Campaign Manager 是一项目标导向的蛋白结合剂（binder）设计活动规划与健康评估技能，来源于 adaptyvbio/protein-design-skills 技能集。
用途
该技能用于将用户的设计目标（例如「我需要 10 个针对 EGFR 的高质量结合蛋白」）转换成一条可执行的计算设计流水线，并在运行过程中评估该流水线的健康度。它同时承担流程规划、规模估算、成本估算与结果诊断四类职责。
主要能力
1. 活动规划
根据目标自动给出可行性判断、推荐流水线、所需设计数量、预计时间、预计成本与预期产出。示例中，目标为「10 个 EGFR 高质量结合蛋白」时：推荐流水线为 rfdiffusion → proteinmpnn → chai → protein-qc；预计需要 500 个骨架；预计总耗时 8–12 小时；预计成本约 60 美元（Modal GPU 计算）。预期产出链条为：500 个结构 → 8 倍序列共 4,000 条 → 4,000 个预测 → 经 QC 约 10–15% 通过得 400–600 个候选 → 聚类后得 10–20 个多样化最终设计。
2. 完整流水线生成
技能提供标准微型蛋白结合剂设计活动的分步命令，包括：获取并准备靶标（curl 下载 PDB）、生成骨架（RFdiffusion，官方仓库运行，含 contigmap、hotspot、num_designs 参数）、设计序列（对每个骨架运行 modal ligandmpnn，参数为 number_of_batches 8 与 temperature 0.1）、可选的 ESM2 快速过滤（PLL < 0.0 过滤）、结构验证（modal alphafold）、过滤与排序（protein-qc 技能，阈值 pLDDT > 0.85、ipTM > 0.5、scRMSD < 2.0，并计算综合评分、按 70% 一致性聚类后每簇取最优）。每个步骤均给出耗时、成本估算与检查点数量校验命令。
3. 活动规模建议
提供目标数量与骨架数、每条骨架序列数、总序列数、预期通过数的对照表：5 个结合剂对应 200 骨架、1,600 总序列、160–240 预期通过；10 个对应 500 骨架、4,000 序列、400–600 通过；20 个对应 1,000 骨架、8,000 序列、800–1,200 通过；50 个对应 2,500 骨架、20,000 序列、2,000–3,000 通过。经验法则为生成所需数量的 50 倍设计（10–15% 通过率 × 聚类）。
4. 工具选择指南
按场景推荐工具：标准微型蛋白使用 RFdiffusion + ProteinMPNN（多样性高、经过验证）；需要更高成功率使用 BindCraft（集成设计循环）；需要全原子精度使用 BoltzGen（侧链感知）；困难靶标使用 Mosaic（梯度、多模型目标）；需要快速迭代使用 ESMFold2 + ESM2（快速筛选）。
5. 目标难度评估
通过指标判断靶标难度：表面类型为凹槽为易、平坦或凸起为难；保守性高为易、低为难；已有已知结合剂为易、无为难；刚性为易、柔性为难。预期通过率分别为 15–20% 与 5–10%。
6. 活动健康评估
提供一段 Python 脚本，读取 CSV 结果，计算 pLDDT、ipTM、scRMSD 各自通过率与综合通过率，据此判定健康度：超过 15% 为 EXCELLENT（进入选择）、10–15% 为 GOOD（正常产出）、5–10% 为 MARGINAL（检查失败树）、低于 5% 为 POOR（诊断并重新开始）。脚本还会识别主要问题：pLDDT 通过率低于 20% 提示骨架或序列问题；ipTM 通过率低于 20% 提示热点或界面问题；scRMSD 通过率低于 50% 提示序列无法确定骨架。
使用方式
以技能调用形式使用，输入为设计目标描述或已有活动结果数据（CSV）。技能会输出规划信息、命令、评估结果与建议。示例代码与命令均按资料原样保留。
成本与流水线变体
资料给出 Modal 上各工具的 GPU 与单价（如 RFdiffusion A10G 约 1.20 美元/小时、AlphaFold A100 约 4.50 美元/小时），以及活动规模成本估算（小规模 100 骨架约 15 美元、标准 500 骨架约 60 美元、大规模 1,000 骨架约 120 美元、超大 5,000 骨架约 600 美元）。还给出三种流水线变体：高通量（更多骨架、每条更少序列）、高质量（更少骨架、每条更多序列、更低温度）、快速探索（小批量、ESMFold2 快速单序列折叠）。
适用场景
适用于需要规划完整结合剂设计计算活动、估算资源与成本、判断靶标难度、选择工具组合，或对已有活动结果进行质量诊断与健康度评估的蛋白设计工作。
限制
以上规划、成本、通过率、耗时等均为资料中给出的示例或估算，实际结果取决于靶标与运行条件；资料未提供该技能的运行环境要求、安装方式、许可信息及与其它技能的依赖配置等细节，这些内容暂未提供。