Zurück zu Fähigkeiten

ligandmpnn

NeverSight
Aktualisiert 6 days ago
8 Ansichten
24
3
24
Auf GitHub ansehen
Anderesequence-designinverse-foldingligand-aware

Über

Diese Fähigkeit nutzt LigandMPNN für das Design von Proteinsequenzen, das speziell für Wechselwirkungen mit kleinen Molekülen, Kofaktoren oder Metallen optimiert ist. Sie ist für spezialisierte Aufgaben wie das Engineering von Enzymaktiven Zentren und die Optimierung von Ligandenbindungstaschen konzipiert. Entwickler sollten diese Fähigkeit dem standardmäßigen ProteinMPNN vorziehen, wenn sie Sequenzen um einen gebundenen Liganden oder Metallion herum entwerfen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add NeverSight/skills_feed -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/NeverSight/skills_feed
Git CloneAlternativ
git clone https://github.com/NeverSight/skills_feed.git ~/.claude/skills/ligandmpnn

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

GitHub Repository

NeverSight/skills_feed
Pfad: data/skills-md/adaptyvbio/protein-design-skills/ligandmpnn
0
learn-skillsskills

Verwandte Skills

boltz

Andere

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.

Skill ansehen

alphafold

Andere

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.

Skill ansehen

boltzgen

Andere

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.

Skill ansehen

bindcraft

Andere

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.

Skill ansehen