DiffDock: 基于扩散模型的深度学习分子对接工具

技能概述

DiffDock 是一个基于扩散模型的深度学习分子对接工具，用于预测小分子配体与蛋白质靶点的3D结合姿态，支持蛋白质结构（PDB文件）或氨基酸序列输入，适用于单个复合物对接和批量虚拟筛选场景。

适用场景

1. 结构基础药物发现

当您需要将候选化合物对接到蛋白质靶点以预测结合姿态时，DiffDock 可以提供高精度的3D结构预测。支持从PDB文件或氨基酸序列出发，结合SMILES字符串或配体结构文件（SDF、MOL2），快速生成多个候选对接构象并按置信度排序。

2. 虚拟筛选与批量对接

对于包含数百至上千个化合物的化合物库筛选，DiffDock 支持批量处理多个蛋白质-配体对。可以通过CSV文件定义批量任务，预先计算蛋白质嵌入以加速处理，并生成包含所有结果的置信度分析报告，帮助快速识别高潜力的候选分子。

3. 计算机辅助药物设计与优化

在先导化合物优化阶段或需要探索蛋白质-配体相互作用时，DiffDock 可用于生成多样化的结合姿态、评估预测可信度。输出的SDF格式文件可直接导入PyMOL、Chimera等可视化工具进行结构分析，并可结合GNINA、MM/GBSA等打分函数进行后续亲和力评估。

核心功能

1. 高精度结合姿态预测

利用扩散模型深度学习架构，DiffDock 能够生成准确的3D对接构象，并自动为每个预测提供置信度评分。置信度大于0表示强预测，-1.5到0为中等可信度，小于-1.5需要谨慎验证。工具默认为每个复合物生成10个候选姿态，支持通过调整采样参数（如samples_per_complex）增加样本数量以获得更全面的构象覆盖。

2. 灵活的输入格式支持

DiffDock 支持多种输入方式组合：蛋白质可提供PDB结构文件或氨基酸序列（通过ESMFold自动折叠），配体可提供SMILES字符串、SDF或MOL2文件。对于批量任务，可通过CSV文件统一管理多个蛋白质-配体对，支持混合使用PDB文件和序列输入，适用于不同数据来源的筛选项目。

3. 结果分析与工作流集成

对接完成后，可使用提供的分析脚本解析所有预测结果，按置信度排序、统计高/中/低可信度预测分布，并导出为CSV便于下游分析。DiffDock 生成的姿态文件可无缝集成到现有药物发现工作流中，与GNINA、MM/GBSA、FEP等亲和力计算工具配合使用，实现从姿态预测到亲和力评估的完整流程。

常见问题

DiffDock 和传统对接工具（如 AutoDock、Vina）有什么区别？

DiffDock 基于深度学习扩散模型，不依赖于传统的打分函数和采样算法，能够生成更准确的3D姿态预测。传统工具（AutoDock、Vina）基于物理打分函数和构象搜索，DiffDock 则通过端到端深度学习直接预测对接构象，在速度和精度上都有优势。但需要注意的是，DiffDock 预测的是结合姿态和置信度，而非结合亲和力（ΔG、Kd）。如需评估亲和力，建议将 DiffDock 生成的姿态结合 GNINA 或 MM/GBSA 进行打分。

DiffDock 需要什么样的运行环境？

DiffDock 需要Python 3.9环境，依赖RDKit、PyTorch、PyTorch Geometric、ESM等库。官方提供了 Conda 环境配置文件（environment.yml）和Docker镜像。虽然CPU也可以运行，但GPU（CUDA）强烈推荐，可带来10-100倍的速度提升，对于虚拟筛选等批量任务几乎是必需的。首次运行时会自动下载模型检查点（约500MB）并预计算SO(2)/SO(3)查找表（约2-5分钟）。

DiffDock 能预测结合亲和力（Kd、IC50）吗？

不能。这是 DiffDock 最常见的误解。DiffDock 预测的是结合姿态（ligand 3D pose）和模型对该预测的置信度（confidence），而不是结合亲和力（binding affinity）。高置信度意味着模型对结构的预测较确定，并不代表分子结合能力强。如需评估结合亲和力，请将 DiffDock 生成的姿态使用 GNINA（快速神经网络打分）、MM/GBSA（分子力学打分）或自由能微扰（FEP/TI）等专门的打分工具进行计算。

如何使用蛋白质序列进行对接？

DiffDock 支持直接使用氨基酸序列进行对接，无需预先准备PDB文件。在单复合物对接时使用 --protein_sequence 参数传入序列，在批量对接时在CSV的 protein_sequence 列填入序列。DiffDock 会通过内置的 ESMFold 自动将序列折叠为3D结构。这种方式特别适合没有实验结构的靶点，或需要快速筛选多个蛋白变体的场景。

批量虚拟筛选如何高效使用 DiffDock？

对于超过100个化合物的虚拟筛选，建议：1）使用CSV文件定义批量任务；2）预先计算蛋白质嵌入（datasets/esm_embedding_preparation.py），避免重复折叠；3）使用 --batch_size 参数控制GPU内存占用；4）对接后使用 analyze_results.py 按置信度筛选；5）对高置信度结果进行GNINA打分排序；6）最终选取少量候选进行实验验证。这种工作流可以在GPU环境下数小时内完成数百化合物的筛选。