findscripter 何时使用
DiffDock 把对接当作生成问题而非搜索问题：用扩散模型从蛋白结构 + 配体 SMILES 直接采样结合构象，无需预先指定结合位点，在整个蛋白表面采样，输出按置信度排序的多个构象。适用场景：
- 盲对接（结合位点未知）：不知道配体在蛋白上结合在哪，想发现候选结合位点。
- 传统对接失败的难题靶标：变构位点、柔性区域、目标口袋无共晶结构的蛋白。
- 探索多种结合模式：生成多样化构象系综，理解结合事件的构象柔性。
- SAR / 片段筛选假设生成：快速对一系列类似物对接、比较预测结合模式，或为片段分子找可能的结合位点。
不该用的边界：
- 口袋已定、要高通量：结合位点清晰时，AutoDock Vina / GNINA 更快、精度相当——优先用它们。
- 大规模虚拟筛选（>1 万化合物）：用 GNINA 或 DiffDock-L（大规模版），别用标准 DiffDock。
- 需要电子结构/量子化学、或只有实验数据要统计制图——不在本技能范围。
步骤
- 装环境：克隆 DiffDock，建 conda 环境，装 CUDA 版 PyTorch 与依赖，下载预训练权重（见示例）。强烈建议 GPU；CPU 推理约 5–10 min/化合物。
- 清蛋白：Biopython 去 HETATM（配体、水），只保留蛋白 ATOM，确保已加氢/完整，输出
protein_clean.pdb。 - 备配体：RDKit 把 SMILES 加氢 → ETKDGv3 生成 3D 构象 → MMFF 优化 → 写 SDF（或直接把 SMILES 串传给 inference）。
- 跑推理：在 DiffDock 目录运行
inference.py，设--inference_steps、--samples_per_complex、--batch_size、--no_final_step_noise。 - 解析排序：扫
results/下rank{N}_confidence{score}.sdf，正则抽 rank 与 confidence，按 rank 排序成表。 - 分析口袋：对 rank1 构象，算蛋白原子与配体原子距离 ≤ cutoff（默认 4.0 Å）的残基，得结合位点残基列表。
- 可视化 / 重打分（可选）：NGLview 看构象；或 OpenBabel 转 PDBQT 交 Vina
--score_only重打分。
指令
推理命令（在 DiffDock 目录运行）：
python inference.py \
--protein_path protein_clean.pdb \
--ligand "CC(C)Cc1ccc(cc1)C(C)C(=O)O" \
--out_dir results/ \
--inference_steps 20 \
--samples_per_complex 40 \
--batch_size 10 \
--no_final_step_noise
关键参数：
| 参数 | 默认 | 范围 | 作用 |
|---|---|---|---|
--inference_steps |
20 | 10–40 | 扩散反向步数；越多越慢但越准 |
--samples_per_complex |
40 | 10–100 | 采样构象数；越多结合模式覆盖越好（构象都挤一处时调大到 40–100） |
--batch_size |
10 | 1–32 | GPU 批大小；OOM 就调到 4 或 2 |
--no_final_step_noise |
关 | flag | 去最后一步噪声，提升构象质量（建议开） |
--save_visualisation |
关 | flag | 额外存 PDB 可视化文件 |
cutoff_angstrom |
4.0 Å | 3.0–6.0 | 判定结合位点残基的距离阈值 |
置信度解读（务必记牢）： confidence 越高越可信；> 0 一般为合理构象；~0 边缘；< -1 较差；全部 < -2 多半是配体/蛋白格式问题（用 RDKit 校验 SMILES、确保蛋白已加氢且完整）。
示例
安装 + 下载权重：
git clone https://github.com/gcorso/DiffDock.git && cd DiffDock
conda create -n diffdock python=3.9 && conda activate diffdock
pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txt
python -c "from utils.download import download_pretrained; download_pretrained()"
清蛋白（Biopython，去 HETATM）：
from Bio.PDB import PDBParser, PDBIO, Select
class NonHetSelect(Select):
def accept_residue(self, residue):
return residue.id[0] == " " # 只保留蛋白 ATOM
def clean_pdb(inp, out):
s = PDBParser(QUIET=True).get_structure("p", inp)
io = PDBIO(); io.set_structure(s); io.save(out, NonHetSelect())
clean_pdb("raw_protein.pdb", "protein_clean.pdb")
SMILES → 3D SDF（RDKit）：
from rdkit import Chem
from rdkit.Chem import AllChem, SDWriter
mol = Chem.AddHs(Chem.MolFromSmiles("CC(C)Cc1ccc(cc1)C(C)C(=O)O")) # 布洛芬
AllChem.EmbedMolecule(mol, AllChem.ETKDGv3()); AllChem.MMFFOptimizeMolecule(mol)
w = SDWriter("ligand.sdf"); w.write(mol); w.close()
解析排序构象：
import re, pandas as pd
from pathlib import Path
def parse_results(out_dir):
recs = []
for f in sorted(Path(out_dir).glob("rank*_confidence*.sdf")):
r = re.search(r"rank(\d+)", f.stem); c = re.search(r"confidence(-?[\d.]+)", f.stem)
if r and c:
recs.append({"rank": int(r.group(1)), "confidence": float(c.group(1)), "sdf": str(f)})
return pd.DataFrame(recs).sort_values("rank")
df = parse_results("results/")
high_conf = df[df.confidence > 0.0] # 只留合理构象
提取结合位点残基（rank1 构象，≤4 Å）：
import numpy as np
from rdkit import Chem
from Bio.PDB import PDBParser
def binding_residues(pdb, sdf, cutoff=4.0):
s = PDBParser(QUIET=True).get_structure("p", pdb)
atoms = [(a.get_coord(), r.resname, r.id[1]) for ch in s for r in ch for a in r.get_atoms()]
lig = Chem.SDMolSupplier(sdf, removeHs=False)[0].GetConformer().GetPositions()
hits = {(rn, name) for c, name, rn in atoms
if np.linalg.norm(lig - c, axis=1).min() <= cutoff}
return sorted(hits)
转 PDBQT 交 Vina 重打分（可选）：
obabel rank1_confidence0.75.sdf -O rank1.pdbqt
obabel protein_clean.pdb -O protein.pdbqt -xr
vina --receptor protein.pdbqt --ligand rank1.pdbqt --score_only --out rank1_rescored.pdbqt
注意事项
- 必须先清蛋白：结果目录为空多因 PDB 解析失败——确保只含 ATOM，先
clean_pdb()去 HETATM。 - CUDA OOM：
--batch_size调到 4 或 2。 ModuleNotFoundError: e3nn：在 diffdock 环境pip install e3nn。- 推理极慢（>30 min）：多半在 CPU 上跑——务必配好 CUDA 用 GPU。
- 构象都挤一个位点：
--samples_per_complex调大到 40–100 改善位点覆盖。 - 蛋白缺残基：晶体结构不完整时，先用 MODELLER / SWISS-MODEL 补缺再对接。
- DiffDock 给的是构象假设，不是结合亲和力：置信度是构象可信度排序，不等于 ΔG；要能量评估请交 Vina/GNINA 重打分。
- 无本地环境时可用 DiffDock Web 服务 在浏览器推理。
- 关键文献：Corso et al. 2023, ICLR（arXiv:2210.01776）；源码与权重见 gcorso/DiffDock。
互见
- related：
molecular-dynamics-simulation—— 对接得到结合构象后，可做 MD 验证稳定性与结合模式 - related：
protein-language-models—— 蛋白结构/序列建模的上游 - combines_with：
cheminformatics-toolkit—— 配体的 SMILES 处理、构象生成与库管理
本条采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0 许可证）。