🔬 DiffDock이란?

2025년 08월 21일

DiffDock 리간드 도킹 단백질-리간드 포즈 예측 단백질 구조 small molecule 도킹

DiffDock은 단백질이 고정된 상태에서 리간드의 최적 결합 위치와 형태를 예측하는 diffusion 기반 모델입니다. 빠르고 정확한 포즈 탐색이 가능합니다.

0%

목차

목차

DiffDock 은 단백질 구조가 고정된 상태에서 리간드가 어떤 위치와 형태로 결합할지 를 예측하는 도구입니다. 전통적인 도킹 모델(예: 슈뢰딩거)에 비해 속도와 정확도 면에서 우수 한 성능을 보이며, 특히 초기 약물 발굴 단계에서 유용하게 활용됩니다.

참고: DiffDock은 **딥러닝 기반의 확률적 모델(diffusion)**을 활용해 복합체 구조를 예측합니다.

🧪 우리 플랫폼에서 어떻게 제공되나요?

우리 플랫폼에서는 DiffDock을 간단한 입력만으로 실행할 수 있도록 지원합니다. 단백질 구조(.pdb)와 리간드 구조(.smi 또는 .sdf)만 업로드하면, 자동으로 도킹이 수행되고 결과 구조와 score가 출력됩니다.

📝 사용 방법 안내

1. 작업 이름 지정

Job Name: DiffDock_docking1

2. 입력 파일 업로드

• 단백질 구조: .pdb 형식
• 리간드 구조: .smi (SMILES) 또는 .sdf 형식

3. 파라미터 설정

옵션	설명
Number of designs	생성할 도킹 포즈 수 설정

입력값 예시:
ligand_file: ligand.smi
protein_file: target.pdb
designs: 20

4. 결과 확인

• 도킹된 리간드 포즈 구조 (복합체)
• 각 포즈의 confidence score 제공

confidence score는 해당 포즈가 native pose일 확률적 지표 입니다. 값이 높을수록 신뢰할 수 있습니다.

🧬 분석 결과 활용 예시

DiffDock은 다음과 같은 분야에서 활용됩니다:

• 약물 개발 초기 스크리닝: 리간드가 단백질 포켓에 잘 들어맞는지 빠르게 확인
• Drug Repositioning: 기존 약물이 새로운 타깃에 결합 가능한지 확인

⚠️ 주의사항

• 입력 형식 오류 방지: .pdb, .smi, .sdf 파일만 지원
• 리간드의 3D 구조가 없다면 .smi로 입력 가능하지만, .sdf 사용을 권장합니다
• 결과는 확률적이므로, 후속 평가(S-score, binding affinity 등)와 함께 사용해야 신뢰도 향상

🔄 관련 도구 및 연계 분석

연계 도구	설명
LigandMPNN	DiffDock 예측 포즈 기반으로 단백질 서열 최적화
SS-GNN	생성된 복합체 구조의 binding affinity 정량 예측
Autodock	후속 도킹 점수 비교 검증

✅ 마무리

DiffDock은 빠르고 정확한 리간드 도킹 포즈 예측 을 위한 강력한 도구입니다. 약물 개발, 구조 기반 설계, 재창출 연구에 유용하게 활용할 수 있습니다.

지금 바로 DiffDock 분석 페이지에서 직접 사용해보세요!