diffdock

Visão geral do skill diffdock

Para que serve o diffdock

O DiffDock é um skill focado em docking para prever poses de ligação entre proteína e ligante a partir de uma estrutura ou sequência de proteína mais uma entrada de ligante. Use o skill diffdock quando você precisar de uma resposta prática para “onde e como esse composto pode se ligar?”, e não de uma estimativa de afinidade de ligação.

Melhor encaixe e ponto de decisão

Ele se encaixa bem em design de fármacos baseado em estrutura, triagem virtual e geração de poses para análise posterior. É uma opção mais fraca se você só precisa ranquear por potência, se o alvo proteico é altamente flexível ou se você quer um fluxo genérico de química em vez de um fluxo de previsão de poses.

O que o torna útil

O principal valor do diffdock é reunir docking de complexo único, triagem em lote, pontuação de confiança e entrada de proteína por sequência em um único fluxo. Isso torna a instalação do diffdock valiosa quando você quer tanto um caminho executável de docking quanto orientação suficiente para não interpretar mal os scores.

Como usar o skill diffdock

Instale e inspecione o fluxo de trabalho

Instale o skill diffdock na sua configuração de skills do Claude e abra primeiro SKILL.md. Depois, leia references/workflows_examples.md, references/parameters_reference.md e references/confidence_and_limitations.md para entender os formatos reais de entrada, os padrões e a interpretação dos scores antes de rodar um job.

Transforme sua tarefa em um prompt utilizável

Para usar o diffdock, informe desde o início o formato da proteína, o formato do ligante e o tipo de job. Uma boa entrada é específica, por exemplo: “Faça docking deste SMILES neste PDB e retorne as 5 melhores poses com interpretação de confiança”, ou “Prepare docking em lote para estes ligantes contra um único receptor”. Uma entrada fraca é apenas “rodar diffdock”, porque isso esconde se o skill deve usar um arquivo, uma sequência ou um lote em CSV.

Use os arquivos e saídas corretos

Para docking único, comece com um PDB da proteína e um ligante em SMILES, SDF ou MOL2. Para trabalho em lote, use o template CSV em assets/batch_template.csv e confira scripts/prepare_batch_csv.py se precisar validar antes da execução. Depois de uma execução, scripts/analyze_results.py ajuda a resumir ranks de pose e scores de confiança para que você não precise inspecionar manualmente cada arquivo de saída.

Dicas práticas de configuração

A instalação e a primeira execução do DiffDock podem ficar mais lentas por causa dos pesos do modelo e da geração de lookup tables, então planeje esse custo inicial. Se sua proteína não estiver disponível como estrutura, o skill oferece suporte a folding baseado em sequência, mas isso adiciona incerteza; use isso quando não existir estrutura experimental, não como atalho padrão. Ajuste a amostragem só quando a tarefa for difícil, porque mais samples melhoram a cobertura da busca, mas também aumentam o custo computacional e o trabalho de pós-processamento.

Perguntas frequentes sobre o skill diffdock

O diffdock funciona só com arquivos PDB?

Não. O skill diffdock suporta estruturas de proteína e, em alguns fluxos, sequências de proteína que passam por folding antes do docking. Ainda assim, o ideal é usar um PDB real quando você tiver um, porque estruturas derivadas de sequência adicionam outra fonte de erro.

O diffdock prevê afinidade?

Não. O DiffDock prevê poses de ligação e confiança, não afinidade de ligação. Se você precisar de priorização semelhante a afinidade, combine o diffdock com uma etapa de scoring ou rescoring em vez de tratar a confiança como potência.

O skill diffdock é amigável para iniciantes?

Sim, se a tarefa for simples: um receptor, um ligante, uma pergunta de pose. Ele fica mais difícil quando você precisa de curadoria em lote, proteínas flexíveis ou interpretação cuidadosa de amostras com baixa confiança. O skill é amigável para docking, não para substituir o julgamento de domínio.

Quando eu não devo usar?

Não dependa do diffdock para alvos em que a mudança conformacional é o principal mecanismo de ligação, ou quando você só tem uma representação de ligante muito incerta. Ele também é um substituto ruim para um fluxo completo de análise em química medicinal se a sua pergunta real for SAR, seletividade ou ADMET.

Como melhorar o skill diffdock

Dê ao skill mais contexto molecular

Os melhores resultados do diffdock geralmente vêm de entradas limpas: um arquivo de receptor correto, um ligante com hipótese de protonação definida e uma definição clara do problema de ligação. Se o sítio for conhecido, diga isso. Se for uma tarefa de blind docking, diga também, porque a estratégia de busca e a confiança esperada são diferentes.

Peça a saída que você realmente vai usar

Melhore o uso do diffdock especificando se você quer a melhor pose, as 5 melhores poses, triagem em lote ou candidatos ordenados por confiança. Se você pretende comparar resultados depois, peça nomes de arquivo consistentes e uma tabela-resumo. Isso reduz ambiguidade e facilita integrar a saída na análise para Data Analysis ou em relatórios de screening.

Fique atento aos modos de falha mais comuns

Os erros mais frequentes são tratar confiança como afinidade, usar preparação ruim do ligante e confiar demais em execuções em proteínas fora da zona de conforto do modelo. Se os resultados parecerem instáveis, rode novamente com mais samples, compare várias poses principais e verifique se o problema real é a química do ligante ou o estado da proteína, e não o modelo.

Itere com prompts de acompanhamento específicos

Depois da primeira execução, melhore o próximo prompt do diffdock com o problema específico: posicionamento ruim do sítio, agrupamento inconsistente de poses ou scores de confiança baixos. Isso é muito mais útil do que pedir uma repetição genérica. Quando você precisar do diffdock para Data Analysis, inclua a métrica que quer extrair das saídas, como distribuição de ranks, thresholds de score ou resumos por complexo.