diffdock

仓库创建 2025年10月20日最近提交 5 小时前SkillHot 收录 20 天前

▸ 精选理由

支持批量对接与姿势置信度评估，适合结构基础筛选工作流。

▸ 风险提示

需下载模型与大量计算资源（GPU），依赖较重

这个 Skill 做什么

用扩散模型预测小分子与蛋白的结合构象（分子对接）。

用扩散模型预测小分子在蛋白上的三维结合构象（分子对接），支持从 PDB 或序列加 SMILES/SDF/MOL2 输入做单个或批量对接与虚拟筛选。适合想要高质量构象预测和置信度评分的结构基础药物发现流程。注意它预测姿态而不是结合亲和力，别拿来直接算结合能。

▸ 展开 SKILL.md 英文原文

DiffDock and DiffDock-L molecular docking. Use for protein-small-molecule pose prediction from PDB or sequence plus SMILES/SDF/MOL2, batch docking, virtual screening, and pose-confidence interpretation. Not for binding affinity prediction.

研究检索分子对接扩散模型虚拟筛选通用

3.2w

Stars

3.2k

Forks

仓库内 Skill

+1.6k

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/diffdock/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/diffdock/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# DiffDock: Molecular Docking with Diffusion Models

## Overview

DiffDock is a diffusion-based deep learning tool for molecular docking that predicts 3D binding poses of small molecule ligands to protein targets. It represents the state-of-the-art in computational docking, crucial for structure-based drug discovery and chemical biology.

**Core Capabilities:**
- Predict ligand binding poses with high accuracy using deep learning
- Support protein structures (PDB files) or sequences (via ESMFold)
- Process single complexes or batch virtual screening campaigns
- Generate confidence scores to assess prediction reliability
- Handle diverse ligand inputs (SMILES, SDF, MOL2)

**Key Distinction:**

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有