rfdiffusion
Über
RFDiffusion erzeugt neuartige Protein-Grundgerüste mithilfe eines Diffusionsmodells für Aufgaben wie Binder-Design und Motiv-Scaffolding. Es ist ideal für die Erstellung de novo Grundgerüste, die Spezifizierung von Bindungsinterfaces oder das Design symmetrischer Oligomere. Nach der Generierung kann ProteinMPNN für das Sequenzdesign und AlphaFold/Chai zur Validierung verwendet werden.
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/rfdiffusionKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Frequently asked questions
What is the rfdiffusion skill?
rfdiffusion is a Claude Skill by NeverSight. Skills package instructions and resources that Claude loads on demand, so Claude can perform rfdiffusion-related tasks without extra prompting.
How do I install rfdiffusion?
Use the install commands on this page: add rfdiffusion to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does rfdiffusion belong to?
rfdiffusion is in the design-tools category, tagged structure-design, diffusion, backbone and binder.
Is rfdiffusion free to use?
Yes. rfdiffusion is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
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.
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.
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.
