BindCraft 是一个用于蛋白质结合体（binder）设计的技能，采用 BindCraft hallucination 方法，提供端到端设计流程并内置 AF2 验证。它适用于两类场景：一是设计带内置 AF2 验证的蛋白质结合体；二是运行 BindCraft 相关的设计任务。
主要能力
BindCraft 从目标蛋白结构出发，允许指定目标链、目标热点残基以及结合体长度范围，批量生成候选设计并返回最终设计。输出包含每个设计的 binder.pdb、complex.pdb、metrics.json（QC 分数）和优化轨迹目录，以及汇总的 summary.csv。指标包括 pLDDT、ptm、iptm、pae、rmsd 和序列。资料给出的优质输出参考为：大多数设计 pLDDT 大于 0.85，通过设计 ipTM 大于 0.5，通过率依目标不同约在 30% 至 70%。
使用方式
运行前需满足环境条件：Python 3.9+（推荐 3.10）、CUDA 11.7+（推荐 12.0+）、GPU 显存最低 32GB（推荐 48GB L40S）、内存最低 32GB（推荐 64GB）。首次使用可参照 Getting started 配置 Modal 与 biomodals。
方式一（推荐）：Modal。在 biomodals 目录下执行 modal run modal_bindcraft.py，并传入输入 PDB、目标链、热点残基、长度范围和最终设计数量等参数。默认 GPU 为 L40S（48GB），默认超时 300 分钟。
方式二：本地安装。先克隆 BindCraft 仓库，再运行 bindcraft.py，通过 --settings、--filters、--advanced 指向 JSON 配置文件。目标 PDB、链、热点和结合体长度范围均在 --settings JSON 内设置，需参考 BindCraft 仓库了解配置模式。
关键参数（Modal 封装）：--input-pdb（必填，目标结构）、--target-chains（默认 A，目标链）、--target-hotspot-residues（默认空，如 "45,67,89"）、--lengths（默认 50,130，结合体长度范围）、--number-of-final-designs（默认 1，返回的通过设计数）、--max-trajectories（默认无，轨迹数上限）。
适用场景
BindCraft 适合追求生产级质量结合体与实验成功率的设计任务。资料中的决策参考指出：若需要生产级结合体或关注实验成功率，选择 BindCraft；若追求高多样性探索或速度，可考虑 RFdiffusion；若需要全原子精度或全原子控制，可考虑 BoltzGen；若需要 AF2 梯度优化，可考虑 ColabDesign。计算资源方面，拥有 L40S/A100 时适用 BindCraft，仅有 A10G 时建议 RFdiffusion + ProteinMPNN。
性能与成本参考
资料给出典型性能：50 个设计在 L40S 上约 2-4 小时，Modal 成本约 15 美元；100 个设计约 4-8 小时，约 30 美元；200 个设计约 8-16 小时，约 60 美元。Adaptyv 对这些模型的测试显示，BindCraft 在 7 个目标上平均每个被接受设计约花费 2.90 美元。BindCraft 论文报告的实验成功率为 10% 至 100%，跨 12 个目标平均 46.3%，强依赖于目标。
验证与故障排查
可用 find 命令统计 binder.pdb 数量，应与设计数一致。常见问题包括：ipTM 分数低（检查热点选择、增加设计数）、收敛慢（使用快速协议筛选）、OOM 错误（减少 num_models、使用 L40S GPU）、多样性差（降低 sampling_temp、运行多个随机种子）。错误解释：CUDA out of memory 多因目标大或结合体长，建议使用 L40S/A100 并缩短结合体长度；ValueError: no hotspots 表示未找到热点，需检查残基编号；TimeoutError 表示设计耗时过长，建议使用快速协议。后续可按 ipsae 排序并进行实验验证。
限制
该技能对计算资源要求较高，显存最低 32GB，推荐 48GB，内存最低 32GB，推荐 64GB。实验成功率强依赖于目标，并非固定。资料未提供其他平台支持信息、具体定价方案细节或额外的使用步骤，相关内容暂未提供。