GNINA 是一款开源分子对接工具，在 AutoDock Vina / smina 的基础上引入卷积神经网络（CNN）打分。它是体验「深度学习如何改进传统对接打分」的好入口。
它和传统对接的区别
- 传统打分：用经验/物理打分函数评估结合姿势，常与真实活性相关性有限。
- CNN 打分：GNINA 用在大量复合物上训练的 3D-CNN 给姿势打分与重排序（rescoring）。
- 可叠加：常见用法是先用 Vina 采样姿势，再用 GNINA 的 CNN 重打分。
怎么上手
- 准备好受体与配体结构（可用 Meeko / OpenBabel 转格式）。
- 跑一次对接，比较「Vina 打分」与「CNN 打分」给出的姿势排序差异。
- 注意：深度学习打分不是万灵药，仍需用已知活性或相互作用做 sanity check。
关键要点
- GNINA = Vina 谱系 + CNN 打分，理解 AI 改进对接的代表；
- 典型用法是「Vina 采样 + GNINA 重打分」；
- 打分高 ≠ 一定真，仍要交叉验证。
延伸资源
- 源码与文档：github.com/gnina/gnina
- 配套阅读：「结构与模拟」模块的《GNINA 论文精读》、017《AutoDock Vina 教程》。