Uni-Mol Docking：预训练分子模型如何进入对接任务

Uni-Mol Docking V2（2024 预印本）把 Uni-Mol 的 3D 分子预训练表征（见 022）迁移到蛋白-配体结合姿势预测任务，并特别强调姿势精度与物理合理性质量检查。

核心思路

• 预训练迁移：先在海量分子 3D 构象上预训练，再用于对接。
• 姿势预测：直接预测配体在口袋中的合理结合构象。
• 工程可用性：代码、数据与服务随官方仓库发布，实际集成前需核对当前 license、模型版本与输入限制。

意义

• 体现「大规模预训练表征」对下游对接任务的增益。
• 与 DiffDock 等扩散方法相比，是另一条技术路线。
• 阅读时不要只看 RMSD，还要看 PoseBusters 等质量检查：键长键角、构象合理性、是否穿模等。

延伸资源

• 论文/代码：Uni-Mol Docking V2, 2024；配套：022《Uni-Mol 教程》、「AI 模型」模块《Uni-Mol 论文精读》。