用途：DiffDock 是基于扩散模型的分子对接工具，用于预测小分子配体与蛋白靶点的三维结合构象，服务于基于结构的药物发现与化学生物学。
主要能力：可用深度学习预测配体结合构象；输入蛋白结构（PDB）或序列（经 ESMFold）；支持单复合物和批量虚拟筛选；输出置信度评分；支持 SMILES、SDF、MOL2 等配体输入。需注意：它预测结合构象与置信度，不预测结合亲和力（ΔG、Kd），应结合 GNINA、MM/GBSA 等打分函数评估亲和力。
使用方式：先检查环境：python scripts/setup_check.py。安装可选 Conda：git clone https://github.com/gcorso/DiffDock.git，cd DiffDock，conda env create --file environment.yml，conda activate diffdock；或 Docker：docker pull rbgcsail/diffdock，docker run -it --gpus all --entrypoint /bin/bash rbgcsail/diffdock，micromamba activate diffdock。单复合物对接：python -m inference --config default_inference_args.yaml --protein_path protein.pdb --ligand "CC(=O)Oc1ccccc1C(=O)O" --out_dir results/single_docking/；也可用 --protein_sequence。批量对接：先用 python scripts/prepare_batch_csv.py --create --output batch_input.csv 生成 CSV，再运行 python -m inference --config default_inference_args.yaml --protein_ligand_csv batch_input.csv --out_dir results/batch/ --batch_size 10。大规模筛选可先用 datasets/esm_embedding_preparation.py 预计算嵌入。结果分析：python scripts/analyze_results.py results/batch/ 等。也可用 python app/main.py 启动界面，访问 http://localhost:7860。
适用场景：小分子（约 100-1000 Da）、类药有机化合物、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（>20 残基）、共价对接和亲和力预测；膜蛋白未专门训练，需谨慎。置信度 >0 为高、-1.5 至 0 为中、<-1.5 为低；高置信度仅表示结构预测确定，不代表强结合。强烈建议使用 GPU；首次运行会预计算查找表并自动下载约 500MB 模型权重。