DiffDock 是面向基于结构药物发现的扩散模型分子对接工具，用于预测小分子配体与蛋白靶点的三维结合姿态。主要能力：支持蛋白质 PDB 文件或氨基酸序列（经 ESMFold），配体支持 SMILES、SDF、MOL2；可处理单复合物或批量虚拟筛选；输出多个排序姿态并给出置信度分数。它预测结合姿态与预设置信度，不预测结合亲和力（ΔG、Kd），需配合 GNINA、MM/GBSA 等打分函数评估亲和力。
安装：可 conda（git clone https://github.com/gcorso/DiffDock.git；conda env create --file environment.yml；conda activate diffdock）或 Docker（docker pull rbgcsail/diffdock）。强烈建议 GPU，首次运行需预计算查找表，模型检查点自动下载。
用法：单复合物运行 python -m inference --config default_inference_args.yaml --protein_path protein.pdb --ligand "SMILES" --out_dir results/single_docking/；批量用 --protein_ligand_csv batch_input.csv --batch_size 10，CSV 含 complex_name、protein_path、ligand_description、protein_sequence 列。结果可用 python scripts/analyze_results.py 分析，置信度 >0 高、-1.5~0 中、<-1.5 低。可用 python app/main.py 启动本地界面。
适用场景：小分子（约100-1000 Da）对接、虚拟筛选、结合位点预测、先导优化。限制：不适用蛋白-蛋白对接、大肽、共价对接与亲和力预测，膜蛋白需谨慎；大配体、多链或新蛋白家族可能降低置信度；需实验验证。