdf -o 1iep_ligand.pdbqt可选为 AutoDock 力场生成亲和力图。重跑mk_prepare_receptor.py并加-g生成 GPF 文件再运行 AutoGrid4$ mk_prepare_receptor.py -i 1iep_receptorH.pdb -o 1iep_receptor -p -v -g \ --box_size 20 20 20 --box_center 15.190 53.903 16.917 $ autogrid4 -p 1iep_receptor.gpf -l 1iep_receptor.glg产出1iep_receptor.maps.fld网格数据文件、各原子类型的亲和力图.map、去溶剂化图d.map与静电图e.map。运行对接。伊马替尼属于较有挑战性的配体默认exhaustiveness8偶尔找不到正确构象教程建议提升至 32。使用 AutoDock4 力场$ vina --ligand 1iep_ligand.pdbqt --maps 1iep_receptor --scoring ad4 \ --exhaustiveness 32 --out 1iep_ligand_ad4_out.pdbqt使用 Vina 力场无需预计算网格图Vina 内部完成盒子参数写入 TXT 配置文件$ vina --receptor 1iep_receptor.pdbqt --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt \ --exhaustiveness32 --out 1iep_ligand_vina_out.pdbqt配置文件内容示例center_x/center_y/center_z为盒子中心size_x/size_y/size_z为各维度边长单位为 Åcenter_x 15.190 center_y 53.903 center_z 16.917 size_x 20.0 size_y 20.0 size_z 20.0也可通过--scoring vinardo切换至 Vinardo 力场。注意AutoDock 与 Vina 力场的能量分数彼此不可比。参考输出中AutoDock 力场最优分数约-14 kcal/mol-14.72Vina 力场最优约-13 kcal/mol-13.23。导出 SDF 结果。为保证正确的键序与形式电荷建议用 Meeko 的mk_export.py将 PDBQT 结果转回 SDFMeeko 将 SMILES 写入 PDBQT 文件头并用它实例化具有原始键序的 RDKit 分子$ mk_export.py 1iep_ligand_vina_out.pdbqt -s 1iep_ligand_vina_out.sdf $ mk_export.py 1iep_ligand_ad4_out.pdbqt -s 1iep_ligand_ad4_out.sdf2. 柔性对接受体侧链参与构象变化受体缺乏柔性是这类对接方法公认的最大局限而 Vina 允许对选定侧链赋予有限柔性。教程docs/source/docking_flexible.rst示例见 example/flexible_docking以 c-AblPDB 1fpu的 Thr315 为柔性残基进行交叉对接。准备受体时用-f A:315指定柔性残基-a忽略仅部分解析及与模板不匹配的残基$ mk_prepare_receptor.py -i 1fpu_receptorH.pdb -o 1fpu_receptor -p -v \ --box_size 20 20 20 --box_center 15.190 53.903 16.917 \ -f A:315 -a产出两个文件1fpu_receptor_rigid.pdbqt刚性部分与1fpu_receptor_flex.pdbqtThr315 柔性侧链。AutoDock4 力场下亲和力图只对刚性部分计算1fpu_receptor_rigid.gpf对接命令为$ vina --flex 1fpu_receptor_flex.pdbqt --ligand 1iep_ligand.pdbqt \ --maps 1fpu_receptor_rigid --scoring ad4 \ --exhaustiveness 32 --out 1fpu_ligand_flex_ad4_out.pdbqtVina 力场下则同时指定刚性与柔性受体$ vina --receptor 1fpu_receptor_rigid.pdbqt --flex 1fpu_receptor_flex.pdbqt \ --ligand 1iep_ligand.pdbqt --config 1fpu_receptor.box.txt \ --exhaustiveness 32 --out 1fpu_ligand_flex_vina_out.pdbqt输出 PDBQT 中除配体姿态外还包含 Thr315 侧链构象。参考最优分数AutoDock 力场约-14 kcal/mol-14.2Vina 力场约-12 kcal/mol-11.63。3. 多配体同时对接与批处理虚拟筛选Vina 1.2.x 支持同时对接多个配体docs/source/docking_multiple_ligands.rst示例见 example/mulitple_ligands_docking该方法可服务于片段药物设计——将结合同一靶点的片段生长或组合为更大化合物。示例体系为 PDE 与其两个抑制剂立体异构体PDB 5x72。批处理对接batch mode则与多配体同时对接不同是逐一顺序对接多个配体用于虚拟筛选docs/source/docking_in_batch.rst。其用法与单配体一致区别在于用--batch一次或多次列出所有配体并用--dir指定输出目录$ vina --receptor 1iep_receptor.pdbqt --batch ligands/1iep_ligand_1.pdbqt --batch ligands/1iep_ligand_2.pdbqt --batch ligands/1iep_ligand_3.pdbqt --config config.txt --dir poses $ vina --receptor 1iep_receptor.pdbqt --batch ligands/1iep_ligand_*.pdbqt --config config.txt --dir poses输出文件命名为配体名_out.pdbqt重名时自动添加索引避免冲突。Windows 下通配符展开需更谨慎例如使用 PowerShell 语法vina --receptor 1iep_receptor.pdbqt --batch $(ls .\ligands\*.pdbqt | % {$_.FullName}) --config config.txt --dir poses。对于多个受体的遍历Vina 目前没有内置迭代选项但可通过 shell 脚本实现#!/bin/bash for receptor in receptors/*.pdbqt; do receptor_name$(basename $receptor .pdbqt) vina --receptor $receptor --batch ligands/1iep_ligand_*.pdbqt --config config.txt --dir poses/$receptor_name done多配体同时对接的命令示例两个配体并列传给--ligand$ vina --receptor 5x72_receptor.pdbqt --ligand 5x72_ligand_p59.pdbqt 5x72_ligand_p69.pdbqt \ --config 5x72_receptor.box.txt \ --exhaustiveness32 --out 5x72_ligand_vina_out.pdbqt参考最优分数AutoDock 力场约-18 kcal/mol-17.67需综合前两组姿态才与晶体姿态良好重合Vina 力场约-19 kcal/mol-19.04最优组与其中一个异构体的晶体坐标高度重合。4. 锌金属蛋白对接AutoDock4Zn 专用力场锌金属酶是癌症、心脏病、细菌感染与阿尔茨海默病等疾病的重要治疗靶点药物分子通常通过与锌离子的配位作用结合。为此开发的 AutoDock4Zn 力场在 AutoDock4 力场基础上扩展了描述锌配位配体相互作用的专用势函数同时在能量与几何两个层面建模并基于 292 个含锌晶体复合物校准回归对接实验显示其在结合自由能估计与 RMSD 两方面均有显著提升教程见 docs/source/docking_zinc.rst示例见 example/docking_with_zinc_metalloproteins。该协议需要两个专用脚本zinc_pseudo.py与prepare_gpf4zn.py存放于 example/autodock_scripts以及特殊参数文件AD4Zn.dat仓库中位于 data/AD4Zn.dat。核心流程$ mk_prepare_receptor.py -i proteinH.pdb -o protein -p $ pythonsh script_directory/zinc_pseudo.py -r protein.pdbqt -o protein_tz.pdbqtzinc_pseudo.py在锌离子周围添加四面体锌伪原子TZ代表配体四配位配位的最优位置。随后用prepare_gpf4zn.py生成含非键成对势nbp_r_eps关键字的专用 GPF$ pythonsh script_directory/prepare_gpf4zn.py -l 1s63_ligand.pdbqt -r protein_tz.pdbqt \ -o protein_tz.gpf -p npts40,30,50 -p gridcenter18,134,-1 \ –p parameter_fileAD4Zn.dat生成的 GPF 中通过parameter_file AD4Zn.dat指定力场AutoGrid4 需在工作目录中有该文件的本地副本或用完整/相对路径指向。文档特别警告nbp_r_eps关键字的行为在 autogrid 4.2.6 与 4.2.7 之间存在变化务必使用 ADFR 套件随附的最新版 AutoGrid44.2.7.x.2019-07-11。随后执行autogrid4 -p protein_tz.gpf -l protein_tz.glg并以--scoring ad4 --maps protein_tz完成对接。参考最优分数约-13 kcal/mol-13.5且对应晶体姿态。5. 水合对接显式桥接水分子的建模生理环境中配体结合需要排开结合腔内的大部分水但少数强结合且保守的水分子应被视为靶点结构的一部分教程见 docs/source/docking_hydrated.rst示例见 example/hydrated_docking。该方法在测试中对片段类小分子如片段药物发现所用分子的结合构象预测有明显改善协议三步为① 用 dummy 原子给配体装饰一组水分子② 用修改过的 AutoGrid 图使水分子放置恰当时获得有利分数、与受体重叠时被剔除③ 对对接结果仅用保留的水分子重新打分。该协议需要用mapwater.py与dry.py两个专用脚本example/autodock_scripts。配体准备时以-w选项为片段添加显式水分子示例中为烟碱添加了 2 个水$ scrub.py 1uw6_ligand.sdf -o 1uw6_ligandH.sdf $ mk_prepare_ligand.py -i 1uw6_ligandH.sdf -o 1uw6_ligand.pdbqt -w在 AutoGrid4 计算常规亲和力图后用mapwater.py将 OA 与 HD 亲和力图组合生成额外的水图W$ autogrid4 -p 1uw6_receptor.gpf -l 1uw6_receptor.glg $ python script_directory/mapwater.py -r 1uw6_receptor.pdbqt -s 1uw6_receptor.W.map随后用--maps 1uw6_receptor --scoring ad4对接参考最优分数约-8 kcal/mol为-8.261。注意两点一是该方法用 AutoDock4 力场校准验证官方强烈不建议用水合协议配合 Vina/Vinardo 力场二是由于能量估计需要归一化该方法目前不适合虚拟筛选但不影响结构精度姿势间比较没有问题。对接结果用dry.py处理以受体剔除被排开的水分子并以 W 图将保守水排序为 STRONG/WEAK结果写入1uw6_ligand_ad4_out_DRY_SCORED.pdbqt$ python script_directory/dry.py -r 1uw6_receptor.pdbqt -m 1uw6_receptor.W.map -i 1uw6_ligand_ad4_out.pdbqt6. 宏环对接开环-假原子-闭环的柔性建模宏环分子是药物化学中的重要骨架。自 Meeko v0.3.0 起宏环默认即可柔性处理因此基础对接教程已足够用于柔性宏环对接Vina 的专用宏环协议docs/source/docking_macrocycle.rst示例见 example/docking_with_macrocycles则实现边对接边建模柔性断开环结构中的一个键得到宏环的开环形式从而解除相关扭转的耦合让扭转自由度可独立探索在断键两端各添加一个 dummy 原子其与父原子的距离等于断键键长、1-3 角也与原始几何一致对接过程中对每个 dummy 原子施加线性吸引势以恢复成键、闭合环从而在适应口袋的同时采样宏环构象代价是额外可旋转键带来的搜索复杂度上升。注意尽管 PDBQT 表示中宏环被断键并加入 dummy 原子使用 Meeko 的mk_export.py或 Python 的 RDKitMolCreate 类将对接输出转为 MOL/SDF 时会恢复正确连接性且不含 dummy 原子。Python 脚本化以编程方式驱动对接引擎Vina 1.2.x 的 Python 绑定让对接流程可以完全脚本化仓库在 docs/source/docking_python.rst 提供完整教程示例脚本为 example/python_scripting/first_example.py。完整 API 文档见 docs/source/vina.rst通过vina.vina与vina.utils模块自动生成。核心脚本流程如下from vina import Vina v Vina(sf_namevina) # 指定力场vina / ad4 / vinardo v.set_receptor(1iep_receptor.pdbqt) v.set_ligand_from_file(1iep_ligand.pdbqt) v.compute_vina_maps(center[15.190, 53.903, 16.917], box_size[20, 20, 20]) energy v.score() # 计算当前姿态能量 print(Score before minimization: %.3f (kcal/mol) % energy[0]) energy_minimized v.optimize() # 局部能量最小化 print(Score after minimization : %.3f (kcal/mol) % energy_minimized[0]) v.write_pose(1iep_ligand_minimized.pdbqt, overwriteTrue) v.dock(exhaustiveness32, n_poses20) # 执行对接 v.write_poses(1iep_ligand_vina_out.pdbqt, n_poses5, overwriteTrue)逐行要点Vina(sf_name...)同时指定力场还可设置cpu参数默认cpu0使用本机全部可用 CPUcpu1仅用单核set_receptor()可同时传入刚性受体与柔性侧链文件如v.set_receptor(1iep_rigid.pdbqt, 1iep_flex.pdbqt)compute_vina_maps()有个实用特性——若在加载配体之前调用会为 Vina 力场定义的全部 22 种原子类型计算亲和力图这对不知道配体原子类型、需要批量虚拟筛选的场景非常有用也可用set_ligand_from_string()直接以 PDBQT 字符串加载分子dock(exhaustiveness32, n_poses20)执行 32 次连续的蒙特卡洛采样并保存 20 个姿态write_poses(..., n_poses5)只写出按分数排序的前 5 个写入姿态数量还受energy_range约束——默认最多写出与最优姿态能量差小于 3 kcal/mol 的姿态该值可通过energy_range参数调大。optimize()对当前姿态做局部能量最小化常用于将配体手动放入口袋后快速消除与受体及自身的空间冲突。常用参数与常见问题速查exhaustiveness 究竟控制什么FAQdocs/source/faq.rst给出了明确的底层解释一次对接由若干从随机构象出发的独立运行组成每次运行包含一系列顺序步骤每步是随机扰动 局部优化BFGS 算法 接受/拒绝选择局部优化中的打分函数及其在位置-取向-扭转坐标下的导数求值次数由收敛等准则引导单次运行的步骤数按配体与柔性侧链的尺寸和柔性启发式确定运行次数则由exhaustiveness决定因此在并行环境中它也限制了并行度。与 AutoDock 4 不同Vina 的单次运行可产出多个结果——有希望的中间结果会被记住并自动完成合并、精炼、聚类与排序以形成最终输出。在 src/main/main.cpp 中可以看到该参数的默认值定义与解析逻辑int exhaustiveness 8;命令行--exhaustiveness的默认值为 8合法范围 1其注释明确roughly proportional to time。搜索空间尺寸的常见误区搜索空间应尽可能小但足够大越小越容易被算法充分探索但配体与柔性侧链原子不会在搜索空间外被探索一般避免超过30 × 30 × 30 Å否则应同步提高--exhaustiveness。当出现搜索空间体积超过 27000 ų的警告时多半是把 AutoDock 4 习惯的格点0.375 Å当成了埃Vina 的搜索空间尺寸单位是埃。若确实需要超大搜索空间可忽略该警告但搜索难度与耗时都会上升。姿态不正确时的排查清单包括用格点而非埃指定了盒子、配体/受体质子化不正确、单纯运气不好可换随机种子重试、打分函数最小值本身不在正确构象处、受体结构质量、诱导契合效应、环构象错误、使用了 2D 平面配体输入等。由于搜索算法具有非确定性即使输入完全相同多次运行结果也可能不同需要精确复现时应提供相同随机种子且保持其他输入与参数完全一致。打分函数与输出姿态的细节Vina忽略用户提供的部分电荷其静电相互作用通过疏水项与氢键项自行处理。Vina 是联合原子united-atom打分函数只涉及重原子因此输出中氢原子的位置是任意的但输入文件中的氢用于判定氢键供体/受体正确的质子化依然至关重要。--num_modes指定输出的最大结合模式数实际输出还受energy_range限制需要更多模式时可提高该值。可通过配置或命令行直接调整打分权重例如vina --weight_hydrogen -1.2 ...可将所有氢键强度加倍。参与社区与引用规范项目欢迎社区参与bug 或功能增强请求可通过 Issue Tracker 提交贡献者可以 Fork 仓库后提交 Pull Requestdocs/source/index.rst 的 Participating 章节。此外仓库同时提供了无需本地安装、基于 Google Colab 的免安装示例笔记本docs/source/colab_examples.rst覆盖基础对接、柔性对接与 AutoDock4 打分函数使用三种场景其中使用 RDKit、Molscrub、Meeko、ProDy、reduce2 与 py3Dmol 完成构象生成、蛋白结构预处理与可视化。AutoDock Vina 是学术软件若在你的研究中使用了它官方docs/source/citations.rst要求引用以下核心论文Eberhardt, J., Santos-Martins, D., Tillack, A.F., Forli, S. (2021). AutoDock Vina 1.2.0: New Docking Methods, Expanded Force Field, and Python Bindings. Journal of Chemical Information and Modeling.Trott, O., Olson, A. J. (2010). AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. Journal of Computational Chemistry, 31(2), 455-461.小结从入门到生产级对接实验的路线图围绕 docs/source/index.rst 所组织的手册与教程体系AutoDock Vina 的使用路径非常清晰先通过 pip/conda 安装 vina 与 meeko 等输入准备工具再按基础对接教程完成受体准备 → 配体准备 → 可选AutoGrid 亲和力图 → Vina/AD4 力场对接 → SDF 导出的完整闭环随后根据靶点特点选择柔性对接、多配体对接、锌金属蛋白对接、水合对接或宏环对接等专门化协议需要大规模筛选时使用--batch批处理模式需要定制化流程时切换到 Python 绑定。整个过程中src/main/main.cpp 等源码文件为命令行参数的行为提供了第一手的实现依据而example/目录下各协议对应的输入输出文件则是验证你本地实验是否成功的最佳对照基准。赞分享生物信息学科学计算科研【免费下载链接】AutoDock-VinaAutoDock Vina项目地址https://gitcode.com/gh_mirrors/au/AutoDock-Vina点击查看免费下载相关推荐AutoDock Vina批量分子对接完全指南从零基础到高效药物虚拟筛选AutoDock Vina批量分子对接完全指南从零基础到高效药物虚拟筛选 AutoDock Vina作为分子对接领域的重要工具其批量处理功能能够显著提升药物生物信息学科学计算科研AutoDock Vina批量分子对接实战指南从入门到高效药物筛选AutoDock Vina批量分子对接实战指南从入门到高效药物筛选 AutoDock Vina作为药物筛选和分子互作研究的重要工具其批量分子对接功能能够显著生物信息学科学计算科研AutoDock-Vina虚拟筛选Python API使用指南AutoDock Vina虚拟筛选Python API使用指南 AutoDock Vina是一款广泛使用的分子对接软件其Python绑定接口为自动化虚拟筛选提生物信息学科学计算科研上一篇ComfyUI ReActor换脸插件3分钟快速上手打造专业级AI面部替换工作流下一篇Pixelle-Video输入一个主题3 分钟出片 AI 短视频创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
