用途：面向治疗性蛋白的从头设计，可生成靶向结合体、酶与蛋白骨架，并对序列进行结构验证与可开发性评估。
主要能力：以结构优先流程组织设计，先用 RFdiffusion 生成骨架，再用 ProteinMPNN 设计序列，随后用 ESMFold 或 AlphaFold2 预测结构并计算 pLDDT、pTM 等指标，最后评估聚集倾向、等电点、半胱氨酸与表达可能性，并按证据分级给出候选排序。支持从 PDB、EMDB 冷冻电镜或 AlphaFold 预测获取靶点结构，可指定表位或热点残基。
使用方式：依赖 NVIDIA NIM 工具 NvidiaNIM_rfdiffusion、NvidiaNIM_proteinmpnn、NvidiaNIM_esmfold、NvidiaNIM_alphafold2、NvidiaNIM_esm2_650m，均需 API Key。注意参数名：RFdiffusion 用 diffusion_steps，ProteinMPNN 用 pdb_string，ESMFold 用 sequence。流程要求先创建报告文件 [TARGET]_protein_design_report.md，并输出 [TARGET]_designed_sequences.fasta 与 [TARGET]_top_candidates.csv。工具调用建议使用英文术语。
适用场景：设计针对某靶点或表位的蛋白结合体、优化蛋白序列功能、设计从头酶、生成靶向结合变体、构建具特定性质的蛋白骨架。
限制：资料未提供具体收费、价格、平台支持范围与实验验证结果；所有指标为计算预测，需实验确认。若主工具不可用，可按资料给出的回退链改用 Rosetta ProteinMPNN、AlphaFold DB 或手动设计。