用途：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，服务于基于结构的药物发现与化学生物学。
主要能力：支持 PDB 蛋白结构或氨基酸序列（经 ESMFold），配体支持 SMILES、SDF、MOL2；可处理单复合物或批量虚拟筛选；输出多个排序构象与置信度分数。需注意它预测结合构象与置信度，不预测结合亲和力（ΔG、Kd），亲和力评估需结合 GNINA、MM/GBSA 等打分函数。
使用方式：安装可用 Conda（git clone https://github.com/gcorso/DiffDock.git，conda env create --file environment.yml，conda activate diffdock）或 Docker（docker pull rbgcsail/diffdock）。单复合物对接示例：python -m inference --config default_inference_args.yaml --protein_path protein.pdb --ligand "CC(=O)Oc1ccccc1C(=O)O" --out_dir results/single_docking/。批量对接使用 --protein_ligand_csv batch_input.csv，CSV 需含 complex_name、protein_path、ligand_description、protein_sequence 列。大规模筛选可先用 datasets/esm_embedding_preparation.py 预计算蛋白嵌入。结果分析用 python scripts/analyze_results.py results/batch/，环境检查用 python scripts/setup_check.py。交互界面可运行 python app/main.py 后访问 http://localhost:7860。
适用场景：小分子（约 100-1000 Da）药物样化合物、小肽（<20 残基）、单链或多链蛋白的对接与虚拟筛选。
限制：不适用于蛋白-蛋白对接、大肽、共价对接、膜蛋白及亲和力预测；置信度不等于亲和力，高置信度仅表示构象预测确定。建议使用 GPU，首次运行需预计算查找表并自动下载约 500MB 模型权重。