ligandmpnn
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
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/ligandmpnnKopieren 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 ligandmpnn?
ligandmpnn ist ein Claude Skill von NeverSight. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um ligandmpnn ohne zusätzliche Eingaben auszuführen.
Wie installiere ich ligandmpnn?
Verwende die Installationsbefehle auf dieser Seite: Füge ligandmpnn 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 ligandmpnn?
ligandmpnn gehört zur Kategorie Andere.
Kann ich ligandmpnn kostenlos nutzen?
Ja. ligandmpnn 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.
