用途：用 AutoDock Vina 的 Python API 预测蛋白质与小分子的结合构象和结合亲和力，支持重对接验证、构效关系分析和批量虚拟筛选，也可为分子动力学模拟生成初始构象。
主要能力：从 PDB 获取并准备受体（去水、去杂原子，经 ADFR Suite 的 prepare_receptor 转 PDBQT）；用 RDKit 从 SMILES 生成 3D 构象并经 Meeko 转 PDBQT；基于共晶配体或手动坐标定义搜索盒；执行对接并输出多构象；通过 v.energies(n_poses) 提取总能量、分子间/内能量；用 py3Dmol 可视化；批量筛选输出 CSV 排名。可选评分函数 vina、ad4、vinardo。
必要用法：pip install vina meeko rdkit-pypi prody py3Dmol；prepare_receptor 需单独安装 ADFR Suite（https://ccsb.scripps.edu/adfr/downloads/）。典型流程：Vina(sf_name="vina", cpu=4) → set_receptor → set_ligand_from_file/string → compute_vina_maps(center, box_size) → dock(exhaustiveness, n_poses) → write_poses。
适用场景：靶点结合模式预测、配体排序、化合物库筛选、无已知位点外的盲对接（此时资料建议改用 DiffDock）、需要 CNN 评分时可用 GNINA。
限制：需 Python 3.8+，建议 Linux 或 macOS；未提供收费或价格信息；参数默认值与取值范围见资料表格；嵌入失败、RMSD 偏大、能量异常等问题有对应排查建议。