用途：用 DiffDock 扩散模型预测小分子配体在蛋白靶点上的 3D 结合构象，适用于盲对接、虚拟筛选、基于结构的药物设计与先导优化。支持蛋白 PDB 文件或氨基酸序列（经 ESMFold），配体可用 SMILES、SDF、MOL2。
主要能力：单复合物对接；批量 CSV 对接与化合物库筛选；输出每复合物多个构象并带置信度（文件名后缀 confidenceN.NN，rank1 最好）；脚本 analyze_results.py 按 >0 高、-1.5~0 中、<-1.5 低分类并导出 CSV。默认模型为 DiffDock-L（2024-02）。
使用方式：先运行 python scripts/setup_check.py 检查环境；安装可选 conda env create --file environment.yml 或 docker pull rbgcsail/diffdock。单次对接：python -m inference --config default_inference_args.yaml --protein_path protein.pdb --ligand "CC(=O)Oc1ccccc1C(=O)O" --out_dir results/single_docking/。批量：先 python scripts/prepare_batch_csv.py --create --output batch_input.csv，再 python -m inference --config default_inference_args.yaml --protein_ligand_csv batch_input.csv --out_dir results/batch/ --batch_size 10。网页界面：python app/main.py，访问 http://localhost:7860。
参数注意：--config 的 YAML 值会覆盖同名命令行参数，samples_per_complex、inference_steps、temp_* 需改 YAML 副本；--batch_size 不在默认 YAML 中，命令行有效。
限制：仅预测构象与置信度，不预测亲和力（ΔG、Kd），需配合 GNINA、MM/GBSA 等打分。不适合蛋白-蛋白/核酸复合物、大肽（>20 残基）、共价对接、膜蛋白（未专门训练）。建议 GPU，首次运行需预计算查找表并下载约 500MB 权重。资源：https://github.com/gcorso/DiffDock ；演示 https://huggingface.co/spaces/reginabarzilaygroup/DiffDock-Web（常不可用）。引用 Corso et al. ICLR 2024（arXiv:2402.18396）与 ICLR 2023（arXiv:2210.01776）。