Anyone Can Dock – Molecular Docking Tutorial

One workflow. Five ways to dock.

ACD prepares a protein and ligand, runs a docking engine, and shows predicted binding poses.

Choose an interface

ACD Online

Use Single Dock with PDB 1M17 and erlotinib.

1. Enter 1M17 and prepare the receptor. Keep co-crystal auto-centering and the 18 × 18 × 18 Å box.
2. Search “erlotinib” in PubChem, confirm the returned SMILES, set the name to erlotinib, and prepare the ligand.
3. Keep the basic docking settings, click Run Docking, then inspect the scores and 3D poses.

Dock with AI (ChatGPT or Claude)

Ask in plain language. The AI finds the structure, runs ACD on our server and explains the result.

▶ Watch the 25-second demo — YouTube ↗

1. ChatGPT: open Anyone Can Dock GPT ↗ (a ChatGPT account is required).
2. Claude: open Settings → Connectors ↗, click Add custom connector and paste this MCP server URL:

   https://anyone-can-dock-mcp.anyonecandock.workers.dev

3. Type your request, for example:

   Dock caffeine into the human adenosine A2A receptor (PDB 5MZP), using the co-crystal ligand to define the pocket. Show the docking score, the key interactions and the 3D viewer link.

4. Wait about 1–2 minutes. If the job is still running, ask the AI to check the job again.

ACD Local

Run the same visual steps on your own computer.

Install Python 3.11 and the Open Babel, Cairo, and Pango system libraries following the Local repository instructions. Then run:

git clone https://github.com/nyelidl/anyone-docking-local.git
cd anyone-docking-local
python3.11 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
streamlit run app.py

Open Streamlit’s local URL. In Single Dock, prepare 1M17, search erlotinib, prepare the ligand, and run docking. Browse poses and download results.

CLI & Google Colab

Two more ways to run the 1M17 + erlotinib example.

The CLI example was run with the packaged command. Your scores can differ.

python -m pip install anyonecandock
acd dock --receptor 1M17 --compound erlotinib \
  --name erlotinib --ph 7.4 --exhaustiveness 4 \
  --poses 5 --yes --output ./erlotinib_dock

Google Colab workflow ↗

1. 0 Setup: run Install Conda Colab, Install Dependencies and Docking Engines, then Import Modules & Verify Tools. Follow any restart prompt.
2. 1 Receptor: download 1M17 from RCSB, use the detected co-crystal ligand to center the 18 × 18 × 18 Å box.
3. 2 Ligand: select text input, enter erlotinib, set output_name to erlotinib and target_pH to 7.4.
4. 3 Dock: select VINA, docking_runs = 1, run_redock = false; keep the default exhaustiveness 16 and 10 poses.
5. 4 Inspect: select a pose; review top-pose plots and ProLIF 2D interactions. Repeated runs produce box plots.
6. 5 Download: package docking_results.zip; a Gemini Markdown report is included if generation succeeds.

Four engines: VINA, VINAXB, GNINA, and VINA_GPU (requires a GPU runtime; installs on demand).

Gemini: enable auto_gemini_interpretation in Section 4 for a written interpretation when Colab AI is available. Verify its claims against scores and plots.

Screenshot documents the notebook interface; this guide does not claim a completed Colab docking run.

Understanding results

Example Online run of 1M17 + erlotinib; your values may differ.

同一流程，五种使用方式

ACD 准备蛋白和配体，运行分子对接，并展示预测的结合构象。

如何选择界面

ACD 在线版

使用 Single Dock 对接 PDB 1M17 与厄洛替尼。

1. 输入 1M17 并准备受体；保留共晶配体自动定位及 18 × 18 × 18 Å 盒子。
2. 在 PubChem 搜索 erlotinib，核对返回的 SMILES，输出名称设为 erlotinib，然后准备配体。
3. 保留基本设置，点击 Run Docking，再查看评分和三维构象。

用 AI 对接（ChatGPT 或 Claude）

用自然语言提问。AI 会查找结构、在我们的服务器上运行 ACD，并解读结果。

▶ 观看 25 秒演示视频 — YouTube ↗

1. ChatGPT：打开 Anyone Can Dock GPT ↗（需要 ChatGPT 账号）。
2. Claude：打开 设置 → Connectors ↗，点击 Add custom connector，粘贴下面的 MCP 服务器地址：

   https://anyone-can-dock-mcp.anyonecandock.workers.dev

3. 输入你的请求，例如：

   用 PDB 5MZP 的共晶配体定义口袋，把咖啡因对接到人腺苷 A2A 受体，并给出对接评分、关键相互作用和 3D 查看器链接。

4. 等待约 1–2 分钟。如果任务仍在运行，请让 AI 再次查询任务状态。

ACD 本地版

在自己的电脑上完成相同的图形化流程。

按照本地版仓库说明安装 Python 3.11、Open Babel、Cairo 和 Pango，然后运行：

git clone https://github.com/nyelidl/anyone-docking-local.git
cd anyone-docking-local
python3.11 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
streamlit run app.py

打开 Streamlit 显示的本地网址。在 Single Dock 中准备 1M17，搜索 erlotinib，准备配体并运行对接；随后查看构象并下载结果。

命令行与 Google Colab

使用另外两种方式运行 1M17 + erlotinib 示例。

下方命令已用打包的 CLI 运行；评分可能因运行而异。

python -m pip install anyonecandock
acd dock --receptor 1M17 --compound erlotinib \
  --name erlotinib --ph 7.4 --exhaustiveness 4 \
  --poses 5 --yes --output ./erlotinib_dock

Google Colab 流程 ↗

1. 0 安装：依次运行 Install Conda Colab、Install Dependencies and Docking Engines、Import Modules & Verify Tools；如提示则重启运行时。
2. 1 受体：从 RCSB 下载 1M17，用检测到的共晶配体定位 18 × 18 × 18 Å 盒子。
3. 2 配体：选择文本输入，填入 erlotinib；output_name 设为 erlotinib，target_pH 设为 7.4。
4. 3 对接：选择 VINA、docking_runs = 1、run_redock = false；保留默认 exhaustiveness 16 和 10 个构象。
5. 4 分析：选择构象，查看最佳构象图和 ProLIF 二维相互作用；重复运行时显示箱线图。
6. 5 下载：生成 docking_results.zip；若 Gemini 解读成功，也包含 Markdown 报告。

四种引擎：VINA、VINAXB、GNINA、VINA_GPU（需要 GPU 运行时，按需安装）。

Gemini：在第 4 部分开启 auto_gemini_interpretation，可在 Colab AI 可用时生成文字解读；请对照评分和图表核查。

截图展示笔记本界面；本指南不声称已完成 Colab 对接运行。

理解结果

1M17 + erlotinib 在线版示例；你的数值可能不同。

同一流程，五種使用方式

ACD 準備蛋白質與配體、執行分子對接，並顯示預測的結合姿態。

如何選擇介面

ACD 線上版

使用 Single Dock 對接 PDB 1M17 與厄洛替尼。

1. 輸入 1M17 並準備受體；保留共晶配體自動定位與 18 × 18 × 18 Å 網格盒。
2. 在 PubChem 搜尋 erlotinib，確認回傳的 SMILES，輸出名稱設為 erlotinib，然後準備配體。
3. 保留基本設定，按 Run Docking，再查看評分與三維姿態。

用 AI 對接（ChatGPT 或 Claude）

用自然語言提問。AI 會查找結構、在我們的伺服器上執行 ACD，並解說結果。

▶ 觀看 25 秒示範影片 — YouTube ↗

1. ChatGPT：開啟 Anyone Can Dock GPT ↗（需要 ChatGPT 帳號）。
2. Claude：開啟 設定 → Connectors ↗，點選 Add custom connector，貼上下方的 MCP 伺服器網址：

   https://anyone-can-dock-mcp.anyonecandock.workers.dev

3. 輸入你的請求，例如：

   以 PDB 5MZP 的共晶配體定義口袋，將咖啡因對接到人類腺苷 A2A 受體，並提供對接分數、關鍵交互作用和 3D 檢視器連結。

4. 等待約 1–2 分鐘。如果工作仍在執行，請 AI 再次查詢工作狀態。

ACD 本機版

在自己的電腦上完成相同的圖形化流程。

依本機版儲存庫說明安裝 Python 3.11、Open Babel、Cairo 與 Pango，然後執行：

git clone https://github.com/nyelidl/anyone-docking-local.git
cd anyone-docking-local
python3.11 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
streamlit run app.py

開啟 Streamlit 顯示的本機網址。在 Single Dock 準備 1M17、搜尋 erlotinib、準備配體並執行對接；之後查看姿態及下載結果。

命令列與 Google Colab

用另外兩種方式執行 1M17 + erlotinib 範例。

下方命令已用打包的 CLI 執行；評分可能因執行而異。

python -m pip install anyonecandock
acd dock --receptor 1M17 --compound erlotinib \
  --name erlotinib --ph 7.4 --exhaustiveness 4 \
  --poses 5 --yes --output ./erlotinib_dock

Google Colab 流程 ↗

1. 0 安裝：依序執行 Install Conda Colab、Install Dependencies and Docking Engines、Import Modules & Verify Tools；若提示則重新啟動執行環境。
2. 1 受體：從 RCSB 下載 1M17，使用偵測到的共晶配體定位 18 × 18 × 18 Å 網格盒。
3. 2 配體：選擇文字輸入，填入 erlotinib；output_name 設為 erlotinib，target_pH 設為 7.4。
4. 3 對接：選 VINA、docking_runs = 1、run_redock = false；保留預設 exhaustiveness 16 與 10 個姿態。
5. 4 分析：選擇姿態，檢視最佳姿態圖與 ProLIF 二維交互作用；重複執行時會顯示盒鬚圖。
6. 5 下載：產生 docking_results.zip；Gemini 解讀成功時亦包含 Markdown 報告。

四種引擎：VINA、VINAXB、GNINA、VINA_GPU（需 GPU 執行環境，按需安裝）。

Gemini：在第 4 部分啟用 auto_gemini_interpretation，可在 Colab AI 可用時產生文字解讀；請對照評分與圖表核查。

截圖展示筆記本介面；本指南不表示已完成 Colab 對接執行。

理解結果

1M17 + erlotinib 線上版範例；你的數值可能不同。

ขั้นตอนเดียว ใช้ได้ 5 รูปแบบ

ACD เตรียมโปรตีนและลิแกนด์ เรียกใช้การด็อกกิง และแสดงท่าจับที่คาดการณ์

เลือกวิธีใช้งาน

ACD ออนไลน์

ใช้ Single Dock กับ PDB 1M17 และ erlotinib

1. กรอก 1M17 แล้วเตรียมตัวรับ คงการตั้งจุดศูนย์กลางจากลิแกนด์ร่วมผลึกและกล่อง 18 × 18 × 18 Å
2. ค้นหา erlotinib ใน PubChem ตรวจสอบ SMILES ที่ได้รับ ตั้งชื่อผลลัพธ์เป็น erlotinib แล้วเตรียมลิแกนด์
3. คงค่าพื้นฐาน กด Run Docking แล้วดูคะแนนและท่าจับแบบ 3 มิติ

Docking ด้วย AI (ChatGPT หรือ Claude)

พิมพ์สั่งเป็นภาษาธรรมดา AI จะหาโครงสร้าง รัน ACD บนเซิร์ฟเวอร์ และอธิบายผลให้

▶ ดูวิดีโอสาธิต 25 วินาที — YouTube ↗

1. ChatGPT: เปิด Anyone Can Dock GPT ↗ (ต้องมีบัญชี ChatGPT)
2. Claude: เปิด Settings → Connectors ↗ กด Add custom connector แล้ววาง URL ของ MCP server นี้:

   https://anyone-can-dock-mcp.anyonecandock.workers.dev

3. พิมพ์คำสั่ง เช่น

   ช่วย docking คาเฟอีนเข้า adenosine A2A receptor ของมนุษย์ (PDB 5MZP) โดยใช้ ligand จาก crystal กำหนด pocket แล้วสรุปคะแนน interaction สำคัญ และลิงก์ 3D viewer

4. รอประมาณ 1–2 นาที ถ้างานยังไม่เสร็จ ให้สั่ง AI ตรวจสถานะงานอีกครั้ง

ACD บนเครื่องส่วนตัว

ทำขั้นตอนเดียวกันผ่านหน้าจอบนคอมพิวเตอร์ของคุณ

ติดตั้ง Python 3.11, Open Babel, Cairo และ Pango ตามคำแนะนำในคลัง Local จากนั้นเรียกใช้:

git clone https://github.com/nyelidl/anyone-docking-local.git
cd anyone-docking-local
python3.11 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
streamlit run app.py

เปิด URL ภายในเครื่องที่ Streamlit แสดง ใน Single Dock ให้เตรียม 1M17 ค้นหา erlotinib เตรียมลิแกนด์ และเริ่มด็อกกิง จากนั้นดูท่าจับและดาวน์โหลดผล

CLI และ Google Colab

อีกสองวิธีสำหรับตัวอย่าง 1M17 + erlotinib

คำสั่ง CLI ด้านล่างเคยรันด้วยแพ็กเกจแล้ว คะแนนของคุณอาจต่างกัน

python -m pip install anyonecandock
acd dock --receptor 1M17 --compound erlotinib \
  --name erlotinib --ph 7.4 --exhaustiveness 4 \
  --poses 5 --yes --output ./erlotinib_dock

ขั้นตอนใน Google Colab ↗

1. 0 ตั้งค่า: รัน Install Conda Colab, Install Dependencies and Docking Engines แล้ว Import Modules & Verify Tools ตามลำดับ รีสตาร์ตรันไทม์หากระบบแจ้ง
2. 1 ตัวรับ: ดาวน์โหลด 1M17 จาก RCSB แล้วใช้ลิแกนด์ร่วมผลึกที่ตรวจพบเป็นศูนย์กลางกล่อง 18 × 18 × 18 Å
3. 2 ลิแกนด์: เลือกการป้อนแบบ text กรอก erlotinib ตั้ง output_name = erlotinib และ target_pH = 7.4
4. 3 ด็อกกิง: เลือก VINA, docking_runs = 1, run_redock = false และคง exhaustiveness 16 กับ 10 ท่าจับตามค่าเริ่มต้น
5. 4 วิเคราะห์: เลือกท่าจับ ดูกราฟท่าที่ดีที่สุดและปฏิสัมพันธ์ 2 มิติจาก ProLIF หากรันซ้ำจะแสดง box plot
6. 5 ดาวน์โหลด: สร้าง docking_results.zip ซึ่งจะมีรายงาน Markdown ของ Gemini หากสร้างสำเร็จ

มี 4 เอนจิน: VINA, VINAXB, GNINA และ VINA_GPU (ต้องใช้ GPU runtime และติดตั้งเมื่อเลือกใช้)

Gemini: เปิด auto_gemini_interpretation ในส่วนที่ 4 เพื่อสร้างคำอธิบายเมื่อ Colab AI พร้อมใช้ ควรตรวจสอบเทียบกับคะแนนและกราฟ

ภาพแสดงหน้าจอสมุดบันทึก คู่มือนี้ไม่ได้อ้างว่ารันด็อกกิงบน Colab จบแล้ว

อ่านผลลัพธ์

ตัวอย่างผลออนไลน์ของ 1M17 + erlotinib ค่าของคุณอาจต่างกัน

同じ手順を 5 つの方法で

ACD はタンパク質とリガンドを準備し、ドッキングを実行して、予測結合ポーズを表示します。

利用方法を選ぶ

ACD オンライン

Single Dock で PDB 1M17 と erlotinib を使用します。

1. 1M17 を入力して受容体を準備します。共結晶リガンドによる自動中心設定と 18 × 18 × 18 Å のボックスを維持します。
2. PubChem で erlotinib を検索し、返された SMILES を確認します。出力名を erlotinib にしてリガンドを準備します。
3. 基本設定のまま Run Docking を押し、スコアと 3D ポーズを確認します。

AIでドッキング（ChatGPT / Claude）

自然な言葉で依頼するだけ。AIが構造を探し、サーバー上でACDを実行し、結果を説明します。

▶ 25秒のデモ動画を見る — YouTube ↗

1. ChatGPT：Anyone Can Dock GPT ↗ を開きます（ChatGPTアカウントが必要）。
2. Claude：設定 → Connectors ↗ を開き、Add custom connector をクリックして、次のMCPサーバーURLを貼り付けます：

   https://anyone-can-dock-mcp.anyonecandock.workers.dev

3. 依頼を入力します。例：

   PDB 5MZPの共結晶リガンドでポケットを定義し、カフェインをヒトアデノシンA2A受容体にドッキングしてください。ドッキングスコア、主な相互作用、3Dビューアーのリンクを示してください。

4. 1〜2分ほど待ちます。ジョブが実行中の場合は、もう一度状況を確認するようAIに依頼してください。

ACD ローカル

自分の PC で同じ画面操作を行います。

ローカル版の手順に従い、Python 3.11 と Open Babel、Cairo、Pango をインストールしてから実行します：

git clone https://github.com/nyelidl/anyone-docking-local.git
cd anyone-docking-local
python3.11 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
streamlit run app.py

Streamlit が表示するローカル URL を開きます。Single Dock で 1M17 を準備し、erlotinib を検索してリガンドを準備し、ドッキングします。ポーズを確認して結果をダウンロードします。

CLI と Google Colab

1M17 + erlotinib の例を別の 2 つの方法で実行します。

下のコマンドはパッケージ版 CLI で実行済みです。スコアは変わる場合があります。

python -m pip install anyonecandock
acd dock --receptor 1M17 --compound erlotinib \
  --name erlotinib --ph 7.4 --exhaustiveness 4 \
  --poses 5 --yes --output ./erlotinib_dock

Google Colab の流れ ↗

1. 0 セットアップ：Install Conda Colab、Install Dependencies and Docking Engines、Import Modules & Verify Tools を順に実行します。指示があればランタイムを再起動します。
2. 1 受容体：RCSB から 1M17 を取得し、検出された共結晶リガンドで 18 × 18 × 18 Å のボックスを中心に置きます。
3. 2 リガンド：text 入力で erlotinib を指定し、output_name = erlotinib、target_pH = 7.4 にします。
4. 3 ドッキング：VINA、docking_runs = 1、run_redock = false を選び、既定の exhaustiveness 16 と 10 ポーズを使います。
5. 4 確認：ポーズを選択し、上位ポーズのグラフと ProLIF の 2D 相互作用を確認します。反復実行では箱ひげ図が表示されます。
6. 5 ダウンロード：docking_results.zip を作成します。Gemini の解釈が成功した場合は Markdown 報告も入ります。

4 つのエンジン：VINA、VINAXB、GNINA、VINA_GPU（GPU ランタイムが必要で、選択時にインストール）。

Gemini：第 4 部で auto_gemini_interpretation を有効にすると、Colab AI が利用可能な場合に文章で解釈します。スコアと図を照合してください。

画像はノートブック画面を示します。このガイドは Colab 実行完了を主張しません。

結果の読み方

1M17 + erlotinib のオンライン実行例です。値は実行により異なります。