• 生物信息学
• 科学计算
• 科研

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 4，Vina 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 python=3 $ 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：

1. 安装 C++ 编译工具链（Ubuntu/Debian：sudo apt-get install build-essential；macOS：安装 Xcode 与 Command Line Tools）；
2. 安装 Boost 与 SWIG（Ubuntu/Debian：sudo apt-get install libboost-all-dev swig；macOS with Homebrew：brew install boost swig）；
3. 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 prody

Conda 方式为（建议 Python 3.10 以便 ProDy 互操作）：

$ conda activate vina $ conda install python=3.10 $ conda install -c conda-forge numpy scipy rdkit vina meeko gemmi autogrid $ pip install prody

AutoGrid4 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 Catalina（10.15）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（imatinib，PDB 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exhaustiveness=8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 \ --exhaustiveness=32 --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 Å）：

center_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（-14.72），Vina 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 SDF（Meeko 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.sdf

2. 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-Abl（PDB 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.pdbqt（Thr315 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.pdbqt

Vina 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（-14.2），Vina 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 \ --exhaustiveness=32 --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.pdbqt

zinc_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 npts=40,30,50 -p gridcenter=18,134,-1 \ –p parameter_file=AD4Zn.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 AutoGrid4（4.2.7.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.pdbqt

6. 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"：

1. 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；
2. 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；
3. 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_name='vina') # 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', overwrite=True) v.dock(exhaustiveness=32, n_poses=20) # 执行对接 v.write_poses('1iep_ligand_vina_out.pdbqt', n_poses=5, overwrite=True)

逐行要点：Vina(sf_name=...)同时指定力场，还可设置cpu参数（默认cpu=0使用本机全部可用 CPU，cpu=1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(exhaustiveness=32, n_poses=20)执行 32 次连续的蒙特卡洛采样并保存 20 个姿态，write_poses(..., n_poses=5)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

FAQ（docs/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 Request（docs/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。

• 生物信息学
• 科学计算
• 科研