scientific-protein-design

用途：用于计算蛋白质设计的技能，覆盖 de novo 设计、指向性进化的计算指导、突变体稳定性与功能预测、结合体（抗体/多肽/迷你蛋白）设计以及酶活位点再设计。主要能力：ESM-2/ESM-1v 序列分析（对数似然评分、zero-shot 突变影响预测），结合 RFdiffusion 生成 de novo 骨架、ProteinMPNN 进行序列设计，再用 ESMFold 做结构预测，以 pLDDT、pTM 与设计-预测 RMSD 作为验证指标，并评估聚集风险、等电点与表达预测，给出表达系统推荐。使用方式：按五阶段管线执行，即目标定义、骨架生成、序列设计、计算验证、可开发性评估；ESM 部分以 Python 调用，例如加载 esm2_t33_650M_UR50D 模型、计算序列对数似然与突变 ΔLL。可通过 ToolUniverse SMCP 调用 UniProt、InterPro、Proteins API 与 AlphaMissense 等外部工具，并可与结构分析、序列分析、实验室自动化、ADMET 与学术写作技能联动。输出包括 design_report.md、design_candidates.json 与 esm_scores.json。建议标准：≥5 个骨架候选、每个骨架≥8 条序列、pLDDT>70 且 pTM>0.5。限制：上述阈值与推荐为技能内建议标准，资料未提供实测验证数据、模型权重获取方式、具体安装命令、运行环境要求及收费信息，暂未提供；所有预测结果仍需实验验证。