🧬

diffdock

Name: diffdock
Author: K-Dense-AI

Seguro ⚙️ Comandos externos🌐 Acceso a red📁 Acceso al sistema de archivos⚡ Contiene scripts

Predice poses de unión molecular con acoplamiento IA

También disponible en: davila7

DiffDock utiliza modelos de difusión avanzados para predecir cómo las pequeñas moléculas se unen a las proteínas en el espacio 3D. Los investigadores pueden acelerar el descubrimiento de fármacos generando poses de unión precisas con puntuaciones de confianza para el diseño basado en estructuras.

Soporta: Claude Codex Code(CC)

🥈 79 Plata

Descargar el ZIP de la skill

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

Activa y empieza a usar

Pruébalo

Usando "diffdock". Dock aspirin to COX-2 protein

Resultado esperado:

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

Usando "diffdock". Screen library of 100 fragments against kinase target

Resultado esperado:

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

Auditoría de seguridad

Seguro

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.

Archivos escaneados

2,493

Líneas analizadas

hallazgos

Auditorías totales

Factores de riesgo

⚙️ Comandos externos (4)

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

🌐 Acceso a red (2)

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

📁 Acceso al sistema de archivos (2)

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

⚡ Contiene scripts (1)

scripts/setup_check.py:40

Auditado por: claude Ver historial de auditorías →

Puntuación de calidad

Arquitectura

100

Mantenibilidad

Contenido

Comunidad

100

Seguridad

Cumplimiento de la especificación

Lo que puedes crear

Campañas de cribado virtual

Evalúa miles de compuestos contra proteínas objetivo para identificar candidatos a fármacos prometedores para estudios adicionales

Predicción de sitio de unión

Predice dónde se unen las pequeñas moléculas a las estructuras proteicas para comprender los mecanismos y guiar los experimentos

Optimización de leads

Genera poses de unión para modificaciones de compuestos para mejorar las interacciones con proteínas objetivo

Prueba estos prompts

Acoplamiento básico único

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

Cribado por lotes

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

Analizar resultados

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

Parámetros personalizados

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

Mejores prácticas

Valida siempre el entorno con setup_check.py antes de trabajos por lotes grandes
Usa 20-40 muestras por complejo para predicciones importantes
Combina con funciones de puntuación como GNINA para estimación de afinidad
Visualiza las 3-5 mejores poses para verificar la plausibilidad estructural

Evitar

Usar puntuaciones de confianza como mediciones directas de afinidad de unión
Ejecutar cribado virtual grande sin acceso a GPU
Asumir que una única predicción es correcta sin examinar alternativas
Ignorar la preparación de la proteína y problemas de residuos faltantes

Preguntas frecuentes

¿Cuál es la diferencia entre confianza y afinidad?

La confianza mide qué tan seguro está el modelo sobre la pose predicha. La afinidad mide la fuerza de unión. Alta confianza no significa unión fuerte.

¿Cuántas muestras debo generar por complejo?

Usa 10 para cribado rápido, 20-40 para predicciones importantes, y 40+ para ligandos muy flexibles o grandes.

¿Puedo usar secuencias de proteínas en lugar de archivos PDB?

Sí, DiffDock usa ESMFold para predecir la estructura de la proteína a partir de la secuencia. Sin embargo, los archivos PDB típicamente dan mejores resultados.

¿Qué formatos de ligando son compatibles?

Cadenas SMILES, archivos SDF y archivos MOL2. Las cadenas SMILES son más convenientes para el cribado de alto rendimiento.

¿Cómo interpreto las puntuaciones de confianza negativas?

Puntuaciones por debajo de -1.5 indican baja confianza. Considera más muestras, acoplamiento por conjuntos o validación experimental.

¿Puede DiffDock predecir la afinidad de unión?

No, DiffDock solo predice poses de unión. Usa GNINA, MM/GBSA o métodos experimentales para predicción de afinidad.