diffdock

DiffDock：基于扩散模型的分子对接工具

技能概述

DiffDock 是一款采用扩散模型进行深度学习的分子对接工具，能够预测小分子配体与蛋白质靶点之间的三维结合姿态，广泛应用于基于结构的药物发现和计算化学研究。

适用场景

药物发现与先导化合物优化

当你需要为药物研发项目预测候选化合物与靶蛋白的结合方式时，DiffDock 可以快速生成配体的三维结合姿态，并提供置信度评分帮助筛选最有潜力的分子。支持 PDB 结构文件或氨基酸序列作为蛋白质输入，使用 SMILES 字符串或结构文件作为配体输入。

虚拟筛选与化合物库评估

面对数百上千个化合物需要筛选时，DiffDock 支持批量处理模式，可以高效地对整个化合物库进行对接预测。对于大规模筛选任务，还可以预计算蛋白质嵌入向量来加速处理流程。

结构生物学与化学研究

当研究人员需要理解小分子与蛋白质的相互作用机制时，DiffDock 可以生成多样化的结合姿态供结构分析使用。虽然不能直接预测结合亲和力，但生成的姿态可以配合 GNINA、MM/GBSA 等评分函数进行下游分析。

核心功能

高精度结合姿态预测

利用扩散模型和深度学习技术，DiffDock 能够预测小分子配体在蛋白质结合口袋中的三维空间位置和取向。支持单链或多链蛋白质结构，可以处理刚性配体和柔性配体，每次对接生成多个候选姿态并按置信度排序输出。

灵活的输入输出支持

蛋白质输入支持 PDB 文件或氨基酸序列（通过 ESMFold 自动折叠），配体输入支持 SMILES、SDF、MOL2 等多种格式。输出结果包含排序后的 SDF 结构文件和详细的置信度评分，便于下游分析和可视化。

批量处理与结果分析

提供完整的批量对接工作流，包括 CSV 格式的批量输入准备、结果置信度分析脚本、以及统计汇总导出功能。支持自定义采样密度、推理步数、温度参数等，可根据具体需求调整预测精度和多样性。

常见问题

DiffDock 能预测分子的结合亲和力（Kd、IC50）吗？

不能。DiffDock 预测的是配体的结合姿态（三维结构）和模型对该预测的置信度，不直接预测结合亲和力。如需评估结合强度，建议将 DiffDock 生成的姿态配合 GNINA、MM/GBSA 或自由能计算工具进行打分。

DiffDock 适合用于蛋白-蛋白对接吗？

不适合。DiffDock 专为小分子配体（通常 100-1000 Da）与蛋白质的对接设计，不适用于蛋白质-蛋白质、蛋白质-核酸等大分子对接。如有蛋白-蛋白对接需求，可考虑 DiffDock-PP 或 AlphaFold-Multimer 等工具。

如何提高对接结果的置信度？

置信度受多种因素影响：大分子量配体（>500 Da）通常置信度较低；多链蛋白或新型蛋白家族可能影响预测质量。建议增加采样数量（从默认 10 增加到 20-40）、尝试集成对接（使用多个蛋白构象）、确保蛋白质结构完整无缺失残基，并检查 top 3-5 个预测是否存在共识。