proteinmpnn
Über
Die `proteinmpnn`-Fähigkeit führt inverses Faltungsdesign durch, um Proteinsequenzen für gegebene Rückgratstrukturen zu entwerfen, ideal zum Neugestalten von Sequenzen oder zur Optimierung der Stabilität. Zu den Hauptmerkmalen gehören das Festlegen spezifischer Reste während des Designs und die Unterstützung von Mehrzustands- und Negativdesign-Szenarien. Verwenden Sie `rfdiffusion` zur Rückgratgenerierung und `ligandmpnn`/`solublempnn` für spezialisierte, ligandenbewusste oder Löslichkeitsaufgaben.
Schnellinstallation
Claude Code
Empfohlennpx skills add NeverSight/skills_feed -a claude-code/plugin add https://github.com/NeverSight/skills_feedgit clone https://github.com/NeverSight/skills_feed.git ~/.claude/skills/proteinmpnnKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Häufig gestellte Fragen
Was ist der Skill proteinmpnn?
proteinmpnn ist ein Claude Skill von NeverSight. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um proteinmpnn ohne zusätzliche Eingaben auszuführen.
Wie installiere ich proteinmpnn?
Verwende die Installationsbefehle auf dieser Seite: Füge proteinmpnn als Plugin zu Claude Code hinzu oder klone das Repository in dein Skills-Verzeichnis. Starte Claude danach neu, damit der Skill geladen wird.
Zu welcher Kategorie gehört proteinmpnn?
proteinmpnn gehört zur Kategorie Andere.
Kann ich proteinmpnn kostenlos nutzen?
Ja. proteinmpnn ist auf AIMCP gelistet und kann kostenlos installiert werden.
Verwandte Skills
Boltz bietet Open-Source-Strukturvorhersage für Biomoleküle mit den Modellen Boltz-1/Boltz-2 und dient als Alternative zu AlphaFold2. Es ist spezialisiert auf die Vorhersage von Proteinkomplexen, die Validierung von entworfenen Bindeproteinen und die Verarbeitung von Protein-Ligand-Interaktionen. Diese Fähigkeit ist besonders nützlich, wenn Sie eine Open-Source-Strukturvorhersage benötigen oder lokale GPU-Ressourcen nutzen möchten.
Die Alphafold-Fähigkeit nutzt AlphaFold2, um Proteindesigns durch die Vorhersage von Strukturen und die Berechnung von Konfidenzmetriken zu validieren. Sie unterstützt die Validierung einzelner Ketten, Binder-Ziel-Komplexe und Multiketten-Vorhersagen mit AlphaFold-Multimer. Für schnellere Vorhersagen einzelner Ketten sollten Entwickler stattdessen die esm-Fähigkeit verwenden.
BindCraft bietet ein End-to-End-Design von Proteinbindern mit kombinierter Rückgrat- und Sequenzoptimierung sowie integrierter AlphaFold2-Validierung. Es ist ideal für produktionsreine Binder-Kampagnen und bietet verschiedene Geschwindigkeitsprotokolle, um Designqualität und Rechenkosten abzuwägen. Nutzen Sie diese Fähigkeit, wenn Sie hohe experimentelle Erfolgsraten für das Binderdesign benötigen und nicht nur eine Rückgratgenerierung.
BoltzGen ist ein All-Atom-Diffusionsmodell für Proteindesign, das sowohl Rückgrat- als auch Seitenkettenkoordinaten gleichzeitig generiert. Es eignet sich besonders für das Design von Proteinen um kleine Moleküle oder Liganden herum, wo präzise Bindungsgeometrien erforderlich sind. Nutzen Sie diese Fähigkeit, wenn Sie von Anfang an ein Seitenketten-bewusstes Design benötigen und mit einer YAML-basierten Konfiguration arbeiten.
