用途：以三步串联流程进行候选药物筛选。第一步 GenMol 生成分子，第二步 DiffDock 将分子对接到靶点，第三步 Boltz2 预测结合亲和力。适用从头命中发现、先导优化和虚拟筛选。
使用前需与用户确认：靶蛋白（PDB 文件或序列）、起点（从头或已知骨架修饰）、打分方式（QED 或 LogP）、API 模式（托管或本地 Docker）。本地 Docker 时不要让所有 NIM 同时占用 localhost:8000，可逐个容器运行并传递文件，或为每个 NIM 分配不同端口并设置各步 URL。
主要能力与关键点：GenMol 要求 SAFE 记法而非原始 SMILES，用 pip install safe-mol 的 safe 包编码；请求字段名为 smiles 但传 SAFE 记法，temperature 与 noise 必须为字符串。托管端点如 https://health.api.nvidia.com/v1/biology/nvidia/genmol/generate，调用需 NGC_API_KEY。DiffDock 需仅保留 ATOM 行的受体 PDB，参数含 num_poses、time_divisions、steps，返回 position_confidence 与 ligand_positions。Boltz2 用靶蛋白序列而非 PDB，ligands 中设 predict_affinity 为 True，返回 affinity_pic50 与 affinity_probability_binary。
结果解读：QED 0–1，>0.5 视为类药；DiffDock 置信度越高对接姿态越可靠；pIC50 >6 为亚微摩尔、>8 为高活性；P(bind) >0.7 可能结合。
限制：调用时分子、靶点输入与 NGC_API_KEY 会传输至 NVIDIA 托管 API 端点，建议使用本地 NIM 容器；各 NIM 端点与参数需按当前文档核对；其余信息暂未提供。