Uni-Dock 实战测评：源码编译、四体系基准与批量吞吐验证

本文收录于专栏 gnina系列 ------ 专栏系统覆盖分子对接引擎选型、GPU 加速虚拟筛选与打分函数评估，点击订阅可跟踪后续更新。

你看过 Uni-Dock 论文里"超千倍加速、100 块 V100 十二小时筛完 3820 万分子"的说法，想知道拿到自己这张消费级 GPU 上到底能兑现多少？

这篇在 12 GB 显存（sm_86）的机器上从源码编译 Uni-Dock v1.2.0，跑四个真实体系的单配体基准（1.7--16.5 秒）和 100 配体批量吞吐（1.04 秒/个），给出对 Vina 1.2.7 CPU 单核 4--7 倍、批量摊销后 11.9 倍的实测加速比------以及论文千倍口径与单机实测之间差距的三个来源。金属酶体系的配体拒收链坑（CA→ZN→MASTER）也一并给修法。

读完你能判断手里的库规模值不值得上 Uni-Dock。同时给出 v1.0 到 v1.2.0 的版本沿革、LGPL 到 Apache 2.0 的许可证切换时间点，以及 conda 与源码两条安装路线的取舍（conda 解算超时的实测记录也一并奉上）。

关键字：Uni-Dock、分子对接、GPU加速、虚拟筛选、批量对接、CUDA编译、AutoDock Vina、分层筛选
#mermaid-svg-xTAdcLquLtYvuNG8{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-xTAdcLquLtYvuNG8 .error-icon{fill:#552222;}#mermaid-svg-xTAdcLquLtYvuNG8 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-xTAdcLquLtYvuNG8 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-xTAdcLquLtYvuNG8 .marker.cross{stroke:#333333;}#mermaid-svg-xTAdcLquLtYvuNG8 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-xTAdcLquLtYvuNG8 p{margin:0;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge{stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 path{fill:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 text{fill:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon--1{font-size:40px;color:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge--1{stroke:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth--1{stroke-width:17;}#mermaid-svg-xTAdcLquLtYvuNG8 .section--1 line{stroke:hsl(60, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 path{fill:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-0{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-0{stroke:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-0{stroke-width:14;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-0 line{stroke:hsl(240, 100%, 83.5294117647%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 path{fill:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-1{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-1{stroke:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-1{stroke-width:11;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-1 line{stroke:hsl(260, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 path{fill:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 text{fill:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-2{font-size:40px;color:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-2{stroke:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-2{stroke-width:8;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 line{stroke:hsl(90, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 path{fill:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-3{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-3{stroke:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-3{stroke-width:5;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-3 line{stroke:hsl(120, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 path{fill:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-4{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-4{stroke:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-4{stroke-width:2;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-4 line{stroke:hsl(150, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 path{fill:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-5{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-5{stroke:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-5{stroke-width:-1;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-5 line{stroke:hsl(180, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 path{fill:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-6{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-6{stroke:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-6{stroke-width:-4;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-6 line{stroke:hsl(210, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 path{fill:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-7{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-7{stroke:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-7{stroke-width:-7;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-7 line{stroke:hsl(270, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 path{fill:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-8{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-8{stroke:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-8{stroke-width:-10;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-8 line{stroke:hsl(330, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 path{fill:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-9{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-9{stroke:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-9{stroke-width:-13;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-9 line{stroke:hsl(0, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 polygon,#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 path{fill:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 text{fill:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .node-icon-10{font-size:40px;color:black;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-edge-10{stroke:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .edge-depth-10{stroke-width:-16;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-10 line{stroke:hsl(30, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled circle,#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:lightgray;}#mermaid-svg-xTAdcLquLtYvuNG8 .disabled text{fill:#efefef;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-root rect,#mermaid-svg-xTAdcLquLtYvuNG8 .section-root path,#mermaid-svg-xTAdcLquLtYvuNG8 .section-root circle,#mermaid-svg-xTAdcLquLtYvuNG8 .section-root polygon{fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-xTAdcLquLtYvuNG8 .section-root text{fill:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-root span{color:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .section-2 span{color:#ffffff;}#mermaid-svg-xTAdcLquLtYvuNG8 .icon-container{height:100%;display:flex;justify-content:center;align-items:center;}#mermaid-svg-xTAdcLquLtYvuNG8 .edge{fill:none;}#mermaid-svg-xTAdcLquLtYvuNG8 .mindmap-node-label{dy:1em;alignment-baseline:middle;text-anchor:middle;dominant-baseline:middle;text-align:center;}#mermaid-svg-xTAdcLquLtYvuNG8 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Uni-Dock 实战
它是什么
Vina 1.2 的 CUDA 重写
深势科技出品
怎么装
conda 与源码两条路
三分钟编译
跑得如何
四体系单配体
百配体批量摊销
口径差在哪
千倍是集群批量
单任务只有几倍
坑在哪
金属原子拒收
gpu_batch 语法

目录：[§0. 相关教程与核心文献](#§0. 相关教程与核心文献) ｜ [§1. 软件介绍与版本沿革](#§1. 软件介绍与版本沿革) ｜ [§2. 原理：蒙特卡洛线程化与动态批量](#§2. 原理：蒙特卡洛线程化与动态批量) ｜ [§3. 特点与边界](#§3. 特点与边界) ｜ [§4. 文献测评口径](#§4. 文献测评口径) ｜ [§5. 本地安装实测](#§5. 本地安装实测) ｜ [§6. 基准与加速比](#§6. 基准与加速比) ｜ [§7. 结论与选型建议](#§7. 结论与选型建议)

§0. 相关教程与核心文献

资源	链接	与本文关系
Uni-Dock 官方仓库	---	源码、CHANGELOG 与安装文档
Yu 等, JCTC 2023, 10.1021/acs.jctc.2c01145	---	方法论文（千倍加速与 3820 万分子实测）
conda-forge unidock	---	官方推荐的预编译安装路径

§1. 软件介绍与版本沿革

Uni-Dock 由深势科技（DP Technology）开发、在 DeepModeling 社区孵化，是对 AutoDock Vina 1.2 计算内核的 CUDA 重写：保留 vina/vinardo/ad4 三种打分函数与 Vina 风格的盒子参数，把蒙特卡洛构象搜索搬进 GPU 线程束。版本沿革：v1.0（2023 年，随 JCTC 论文发布）→ v1.1（2024 年 2 月，加入单配体模式等，LGPL 协议）→ 2025 年 3 月许可证统一为 Apache 2.0 → v1.2.0（2026 年 6 月，本文实测版本）；另有一个定位增强版的新仓库 Uni-Dock2（Apache 2.0）。对商用集成来说，现在的 Apache 2.0 与 Vina-GPU 系一致，比早期 LGPL 宽松。

§2. 原理：蒙特卡洛线程化与动态批量

Vina 的搜索是"多条蒙特卡洛链、每条链串行迭代"，天然适合把链间并行 交给 GPU：每条链一个线程，同时跑成千上万条链，再砍短每条链的搜索深度------总评估数不变，墙钟时间被压到单链水平。第二个关键是动态批量显存管理：一批配体同时驻留显存，按显存占用预测自动调整批量，让 GPU 利用率始终打满。这两点合起来决定了它的性能形态------单配体任务吃不满卡，批量任务才能把优势兑现（§6 的实测会反复印证这一点）。

§3. 特点与边界

特点：--gpu_batch 批量模式（配体列表一次提交）；--search_mode 三档预设（fast/balance/detail 对应分层筛选的初筛/复筛/精筛）；支持 SDF 直读与配对批量（paired_batch）；输出与 Vina 生态同口径（打分、mode 表格式一致，本文 §6 与 Vina CPU 的能量逐体系对齐印证了这点）。

边界：只支持 Linux + CUDA（README 明说 ROCm 支持已停止维护）；单口袋少于 10 个配体时开销占比大、反而慢，官方给出的最优场景是"单口袋上千配体"；PDBQT 解析器对金属原子类型（CA 钙、ZN 锌）与非标准记录严格拒收------见 §5 坑 4。

§4. 文献测评口径

JCTC 2023 论文口径：对比 AutoDock Vina 单核 CPU 超过 1000 倍加速 且精度可比；head-to-head 实验中比 AutoDock-GPU 与 Vina-GPU 快 10 倍以上；单分子耗时在 V100 上 vina/vinardo 打分 0.1 秒、ad4 打分 0.5 秒；规模化演示为 3820 万分子（Enamine Diverse REAL 对接 KRAS G12D）在 100 块 V100 上不到 12 小时。官方 README 现行版本已更新为"V100 上超过 2000 倍"。

注意三个口径前提：数据中心卡、批量摊销、大 exhaustiveness------这三条在消费级 GPU 单任务场景都不成立，这正是 §6 实测只有个位数倍数的原因。

§5. 本地安装实测

实测环境（specs）：

项	值
操作系统	Ubuntu 22.04 LTS
GPU	消费级 GPU，12 GB 显存，sm_86 架构
驱动 / CUDA Toolkit	580.178.04 / 12.4（装在 /usr/local/cuda，nvcc 需在 PATH）
编译器与构建	gcc/g++ 11.4 + cmake ≥ 3.16
C++ 库	系统 boost ≥ 1.72 dev 套件（Ubuntu 22.04 的 1.74 即满足）

第 0 步：系统依赖（一次装齐，全部来自 Ubuntu 官方仓库）：

bash 复制代码

sudo apt-get install -y build-essential cmake \
  libboost-system-dev libboost-thread-dev libboost-serialization-dev \
  libboost-filesystem-dev libboost-program-options-dev libboost-timer-dev

第 1 步：获取源码（两条路线二选一）：

bash 复制代码

# 路线一（官方推荐）：conda 预编译包，免编译
conda create -n unidock_env unidock -c conda-forge
conda activate unidock_env && unidock --help

# 路线二（本文实测）：源码编译，全程约 5 分钟
git clone https://github.com/dptech-corp/Uni-Dock.git
cd Uni-Dock/unidock

第 2 步：编译（sm_86 卡用 86，其他卡换算力号）：

bash 复制代码

export PATH=/usr/local/cuda/bin:$PATH
cmake -B build -D CMAKE_CUDA_ARCHITECTURES=86 -D CMAKE_BUILD_TYPE=Release
cmake --build build -j8

第 3 步：冒烟验证：

bash 复制代码

./build/unidock --help
# 首行应显示 "Uni-Dock v1.2.0" 与参数列表
./build/unidock --receptor <受体.pdbqt> --ligand <配体.pdbqt> \
  --center_x 0 --center_y 0 --center_z 0 --size_x 20 --size_y 20 --size_z 20 \
  --scoring vina --exhaustiveness 8 --num_modes 9 --dir <已存在的输出目录>
# 预期: 每配体秒级完成, 输出目录出现 *_out.pdbqt

坑 1：conda 路线可能超时。 本机 conda create 解算加下载超过 8 分钟未完成，遂改走源码；源码路线依赖只有 CUDA、CMake、Boost（≥1.72）与 g++，Ubuntu 22.04 全部现成。

坑 2：--job_name 不是参数。 部分教程把它写进命令行，v1.2.0 直接 unrecognised option 退出------那是上层工具 unidock_tools 的概念。

坑 3：--dir 目录必须先建。 输出目录不存在时报 Directory does not exist，进程 0.01 秒静默退出，容易被脚本误判为"跑完"。

坑 4（金属酶必踩）：配体解析链式拒收。 热解蛋白锌酶体系 3tmn 先后报 Atom type CA is not a valid AutoDock type（钙）、ZN（锌）、Unknown or inappropriate tag（MASTER 记录）------修法是受体清洗后另存：

bash 复制代码

awk '$NF!="CA" && $NF!="ZN" && $1!="MASTER" && $1!="END"' rec.pdbqt > rec_clean.pdbqt

要注意的是 vina 打分本来就不为金属参数化，剥离是基准测试的合理操作，但真实金属酶项目应改用带金属处理的引擎并在报告中注明。

坑 5：--gpu_batch 要文件列表不是目录。 传目录会静默秒退并抛出"构象不在搜索空间内"的误导性警告；正确写法是 --gpu_batch dir/*.pdbqt。

§6. 基准与加速比

四个体系（同机、scoring=vina、exhaustiveness=8、num_modes=9；3tmn 用清洗受体），wall 时间含格点计算：

体系	Uni-Dock	Vina 1.2.7 单核	Vina 1.2.7 十二核	加速比（对单核）	mode1 (kcal/mol)
1stp	2.44 s	12.35 s	2.40 s	5.1×	-7.35
3ce3	7.10 s	29.86 s	7.45 s	4.2×	-11.9
3tmn	1.71 s	8.06 s	1.62 s	4.7×	-8.30
7cpa	16.47 s	110.87 s	20.21 s	6.7×	-8.09

单配体场景的结论直白：对单核 4--7 倍，对十二核基本打平 ------卡没有喂饱。批量场景立刻改观：100 个 1stp 配体一次提交（--gpu_batch），总耗时 103.7 秒、1.04 秒/配体 （内核时间 102.9 秒），对 Vina 单核的 12.35 秒/配体即 11.9 倍------批量摊销把格点计算与启动开销一次性摊掉。与论文千倍的差距可以拆成三块：V100 对消费级卡的算力差、论文基准的 exhaustiveness 与批量规模更大、以及单任务场景 GPU 根本吃不饱。另外，Uni-Dock 与 Vina CPU 的 mode1 能量逐体系一致（-7.35 对 -7.38、-11.9 对 -11.42），移植正确性的直接证据。

§7. 结论与选型建议

Uni-Dock 的正确打开方式是"单口袋大批量 "：百万级以上库的分层筛选（fast 初筛全库、balance 复筛前 10%、detail 精筛再前 10%），批量越大摊销越好，许可证 Apache 2.0 对商业友好。反过来，十几个配体的零星任务、或者需要金属/特殊原子类型的体系，它在消费级卡上并不占优------后者建议 AutoDock-GPU（配体容忍度高）或专门的金属处理流程。

下一篇进入 Vina 打分家族的 OpenCL 主线：Vina-GPU 系列的版本谱系与移植实录。

系列导航 ：专栏全集 gnina系列 ------ 上一篇：AutoDock-GPU 实战测评；下一篇：Vina-GPU 系列实战测评。

更多专栏：

我的专栏

蛋白 / 抗体 / 多肽 / 核酸	分子模拟 / 动力学 / 对接	药物 / 设计 / 案例	AI / Agent / 大模型
开源蛋白结构预测	分子模拟基础	小分子药物设计案例	AI Agent系列
开源蛋白生成方法实践	分子动力学模拟-Amber	蛋白药物设计案例	化学大模型
开源多肽设计模型	分子动力学模拟-Gromacs	多肽药物设计案例	《AI Agent原理与实战》
开源多肽性质预测	分子动力学模拟-OpenMM	开源小分子生成设计	CADD中的机器学习模型
DNA/RNA药物设计	結合自由能	高效计算配置	《MCP 入门实战》
siRNA药物设计模型	UCSF DOCK系列	我胡师兄说药	《AI入门实战2026》
ASO药物设计模型	rDock系列 LeDock系列 gnina系列		《经典机器学习实战》