solublempnn
Acerca de
SolubleMPNN es una herramienta de diseño de secuencias proteicas optimizada para mejorar la solubilidad y el rendimiento de expresión en *E. coli*. Reduce específicamente la propensión a la agregación y ayuda a evitar la formación de cuerpos de inclusión durante la producción de proteínas heterólogas. Utiliza esta habilidad en lugar de la ProteinMPNN estándar cuando tu objetivo principal sea mejorar la solubilidad para una expresión de alto rendimiento.
Instalación rápida
Claude Code
Recomendadonpx 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/solublempnnCopia y pega este comando en Claude Code para instalar esta habilidad
Repositorio GitHub
Frequently asked questions
What is the solublempnn skill?
solublempnn is a Claude Skill by NeverSight. Skills package instructions and resources that Claude loads on demand, so Claude can perform solublempnn-related tasks without extra prompting.
How do I install solublempnn?
Use the install commands on this page: add solublempnn 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 solublempnn belong to?
solublempnn is in the design-tools category, tagged sequence-design, inverse-folding and solubility.
Is solublempnn free to use?
Yes. solublempnn is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Habilidades relacionadas
Boltz proporciona predicción de estructuras biomoleculares de código abierto utilizando los modelos Boltz-1/Boltz-2, sirviendo como alternativa a AlphaFold2. Se especializa en predecir complejos proteicos, validar ligandos diseñados y manejar interacciones proteína-ligando. Esta habilidad es particularmente útil cuando necesitas predicción de estructuras de código abierto o deseas aprovechar recursos locales de GPU.
La habilidad alphafold utiliza AlphaFold2 para validar diseños de proteínas mediante la predicción de estructuras y el cálculo de métricas de confianza. Soporta validación de cadena única, complejos ligando-objetivo y predicciones de múltiples cadenas con AlphaFold-Multimer. Para predicciones más rápidas de cadena única, los desarrolladores deben utilizar la habilidad esm en su lugar.
BoltzGen es un modelo de difusión de todos los átomos para el diseño de proteínas que genera simultáneamente las coordenadas del esqueleto principal y de las cadenas laterales. Es especialmente adecuado para diseñar proteínas alrededor de moléculas pequeñas o ligandos donde se requieren geometrías de unión precisas. Utiliza esta habilidad cuando necesites un diseño consciente de las cadenas laterales desde el principio y estés trabajando con una configuración basada en YAML.
BindCraft ofrece un diseño integral de ligandos proteicos con optimización conjunta de la estructura y secuencia, y validación incorporada con AlphaFold2. Es ideal para campañas de producción de ligandos de alta calidad, ya que proporciona distintos protocolos de velocidad para equilibrar la calidad del diseño y el coste computacional. Utilice esta habilidad cuando necesite altas tasas de éxito experimental en el diseño de ligandos, en lugar de solo la generación de estructuras.
