DiffDock 是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靶点的 3D 结合构象，适用于基于结构的药物发现与化学生物学研究。
主要能力：高精度预测配体结合构象；支持 PDB 蛋白结构或氨基酸序列（经 ESMFold）；支持单复合物对接与批量虚拟筛选；输出置信度分数；支持 SMILES、SDF、MOL2 等配体输入。
关键区分：DiffDock 预测结合构象与置信度，不预测结合亲和力（ΔG、Kd），需结合 GNINA、MM/GBSA 等打分函数评估亲和力。
安装：可用 Conda，命令为 git clone https://github.com/gcorso/DiffDock.git、cd DiffDock、conda env create --file environment.yml、conda activate diffdock；也可用 Docker，命令为 docker pull rbgcsail/diffdock、docker run -it --gpus all --entrypoint /bin/bash rbgcsail/diffdock、micromamba activate diffdock。建议使用 GPU，首次运行会预计算查找表，模型检查点约 500MB 自动下载。
用法：单对接命令为 python -m inference --config default_inference_args.yaml --protein_path protein.pdb --ligand "CC(=O)Oc1ccccc1C(=O)O" --out_dir results/single_docking/。批量对接需准备含 complex_name、protein_path、ligand_description、protein_sequence 列的 CSV，运行 python -m inference --config default_inference_args.yaml --protein_ligand_csv batch_input.csv --out_dir results/batch/ --batch_size 10。结果分析可用 python scripts/analyze_results.py results/batch/。可调整 samples_per_complex、inference_steps、温度参数等；大规模筛选可预计算 ESM 嵌入。界面可用 python app/main.py 启动，访问 http://localhost:7860，或使用在线演示。
限制：仅面向小分子配体、类药有机化合物、短肽（<20 残基）及单/多链蛋白；不适用于蛋白-蛋白对接、大肽、共价对接、亲和力预测，膜蛋白需谨慎。置信度高仅代表结构预测确定性，不代表强结合。资料未提供具体收费与价格信息。