科研 Skill
DiffDock 小分子对接
diffdock
使用 DiffDock-L(Corso 等,2023/2024)预测小分子结合姿势。它通过盲扩散对接,在无需预定义搜索框的情况下将配体放入蛋白质口袋,并使用学习得到的置信度模型对样本排序。适用于将 SMILES 或 SDF 对接至 PDB、为小型片段库生成排序后的三维姿势,或为后续重打分生成起始姿势。DiffDock 预测几何构象,而非亲和力。
SKILL.md
DiffDock-L
DiffDock-L 是一种盲结合姿势预测器:给定蛋白质结构和配体后,它使用扩散模型在整个蛋白质表面采样配体放置方式,再使用单独训练的置信度预测头进行排序。置信度分数与姿势正确性相关,而不是与结合自由能相关——DiffDock 不预测配体是否结合,也不预测结合强度。因此,在筛选命中化合物时,仍需将它与打分器(GNINA、MM-GBSA)或 boltz 的亲和力预测头配合使用。对于蛋白质–蛋白质和核酸共折叠,请转用 boltz 或 chai1。代码和权重均采用 MIT 许可证(github.com/gcorso/DiffDock)。
运行方法
cd $DIFFDOCK_REPO # github.com/gcorso/DiffDock 的克隆目录
python3 -m inference \
--config default_inference_args.yaml \
--protein_path target.pdb \
--ligand_description "COc1ccc(C#N)cc1" \
--out_dir out
对于多个复合物,使用 --protein_ligand_csv batch.csv 代替两个单复合物参数。CSV 包含四列:complex_name、protein_path、ligand_description(SMILES 或 .sdf/.mol2 文件路径)和 protein_sequence。如果希望 DiffDock 先使用 ESMFold 折叠受体,请将 protein_path 留空并填写 protein_sequence;该流程和较大化合物库的筛选方法位于 references/workflows.md。
在 --out_dir/<complex_name>/ 下,每个样本写为 rank{N}_confidence{score}.sdf,并额外复制一份 rank1.sdf 以便使用。文件名中的置信度值是 logit,因此没有上下界,也可能为负数;对于同一个复合物的不同样本,数值越高越好,但该数值不能在不同复合物或配体之间比较。
YAML 配置会覆盖命令行参数
inference.py 会在 argparse 处理完成后加载 --config default_inference_args.yaml,并替换配置文件中出现的每个键。因此,如果 YAML 中存在相同的键,那么在命令行中传入 --samples_per_complex 40 或 --model_dir ... 会被静默忽略。如需更改采样深度或 YAML 中定义的任何其他键,请复制该 YAML、编辑副本,然后通过 --config 指向它。
首次运行会静默约 11 分钟,并且需要至少 32 GB 主机内存
处理第一个复合物之前,DiffDock 会预计算 SO(3) 和环面查找表。该步骤不会向 stderr 输出信息,耗时约 11 分钟;在默认 Modal 规格上,它会耗尽主机内存,并在预计算过程中被 SIGKILL。请设置 provider_params.modal.memory: 65536(或当前提供商的等效配置),不要因为没有输出就认定程序已经崩溃。
README 中的 --ligand 只是在 CLI 上偶然可用——请使用 --ligand_description
上游 README 使用了 --ligand;它之所以有效,只是因为 argparse 会将该前缀匹配到真正的参数 --ligand_description。这个缩写只适用于 CLI:如果将 ligand 用作 CSV 列标题或 YAML 键,它不会匹配任何内容,并且该行会被静默视为没有配体。请始终完整写出参数和列标题。
值得识别的错误
| 你看到的现象 | 含义/处理方法 |
|---|---|
启动时出现 ValueError: not allowed to raise maximum limit | setrlimit(NOFILE, 64000) 超出了沙箱的硬限制——使用 sed 将 inference.py 中的常量改为 min(64000, rlimit[1])。 |
| SO(3) 预计算开始几分钟后无提示地被 SIGKILL | 主机内存耗尽——参见上面的注意事项。 |
python3: not found | 当前使用的是上游 rbgcsail/diffdock 镜像——该镜像通过 micromamba 从 /home/appuser/DiffDock 运行。 |
下一步: 在跨配体排序之前,对 rank1.sdf 姿势重新打分——项目内可使用 boltz 的亲和力预测头——因为仅凭 DiffDock 置信度预测头不能预测亲和力。
详细信息
作者
Anthropic
许可证
Apache-2.0
第三方软件、内容、条款和信息
- 权重: DiffDock-L(MIT)— 条款
所属插件
安装该插件会一并获得同领域的 31 个 Skill / MCP。
同插件的其他科研 Skill
- AlphaFold2 蛋白质结构预测使用 ColabFold 运行器和 AlphaFold2/AlphaFold2-Multimer 预测蛋白质单体、多聚体与复合物结构,并通过 pLDDT、ipTM 和 RMSD 评估预测与设计质量。
- 生信论文写作助手按钮审批、本机R优先与生信论文质控交付
- BioServices 生信数据库助手统一访问生物信息数据库
- Boltz 生物分子共折叠使用 Boltz-2 预测蛋白质、核酸和小分子复合物结构(Passaro、Wohlwend 等,2025)。适用于针对靶标验证设计的结合蛋白、将蛋白质与 SMILES 或 CCD 配体共同折叠,或使用可选的结合亲和力预测功能获得开源 AlphaFold3 替代方案。
- Borzoi 基因组调控预测使用 Borzoi 根据 DNA 序列预测全基因组功能轨迹(RNA-seq、CAGE、DNase、ChIP)。适用于评估变异对表达或染色质可及性的调控效应、生成某个基因组位点的预测覆盖轨迹,或根据预测轨迹差值确定非编码变异的优先级。
- bulk RNA-seq 分析助手复现 bulk RNA-seq 分析流程
- Chai-1 复合物结构预测使用 Chai-1 基础模型(Chai Discovery,2024,github.com/chaidiscovery/chai-lab)预测蛋白质、核酸和小分子复合物结构。适用于从单个 FASTA 预测抗体—抗原或蛋白质—配体复合物、将设计的结合蛋白重新折叠并作为 AlphaFold-Multimer 的替代方案,或通过 Python 在 GPU 上执行批量共折叠任务。
- 肿瘤枢纽基因课题规划规划传统肿瘤生信课题
- deepTools NGS 信号分析生成 NGS 质控和信号图
- ESMFold2 全原子共折叠使用 Biohub ESMFold2/ESMFold2-Fast 进行全原子共折叠,支持单序列和 MSA 模式以及蛋白质、DNA、RNA、配体(CCD/SMILES)和修饰残基;FoldBench 抗体–抗原 DockQ 通过率为 50–55%,PPI 为 70–77%。也覆盖同一版本的 ESMC-{300M,600M,6B} 蛋白质语言模型,包括掩码语言模型 logits、隐藏状态、突变评分、接触预测和 SAE 可解释性预测头。适用于预测单序列输入的复合物结构、使用 ESMFold2-Fast 验证设计结合蛋白、运行 MSA 输入、获取 ESMC 嵌入或逐残基突变分数,以及选择符合论文吞吐设置的内核后端和采样步数。
- Evo 2 基因组基础模型使用长上下文基因组基础模型 Evo 2 对 DNA 序列进行评分、嵌入和生成。适用于计算逐核苷酸或逐序列似然以评估变异效应、嵌入基因组窗口供下游分类使用、根据前缀生成 DNA,以及跨物种评估调控区或编码区。
- ESM-2 蛋白质语言模型使用 Meta AI 的 ESM-2(`fair-esm` 软件包)生成蛋白质嵌入。适用于提取残基级或序列级嵌入供下游机器学习使用、进行掩码语言模型似然或突变效应评分,以及根据序列预测接触图。
- gget 生信检索助手跨生信数据库检索基因蛋白信息
- 治疗适应症研究档案生成治疗适应症档案,覆盖患者人群、流行病学、疾病生物学、标准治疗、监管先例和里程碑式临床试验。
- LigandMPNN 配体环境蛋白设计使用 LigandMPNN(Dauparas 等,2023)在配体、核酸和金属环境下对蛋白质骨架进行逆折叠。适用于重新设计结合口袋中围绕已结合小分子或辅因子的残基、设计必须保持几何构型的金属配位位点,或从任意 MPNN 运行中获得穿线了设计序列的 PDB。
- 科学文献综述查找、核验并综合科学文献——从“X 领域的奠基性论文是哪篇”到完整的多来源综述。涵盖以真实检索到的来源支撑论断、避免伪造引文、处理撤稿,以及根据证据强度校准置信程度。
- 医学文献精读助手精读医学文献并提取关键信息
- Methods 段落写作助手改写可投稿的 Methods 段落
- 科研晨间简报将用户的晨间简报渲染为有样式的 HTML 产物,或将其设置为工作日循环任务。仅当用户明确要求运行、查看或设置晨间简报,或明确调用 /morning 时使用;仅询问当天安排、日程或日历并不构成晨间简报请求,应直接回答。
- OpenFold3 复合物结构预测使用 OpenFold3 进行结构预测。OpenFold3 是 AlQuraishi 实验室开发的 AlphaFold3 开放权重 PyTorch 复现。适用于使用 Apache-2.0 许可的 AF3 复现模型预测蛋白质、核酸和配体复合物结构。
- 通路富集分析助手执行通路和基因集富集分析
- ProteinMPNN 蛋白质序列设计使用 ProteinMPNN(Dauparas 等,2022,github.com/dauparas/ProteinMPNN)将蛋白质骨架(PDB 结构)逆折叠为氨基酸序列。适用于对 RFdiffusion 骨架进行序列设计、在固定界面残基的同时重新设计 PDB 中的一条链,或生成跨温度采样的序列集合供下游折叠使用。
- PyDESeq2 差异表达分析分析 bulk RNA-seq 差异表达
- QTL 共定位研究规划设计 QTL 与 GWAS 共定位分析
常见问题
DiffDock 小分子对接能做什么?
使用 DiffDock-L(Corso 等,2023/2024)预测小分子结合姿势。它通过盲扩散对接,在无需预定义搜索框的情况下将配体放入蛋白质口袋,并使用学习得到的置信度模型对样本排序。适用于将 SMILES 或 SDF 对接至 PDB、为小型片段库生成排序后的三维姿势,或为后续重打分生成起始姿势。DiffDock 预测几何构象,而非亲和力。
如何安装DiffDock 小分子对接?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「DiffDock 小分子对接」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
DiffDock 小分子对接需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
DiffDock 小分子对接经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。