diffdock
Prever poses de ligação molecular com docking de IA
Auch verfügbar von: davila7
O DiffDock utiliza modelos de difusão avançados para prever como pequenas moléculas se ligam a proteínas no espaço 3D. Os investigadores podem acelerar a descoberta de medicamentos gerando poses de ligação precisas com pontuações de confiança para design de medicamentos baseado em estruturas.
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
SicherThe 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.
Risikofaktoren
⚙️ Externe Befehle (4)
🌐 Netzwerkzugriff (2)
📁 Dateisystemzugriff (2)
⚡ Enthält Skripte (1)
Qualitätsbewertung
Was du bauen kannst
Campanhas de screening virtual
Rastrear milhares de compostos contra proteínas alvo para identificar candidatos promissores a medicamentos para estudo posterior
Previsão de sítio de ligação
Prever onde pequenas moléculas se ligam a estruturas proteicas para compreender mecanismos e guiar experiências
Otimização de leads
Gerar poses de ligação para modificações de compostos para melhorar interações com proteínas alvo
Probiere diese Prompts
Dock the ligand COc1ccc(C(=O)Nc2ccccc2)cc1 to the protein in protein.pdb and save results to results/docking/
Create a batch CSV for screening 50 compounds against protein.pdb, then run DiffDock with 20 samples per complex
Analyze the confidence scores from DiffDock results in results/batch/ and show the top 10 predictions
Create a custom config for docking flexible ligands with increased temperature and 30 inference steps
Bewährte Verfahren
- Validar sempre o ambiente com setup_check.py antes de trabalhos em lote grandes
- Usar 20-40 amostras por complexo para previsões importantes
- Combinar com funções de pontuação como GNINA para estimação de afinidade
- Visualizar as 3-5 melhores poses para verificar plausibilidade estrutural
Vermeiden
- Usar pontuações de confiança como medições diretas de afinidade de ligação
- Executar screening virtual grande sem acesso a GPU
- Assumir que uma única previsão está correta sem examinar alternativas
- Ignorar preparação de proteína e problemas de resíduos em falta
Häufig gestellte Fragen
Qual é a diferença entre confiança e afinidade?
Quantas amostras devo gerar por complexo?
Posso usar sequências de proteínas em vez de ficheiros PDB?
Que formatos de ligandos são suportados?
Como interpreto pontuações de confiança negativas?
O DiffDock pode prever afinidade de ligação?
Entwicklerdetails
Autor
K-Dense-AILizenz
MIT license
Repository
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/diffdockRef
main