DiffDock 用扩散生成模型来预测蛋白-配体的结合姿势，代表了生成式 AI 进入分子对接的新路线。与传统对接「采样 + 打分」不同，它把对接当作一个「生成」问题。
它新在哪
- 盲对接：不需预先指定口袋，模型直接在整个蛋白上生成可能姿势。
- 扩散生成：从噪声出发逐步「去噪」成合理的结合构象，并给出置信度。
- 速度：推理快，适合大规模初筛。
怎么看待它
- 优点：无需口袋先验、速度快；适合先用它快速给出候选姿势。
- 局限：对训练分布外的体系可能不稳，置信度低时要谨慎。
- 实践常做交叉验证：把 DiffDock、Vina、GNINA 的结果对比（见「实战流程」模块）。
关键要点
- DiffDock = 把对接当「生成」的扩散模型，支持盲对接；
- 快且无需口袋先验，但要看置信度、做交叉验证；
- 与传统对接互补，而非简单替代。
延伸资源
- 源码：github.com/gcorso/DiffDock
- 配套阅读：「结构与模拟」模块的《DiffDock 论文精读》。