diffdock

DiffDock to narzędzie do dokowania molekularnego oparte na głębokim uczeniu. Przewiduje trójwymiarowe pozycje wiązania małych cząsteczek do białek, generując oceny pewności dla każdej prognozy. Obsługuje struktury białek z plików PDB lub sekwencji, przetwarza pojedyncze kompleksy oraz kampanie przesiewu wirtualnego. Idealne dla projektowania leków opartego na strukturze i optymalizacji potencjalnych kandydatów. Pamiętaj: narzędzie przewiduje pozycje i pewność, nie powinowactwo wiązania — do oceny powinowactwa użyj dodatkowych funkcji punktacji.

1. Sprawdź środowisko pracy, uruchamiając skrypt weryfikacyjny (python scripts/setup_check.py), aby potwierdzić obecność Pythona, PyTorch z CUDA, PyTorch Geometric, RDKit, ESM i pozostałych zależności. 2. Przygotuj dane wejściowe: strukturę białka w formacie PDB lub sekwencję aminokwasów, oraz ligand w postaci SMILES, pliku SDF lub MOL2. 3. Uruchom dokowanie dla pojedynczego kompleksu, przekazując plik PDB i strukturę ligandu — narzędzie wygeneruje przewidywaną pozycję wiązania wraz z oceną pewności. 4. Dla przesiewu wirtualnego przygotuj bibliotekę ligandów i uruchom dokowanie wsadowe na wielu parach białko-ligand jednocześnie. 5. Przeanalizuj wyniki: każda prognoza zawiera współrzędne 3D pozycji wiązania i wskaźnik pewności — wyższe wartości oznaczają bardziej wiarygodne przewidywania. 6. Połącz wyniki z dodatkowymi funkcjami punktacji (GNINA, MM/GBSA) jeśli potrzebujesz oceny powinowactwa wiązania.