尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Science Skills结构生物学实战:AlphaFold数据库技能快速完成pLDDT置信度与PAE结构域分析
Science Skills结构生物学实战AlphaFold数据库技能快速完成pLDDT置信度与PAE结构域分析【免费下载链接】science-skillsGDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30 other databases and tools.项目地址: https://gitcode.com/gh_mirrors/sc/science-skillsScience Skills是一个面向 AI 科研工作流的开源智能体技能库集成 AlphaFold 数据库、UniProt、AlphaGenome 等 30 数据库与工具。其中AlphaFold 数据库技能alphafold-database-fetch-and-analyze只需一个 UniProt 编号即可一键下载蛋白结构预测文件并自动完成pLDDT 置信度评估与PAE 结构域边界分析两大结构生物学核心任务——无需手写任何代码新手也能在几分钟内得到专业的结构可靠性报告。 技能速览这个技能能帮你做什么能力说明 结构文件下载按 UniProt ID 从 AlphaFold Database 获取 mmCIF 结构、PAE 矩阵与 API 元数据 pLDDT 分析评估蛋白整体折叠置信度识别内在无序区IDR PAE 结构域分析基于滑动窗口启发式算法检测刚性结构域边界⚠️ 智能预警自动提示等异构体isoform回退、超大蛋白片段截断等风险该技能适合回答这类问题这个蛋白预测得可靠吗它有独立的结构域吗哪些区域是高度无序的⚠️ 使用前请确认你手里有UniProt 编号如 P00520。如果只有蛋白名称或基因名请先在 UniProt 网站查到编号如需搜索结构同源物或获取实验结构应使用 Foldseek 或 RCSB PDB 等对应工具。✅ 第一步安装 Science Skills 与 uv 运行环境Skill 脚本统一使用 Python 包管理器uv执行依赖会在首次运行时自动安装。安装技能库只需一条命令npx skills add google-deepmind/science-skills/如果需要在本地克隆仓库查阅技能文档可使用git clone https://gitcode.com/gh_mirrors/sc/science-skillsuv 的安装细节可参考技能库内的 uv SKILL.md。首次触发技能时AI 代理会征求你的同意并自动装好 uv装完后建议重启代理应用。 第二步一键下载 AlphaFold 结构预测文件核心脚本是 fetch_structure.py它会自动执行限速请求1 次/秒并智能处理等异构体选择与超大蛋白2700 残基的片段回退uv run skills/alphafold_database_fetch_and_analyze/scripts/fetch_structure.py P04637 -o ./data/运行成功后输出目录会生成三类文件文件用途AF-XXXXXX-F1.cifmmCIF 结构文件三维坐标逐残基 pLDDT 就藏在它的 B-factor 列中*-predicted_aligned_error_v6.jsonPAE预测对齐误差矩阵供结构域分析AF-XXXXXX-F1-metadata.jsonAPI 元数据含全局 pLDDT 与四级置信度占比供下一步分析脚本遇到查无此 ID404、使用了等异构体回退或超大蛋白截断时都会打印醒目的[!] WARNING请务必留意转达。 第三步pLDDT 置信度分析——判断蛋白预测是否可靠pLDDTpredicted Local Distance Difference Test是 AlphaFold 给出的逐残基置信度0–100越高越可信。analyze_plddt.py 会读取上一步的元数据文件输出整体评分与四级占比uv run skills/alphafold_database_fetch_and_analyze/scripts/analyze_plddt.py ./data/AF-P04637-F1-metadata.json输出包含Overall Global pLDDT整条蛋白的全局置信度四级占比Very Low50/ Low50–70/ Confident / Very HighpLDDT Conclusion基于阈值如 ConfidentVery High 合计 ≥70% 视为高置信给出的结论区分完全有序、含显著无序区、结构域与无序区混合、高度内在无序等情形拿到结论后你就可以决定后续是放心做对接/结构比较还是只针对有序片段做分析。 第四步PAE 结构域分析——自动识别蛋白结构域边界PAEPredicted Aligned Error预测对齐误差描述任意两个残基之间相对位置的不确定性局部值低 空间关系可信跨区值高 两个部分可独立摆动。analyze_pae.py 内置了滑动窗口启发式算法以 7 Å 为切分阈值扫描 PAE 矩阵切出子域再以 15 Å 阈值合并为全局结构域50 残基才保留并计算平均/最大误差与高置信残基对PAE5 Å占比uv run skills/alphafold_database_fetch_and_analyze/scripts/analyze_pae.py ./data/AF-P00527-F1-predicted_aligned_error_v6.json你会得到PAE 统计矩阵形状、Mean / Max / Min ErrorÅ、高置信残基对百分比Domain Boundary Analysis检测到的刚性结构域数量及每个域的残基区间如Domain 1: residues 12 - 186PAE Structural Conclusion单域单一刚性折叠体、多域由柔性铰链连接的独立结构域或可能整体无序三类结论对多结构域蛋白这个残基区间可以直接作为后续 Foldseek 搜索、分子对接或 PyMOL 可视化的分析范围。 如何综合解读结果避坑清单先看警告若输出出现等异构体回退或超大蛋白片段警告必须在报告中显著说明不能省略。两条结论合成一句话把 pLDDT 结论 PAE 结论合并成整体判断——整体折叠可靠性、无序区位置、结构域布局。高度无序要单独警告若 Very Low 占比高或检测不到刚性结构域请勿对整条蛋白做 Foldseek/对接等下游分析而应限定到小的有序域残基区间。可视化技巧下载好的 mmCIF 文件 B-factor 列即逐残基 pLDDT可直接用 PyMOL 按 B-factor 着色画置信度条带。️ 技能文件清单文件说明SKILL.md技能主说明适用边界、核心规则、三个脚本用法与输出解读规范fetch_structure.py下载 mmCIF / PAE / 元数据含等异构体与片段回退逻辑analyze_plddt.pypLDDT 全局评分与四级占比、无序区判定analyze_pae.pyPAE 统计、滑动窗口结构域切分与合并citation.bib引用格式plugin.json技能插件元信息 小结借助 Science Skills 的 AlphaFold 数据库技能结构生物学入门工作流被压缩成一条下载命令 两条分析命令pLDDT告诉你预测可不可信PAE告诉你结构域在哪——两者结合就能快速判断蛋白是否适合下游结构分析并精确圈定有序区间的残基范围。对于希望提升代理式科研工作流效率的普通用户这正是开箱即用的结构生物学实战模板。【免费下载链接】science-skillsGDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30 other databases and tools.项目地址: https://gitcode.com/gh_mirrors/sc/science-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
RELATED

相关推荐

解决Idea项目中文编码问题

解决Idea项目中文编码问题

在pom.xm文件中添加以下内容<build><plugins><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-compiler-plugin</artifactId><version>3.8.1</version><configuration><source>8<…

📅 2026/9/30 17:20:02
企业旧账、乱账怎么梳理?一位老财务的实务心得

企业旧账、乱账怎么梳理?一位老财务的实务心得

做了十几年财税&#xff0c;经常有朋友问我&#xff1a;公司账上挂着一堆旧问题&#xff0c;账实对不上、往来款理不清&#xff0c;到底要不要重做一遍&#xff1f;其实乱账并不可怕&#xff0c;可怕的是拖着不处理&#xff0c;等到税务稽查、银行贷款、股权变更的时候才临时抱…

📅 2026/9/30 17:20:02
做电商的都在拼命冲销量,但没人告诉你这些坑正在等着你

做电商的都在拼命冲销量,但没人告诉你这些坑正在等着你

做电商这些年&#xff0c;见过太多卖家起起落落 —— 有的一夜爆单&#xff0c;却因为一张发票、一条广告文案、一个资质问题&#xff0c;直接回到解放前。平台规则瞬息万变&#xff0c;今天还能这么干&#xff0c;明天可能就违规了。很多新手卖家把所有精力都放在选品、流量、…

📅 2026/9/30 17:20:02
MORE NEWS

更多资讯

📰

Redis缓存穿透与击穿实战:从CacheClient工具类设计到面试应答

做后端项目&#xff0c;尤其是把黑马点评这种完整商城项目放进简历的同学&#xff0c;大概率都在 Redis 缓存上栽过跟头。缓存穿透、缓存击穿这两个词&#xff0c;面试官几乎必问&#xff0c;理论背得再熟&#xff0c;落到代码层面很多人是懵的。真正把这两个问题落地解决的&am…

📰

N.E.K.O.Agent智能体实战:配置Computer Use与Browser Use,让AI猫娘帮你操作电脑和浏览器

N.E.K.O.Agent智能体实战&#xff1a;配置Computer Use与Browser Use&#xff0c;让AI猫娘帮你操作电脑和浏览器 【免费下载链接】N.E.K.O A catgirl who lives with you in real time — reaching out first, sharing your media, and actually getting things done, powered …

📰

Qwen-Image-2.1人像实战:中文提示词、编辑技巧与老照片修复指南

Qwen-Image-2.1这模型一出来&#xff0c;玩人像的朋友圈就热闹了。以前用开源模型写中文提示词&#xff0c;总有种"话说了但没完全说"的憋屈感——中文的人名、发型描述、表情细节&#xff0c;经常一改就翻车。Qwen-Image-2.1对语义的理解和人像细节的刻画&#xff0…

📰

ABAP Unit 测试效率提升:ADT 下的 Quick Actions 与覆盖率工作流

写 ABAP 最容易被低估的一环&#xff0c;从来不是写完业务代码那一刻&#xff0c;而是后面的测试。不少项目里&#xff0c;ABAP Unit 给人的印象是“要写好多样板代码”“跑起来还要在结果列表里翻半天”&#xff0c;结果测试覆盖率上不去&#xff0c;回归问题只能靠人工点功能…

📰

鸿蒙原生应用 ArkUI 实战:活动相册我的页 —— 四列悬浮统计卡与负 margin 上浮手法

鸿蒙原生应用 ArkUI 实战&#xff1a;活动相册我的页 —— 四列悬浮统计卡与负 margin 上浮手法 App 40「校园活动照片」我的页&#xff08;ProfileTab&#xff09;&#xff0c;主题色 #6C5CE7 紫色&#xff08;violet&#xff09;&#xff0c;4 个 Tab 分别为首页&#xff08;…

📰

从零手搓AI工程流水线:数据管道、模型训练与推理服务实战

1. 为什么我要从零手搓一套AI工程流水线第一次听到“ai-engineering-from-scratch”这个说法&#xff0c;是在一个做推荐系统的老哥群里。当时有人甩了个链接&#xff0c;说现在外面讲AI工程化的内容&#xff0c;要么是调包侠式的三行代码跑通一个demo&#xff0c;要么是云厂商…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬