（14079期）Protein Design – AI蛋白质设计·抗体酶从头生成

AI蛋白质设计·抗体酶从头生成 AI驱动的蛋白质设计工作流，集成RFdiffusion、ProteinMPNN、BindCraft等SOTA工具，支持抗体/纳米抗体/酶从头设计 使用说明 核心功能 该技能提供端到端的蛋白质设计解决方案，整合当前领域最前沿的计算工具： 结构生成：Boltzgen一键生成候选结合物；RFdiffusion系列（RFdiffusion/2/3）支持从无条件蛋白生成到受约束的骨架设计，包括对称寡聚体、催化基序支架、DNA/小分子结合物等；RFdiffusion3更是内置AlphaFold3/RosettaFold3验证选择。 序列优化：ProteinMPNN专为固定骨架设计最优氨基酸序列，可选SolubleMPNN、AntiBMPNN等变体；LigandMPNN则在配体语境下进行蛋白质-小分子复合物的序列重设计。 集成管线：BindCraft/FreeBindCraft提供完整的高亲和力结合物设计流程，自动整合结构预测、MPNN优化和多轮过滤。 显著优势 工具权威性：所有后端均来自2022-2024年顶刊方法（RFdiffusion系列Nature 2023，ProteinMPNN Science 2022，BindCraft bioRxiv 2024） 工作流灵活性：支持从快速端到端生成到精细可控的多步管线 专业场景覆盖：抗体/纳米抗体、酶活性位点、蛋白质-DNA/小分子相互作用等生物医药核心需求 局限性与风险 API依赖性：完全依赖SciMiner云服务，需注册获取API密钥；离线或API故障时不可用 计算成本：RFdiffusion3、BindCraft等任务耗时较长（需轮询至6000秒），可能产生费用 实验验证必需：AI设计蛋白质需湿实验验证，存在表达失败、亲和力不达预期等风险 生物安全合规：设计的蛋白质若具有潜在生物活性（如毒素、病原体结合），需遵守相关法规 适用人群 计算生物学家、结构生物学家、抗体/酶工程研发人员、合成生物学研究者，以及需要快速生成可验证蛋白质假设的生物医药研发团队。 常规风险提示 密钥泄露风险：API密钥存储于~/.config/sciminer/credentials.json，需严格遵循"不打印、不持久化、不入仓库"原则 结果误用风险：扩散模型可能生成物理上不稳定的结构，建议始终配合下游结构预测验证 长任务超时：600秒轮询上限后需用户手动跟进结果 原始说明 Protein, peptide, antibody, nanobody, binder, enzyme, and sequence design workflows using Boltzgen, RFdiffusion, RFdiffusion2, RFdiffusion3, ProteinMPNN, Lig...