【亲测免费】 DiffDock 项目使用教程

1. 项目介绍

DiffDock 是一个用于分子对接的扩散生成模型，由 Gabriele Corso、Hannes Stark、Bowen Jing、Regina Barzilay 和 Tommi Jaakkola 开发。该项目提供了一种先进的方法来进行分子对接，即预测蛋白质和配体之间的三维结合结构。DiffDock 的核心思想是通过扩散步骤、扭转和旋转来生成潜在的结合姿势。

自 2024 年以来，Jacob Silterra 一直领导着代码的维护和改进工作。DiffDock 项目不仅提供了代码实现，还提供了详细的安装和使用说明，以及 Docker 容器支持，方便用户快速上手和部署。

2. 项目快速启动

2.1 环境设置

首先，克隆 DiffDock 项目到本地：

git clone https://github.com/gcorso/DiffDock.git

进入项目目录：

cd DiffDock

使用 Anaconda 创建并激活环境：

conda env create --file environment.yml
conda activate diffdock

2.2 使用 Docker 容器

如果你更倾向于使用 Docker 容器，可以按照以下步骤操作：

构建 Docker 容器：

docker build -f Dockerfile -t diffdock

或者直接拉取预构建的容器：

docker pull rbgcsail/diffdock

运行容器：

docker run -it --gpus all --entrypoint /bin/bash rbgcsail/diffdock

在容器中激活环境：

micromamba activate diffdock

2.3 运行分子对接预测

对于单个复合物，可以使用以下命令进行预测：

python -m inference --config default_inference_args.yaml --protein_path protein.pdb --ligand ligand.sdf --out_dir results/user_predictions_small

对于多个复合物，可以创建一个 CSV 文件，包含蛋白质和配体的路径或 SMILES 字符串，然后使用以下命令：

python -m inference --config default_inference_args.yaml --protein_ligand_csv data/protein_ligand_example.csv --out_dir results/user_predictions_small

3. 应用案例和最佳实践

3.1 药物发现

DiffDock 在药物发现领域有广泛的应用，特别是在预测小分子药物与蛋白质靶点的结合结构方面。通过 DiffDock，研究人员可以快速生成潜在的结合姿势，从而加速药物筛选和优化过程。

3.2 蛋白质-蛋白质相互作用

虽然 DiffDock 主要针对蛋白质-配体相互作用，但它也可以用于预测蛋白质-蛋白质相互作用。尽管模型在处理大分子复合物时可能不如处理小分子配体那样高效，但 DiffDock 仍然可以提供有价值的初步预测。

3.3 结合亲和力预测

虽然 DiffDock 本身不直接预测结合亲和力，但其输出的置信度分数可以与其他工具（如 GNINA、MM/GBSA 或绝对结合自由能计算）结合使用，以评估结合亲和力。

4. 典型生态项目

4.1 ESMFold

ESMFold 是一个用于蛋白质折叠的深度学习模型，可以与 DiffDock 结合使用，特别是在蛋白质结构未知的情况下，ESMFold 可以生成蛋白质的三维结构，然后由 DiffDock 进行分子对接预测。

4.2 RDKit

RDKit 是一个用于化学信息学的开源工具包，支持多种化学数据格式的读取和处理。DiffDock 可以与 RDKit 结合使用，处理输入的配体文件（如 SDF 或 MOL2 格式）。

4.3 Hugging Face Spaces

Hugging Face Spaces 提供了一个在线平台，用户可以在不安装任何软件的情况下直接尝试 DiffDock 模型。这为研究人员提供了一个便捷的途径来测试和验证 DiffDock 的性能。

通过以上步骤和案例，您可以快速上手并充分利用 DiffDock 项目进行分子对接和药物发现研究。