rfdiffusion
À propos
RFDiffusion génère de nouvelles structures de protéines à l'aide d'un modèle de diffusion pour des tâches telles que la conception de ligands et l'échafaudage de motifs. Il est idéal pour créer des structures de novo, spécifier des interfaces de liaison ou concevoir des oligomères symétriques. Après la génération, utilisez ProteinMPNN pour la conception des séquences et AlphaFold/Chai pour la validation.
Installation rapide
Claude Code
Recommandénpx 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/rfdiffusionCopiez et collez cette commande dans Claude Code pour installer cette compétence
Dépôt GitHub
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.
Compétences associées
Boltz propose une prédiction open-source des structures biomoléculaires à l'aide des modèles Boltz-1/Boltz-2, servant d'alternative à AlphaFold2. Il se spécialise dans la prédiction des complexes protéiques, la validation des ligands conçus et la gestion des interactions protéine-ligand. Cette compétence est particulièrement utile lorsque vous avez besoin d'une prédiction de structure open-source ou souhaitez exploiter des ressources GPU locales.
La compétence alphafold utilise AlphaFold2 pour valider les conceptions de protéines en prédisant les structures et en calculant les métriques de confiance. Elle prend en charge la validation de chaîne unique, les complexes ligand-cible, et les prédictions multi-chaînes avec AlphaFold-Multimer. Pour des prédictions plus rapides sur une seule chaîne, les développeurs doivent utiliser la compétence esm à la place.
BoltzGen est un modèle de diffusion tous atomes pour la conception de protéines qui génère simultanément les coordonnées du squelette principal et des chaînes latérales. Il est particulièrement adapté à la conception de protéines autour de petites molécules ou de ligands lorsque des géométries de liaison précises sont requises. Utilisez cette compétence lorsque vous avez besoin d'une conception tenant compte des chaînes latérales dès le départ et que vous travaillez avec une configuration basée sur YAML.
BindCraft offre une conception de ligands protéiques de bout en bout avec optimisation conjointe du squelette et de la séquence, ainsi qu'une validation intégrée par AlphaFold2. Cette solution est idéale pour des campagnes de conception de ligands de qualité production, proposant différents protocoles de vitesse pour équilibrer la qualité de conception et le coût computationnel. Utilisez cette compétence lorsque vous avez besoin de taux de succès expérimentaux élevés pour la conception de ligands, plutôt que pour une simple génération de squelette.
