Zurück zu Fähigkeiten

alphafold

NeverSight
Aktualisiert 6 days ago
10 Ansichten
24
3
24
Auf GitHub ansehen
Anderestructure-predictionvalidationreference

Über

Die Alphafold-Fähigkeit validiert Proteindesigns unter Verwendung von AlphaFold2 für die Strukturvorhersage, einschließlich Einzelketten-Validierung und Multiketten-Komplexvorhersage mit AlphaFold-Multimer. Sie berechnet Konfidenzmetriken wie pLDDT und pTM und ist ideal zur Validierung der Sequenzfaltung oder zur Vorhersage von Binder-Target-Komplexen. Für schnellere Einzelketten-Vorhersagen sollten Entwickler stattdessen die esm-Fähigkeit verwenden.

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/alphafold

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/alphafold
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