DiffDock 분자 도킹

무엇을 해주나

• PDB 파일 또는 아미노산 서열 + SMILES/SDF/MOL2 리간드를 받아 3D 결합 포즈를 예측하는 DiffDock 실행 명령을 정확히 만들어 줍니다.
• 단일 복합체 도킹은 물론, CSV 기반 배치 도킹과 대규모 가상 스크리닝(ESM 임베딩 사전 계산 포함) 워크플로를 안내합니다.
• 결과 폴더의 rank*_confidence*.sdf 파일을 파싱해 신뢰도 점수를 High/Moderate/Low로 분류하고 CSV로 요약합니다.
• samples_per_complex, inference_steps, torsion temperature 등 핵심 파라미터를 목적(고정확도/빠른 스크리닝/유연한 리간드)에 맞게 조정해 줍니다.
• GNINA·MM/GBSA·FEP 등 후속 스코어링 도구와 연결하는 파이프라인, 그리고 스킬의 한계(친화도 예측 불가, 단백질-단백질 도킹 불가)를 명확히 설명합니다.

이런 분께 추천

• 구조 기반 신약 개발, 리드 최적화를 수행하는 계산화학·화학생물학 연구자
• 화합물 라이브러리를 가상 스크리닝하려는 바이오텍/제약 연구팀
• CUDA GPU와 Conda 환경을 직접 다룰 수 있는 중급 이상 사용자

활용 예시

1. "이 아스피린 SMILES를 protein.pdb에 도킹해줘" → python -m inference --protein_path ... --ligand_description "CC(=O)Oc1ccccc1C(=O)O" 명령과 결과 해석까지 한 번에.
2. "화합물 200개를 한 타깃에 스크리닝하고 싶어" → 배치 CSV 생성·검증 → ESM 임베딩 사전 계산 → 배치 추론 → 상위 20개 포즈 요약 CSV 추출.
3. "모든 포즈의 신뢰도가 -2 근처인데 왜 그래?" → 큰 리간드/유연한 단백질 원인 진단, 샘플 수 증가와 앙상블 도킹 제안.

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.