DiffDock 분자 도킹 스킬

무엇을 해주나

• PDB 파일이나 아미노산 서열 + SMILES/SDF/MOL2 입력으로 DiffDock 추론 명령을 정확히 조립합니다.
• 단일 도킹, 배치 CSV 기반 대량 도킹, 가상 스크리닝(ESM 임베딩 사전 계산 포함) 워크플로를 안내합니다.
• 결과 폴더의 rank/confidence 파일을 해석하고, 신뢰도 구간(>0 높음, -1.5~0 보통, <-1.5 낮음)에 따른 후속 조치를 제안합니다.
• samples_per_complex, inference_steps, torsion temperature 등 파라미터 튜닝 프리셋과 앙상블 도킹, GNINA/MM-GBSA 재점수 연계까지 다룹니다.

이런 분께 추천

• 구조 기반 신약 개발, 리드 최적화를 수행하는 계산화학·바이오인포매틱스 연구자
• CUDA GPU와 conda/Docker 환경을 다룰 수 있는 사용자
• 도킹 포즈를 대량으로 생성하고 정리·랭킹해야 하는 스크리닝 담당자

활용 예시

1. "이 PDB에 아스피린 SMILES를 도킹해줘" → python -m inference --protein_path protein.pdb --ligand_description "CC(=O)Oc1ccccc1C(=O)O" 실행 후 rank1 포즈와 신뢰도 해석.
2. 화합물 200개 라이브러리 스크리닝 → 배치 CSV 검증 → ESM 임베딩 사전 계산 → 배치 추론 → analyze_results.py --export summary.csv로 상위 후보 정리.
3. 유연한 단백질 3개 컨포머에 동일 리간드 앙상블 도킹 후 컨센서스 포즈 판별.

주의: 결합 친화도(ΔG, Kd)는 예측하지 않으며, 단백질-단백질 도킹·공유결합 도킹·큰 펩타이드에는 부적합합니다.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/diffdock/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/diffdock 폴더를 내 ~/.claude/skills/diffdock/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.