公開 1EVE/E20 例を用い、Linux x86_64 CPU 環境でワークフローを実行しました。GNINA 1.3.3 が三つのポーズを生成し、PoseBusters 0.6.5 が全件を点検、PLIP 2.4.0 が化学的同一性の一致する全件を解析しました。計算ワークフローの検証であり、実験・生物活性の検証は行っていません。
実測環境は Ubuntu 24.04.2、Linux x86_64、2 vCPU、約 8GiB RAM、Python 3.12.15 です。専用環境と固定 GNINA バイナリを使い、SHA-256 は 3340c1f49cd3c7c84d8699182a1c6af13c7fa2a22448d1204640446106f72172 です。--no_gpu でもこのバイナリは CUDA/cuDNN のローダーライブラリを必要とするため、Open Babel 用 Xrender とともにプロジェクト環境へ配置し、独立した環境内でパスを設定します。システム CUDA ドライバやグローバル Python の変更は不要でした。このホストの GNINA コマンドは約 45 秒でしたが、単発の観測で所要時間の保証ではありません。記録したインストールと共有キャッシュは約 8.3GiB でした。単一環境での観測であり、最低ストレージ要件ではありません。取得には通信が必要で、プライバシー監査済みとは表現しません。
Docking/CNN のスコアは実測親和性、IC50、薬効ではありません。PoseBusters は設定した妥当性・参照基準を点検し、PLIP は入力座標の規則的な接触を報告します。一つの既知ポケット例から一般精度、他環境での互換性、生物活性は証明できません。予測 RMSD 数値は独立計算せず、PoseBusters の閾値真偽値だけを保持します。中性リガンド、水・糖鎖の除去、末端未補完も解釈の制約です。
導入時間は見積もりであり、インストール全体の実測時間ではありません。