🧬

diffdock

Name: diffdock
Author: K-Dense-AI

Sicher ⚙️ Externe Befehle🌐 Netzwerkzugriff📁 Dateisystemzugriff⚡ Enthält Skripte

Molekulare Bindungsposen mit KI-Docking vorhersagen

Auch verfügbar von: davila7

DiffDock verwendet fortschrittliche Diffusionsmodelle, um vorherzusagen, wie kleine Moleküle an Proteine im 3D-Raum binden. Forscher können die Arzneimittelentwicklung beschleunigen, indem sie genaue Bindungsposen mit Konfidenzwerten für das strukturbasierte Arzneimitteldesign generieren.

Unterstützt: Claude Codex Code(CC)

🥈 79 Silber

Die Skill-ZIP herunterladen

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

Einschalten und loslegen

Teste es

Verwendung von "diffdock". Dock aspirin to COX-2 protein

Erwartetes Ergebnis:

Generated 10 binding poses for aspirin-COX-2 complex
Top prediction confidence: 0.85 (High confidence)
Binding site: Active site near residues Arg120 and Tyr355
Review recommended: Visualize top 3 poses for structural plausibility

Verwendung von "diffdock". Screen library of 100 fragments against kinase target

Erwartetes Ergebnis:

Processed 100 ligand-protein complexes with 20 samples each
Mean processing time: 45 seconds per complex on GPU
High confidence hits: 12 compounds with score above 0
Top 5 hits exported to screening_hits.csv

Sicherheitsaudit

Sicher

v4 • 1/17/2026

The static analysis flagged 295 potential issues, but ALL are FALSE POSITIVES. The scanner incorrectly identified scientific protein sequences (GFP containing 'SAM') as Windows SAM database references, scientific paper citations as weak cryptographic algorithms, standard Python loops as C2 beacon patterns, and markdown code block syntax as shell execution. This is a legitimate molecular docking research tool with no malicious intent or security vulnerabilities.

Gescannte Dateien

2,493

Analysierte Zeilen

befunde

Gesamtzahl Audits

Risikofaktoren

⚙️ Externe Befehle (4)

SKILL.md:42-470 references/confidence_and_limitations.md:146-166 references/parameters_reference.md:8-159 references/workflows_examples.md:9-377

🌐 Netzwerkzugriff (2)

SKILL.md:53-480 scripts/setup_check.py:179-194

📁 Dateisystemzugriff (2)

scripts/analyze_results.py:214 references/workflows_examples.md:290

⚡ Enthält Skripte (1)

scripts/setup_check.py:40

Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

Architektur

100

Wartbarkeit

Inhalt

Community

100

Sicherheit

Spezifikationskonformität

Was du bauen kannst

Virtual-Screening-Kampagnen

Tausende von Verbindungen gegen Zielproteine screenen, um vielversprechende Arzneimittelkandidaten für weitere Studien zu identifizieren

Bindungsstellenvorhersage

Vorhersagen, wo kleine Moleküle an Proteinstrukturen binden, um Mechanismen zu verstehen und Experimente zu leiten

Lead-Optimierung

Bindungsposen für Verbindungsmodifikationen generieren, um Interaktionen mit Zielproteinen zu verbessern

Probiere diese Prompts

Einfaches einzelnes Docking

Dock the ligand COc1ccc(C(=O)Nc2ccccc2)cc1 to the protein in protein.pdb and save results to results/docking/

Batch-Screening

Create a batch CSV for screening 50 compounds against protein.pdb, then run DiffDock with 20 samples per complex

Ergebnisse analysieren

Analyze the confidence scores from DiffDock results in results/batch/ and show the top 10 predictions

Benutzerdefinierte Parameter

Create a custom config for docking flexible ligands with increased temperature and 30 inference steps

Bewährte Verfahren

Umgebung immer mit setup_check.py vor großen Batch-Jobs validieren
20-40 Samples pro Komplex für wichtige Vorhersagen verwenden
Mit Scoring-Funktionen wie GNINA für Affinitätsschätzung kombinieren
Top 3-5 Posens visualisieren, um strukturelle Plausibilität zu überprüfen

Vermeiden

Konfidenzwerte als direkte Bindungsaffinitätsmessungen verwenden
Großes Virtual Screening ohne GPU-Zugriff durchführen
Annehmen, dass einzelne Vorhersagen korrekt sind, ohne Alternativen zu prüfen
Protein-Vorbereitung ignorieren und fehlende Rückstandsprobleme übersehen

Häufig gestellte Fragen

Was ist der Unterschied zwischen Konfidenz und Affinität?

Konfidenz misst, wie sicher das Modell bei der vorhergesagten Pose ist. Affinität misst die Bindungsstärke. Hohe Konfidenz bedeutet nicht starke Bindung.

Wie viele Samples sollte ich pro Komplex generieren?

10 für schnelles Screening verwenden, 20-40 für wichtige Vorhersagen, und 40+ für sehr flexible oder große Liganden.

Kann ich Proteinsequenzen anstelle von PDB-Dateien verwenden?

Ja, DiffDock verwendet ESMFold, um Proteinstrukturen aus Sequenzen vorherzusagen. PDB-Dateien liefern jedoch typischerweise bessere Ergebnisse.

Welche Ligandenformate werden unterstützt?

SMILES-Strings, SDF-Dateien und MOL2-Dateien. SMILES sind am bequemsten für Hochdurchsatz-Screening.

Wie interpretiere ich negative Konfidenzwerte?

Scores unter -1.5 zeigen niedrige Konfidenz an. Mehr Samples, Ensemble-Docking oder experimentelle Validierung in Betracht ziehen.

Kann DiffDock die Bindungsaffinität vorhersagen?

Nein, DiffDock sagt nur Bindungsposen vorher. GNINA, MM/GBSA oder experimentelle Methoden für Affinitätsvorhersage verwenden.