科研 Skill
LigandMPNN 配体环境蛋白设计
ligandmpnn
使用 LigandMPNN(Dauparas 等,2023)在配体、核酸和金属环境下对蛋白质骨架进行逆折叠。适用于重新设计结合口袋中围绕已结合小分子或辅因子的残基、设计必须保持几何构型的金属配位位点,或从任意 MPNN 运行中获得穿线了设计序列的 PDB。
SKILL.md
LigandMPNN
LigandMPNN 在 ProteinMPNN 图结构中加入了非蛋白质原子——小分子、核酸和金属对网络可见——因此,只要设计表面包含普通 proteinmpnn 会忽略的已结合配体或辅因子,它就是合适的逆折叠工具。同一个 run.py 也是运行其他 MPNN 系列最方便的入口,因为它不同于原始 ProteinMPNN 脚本,会将设计序列重新穿线到输入结构上,并在 FASTA 旁同时写出 PDB。代码和权重均采用 MIT 许可证(github.com/dauparas/LigandMPNN)。该模型足够小,可以在 CPU 上运行——针对一个结构生成少量设计通常只需数秒,并且一般比调度远程任务更快。因此,常规路径是在本地安装 torch numpy biopython ProDy ml_collections dm-tree;GPU 则有助于批量任务。
运行方法
pip install torch numpy biopython ProDy ml_collections dm-tree
git clone --depth 1 https://github.com/dauparas/LigandMPNN.git ligandmpnn
cd ligandmpnn
sed -i 's/np\.int\b/np.int64/g' openfold/np/residue_constants.py # 仓库固定使用 numpy 1.23;>=1.24 已移除此别名
bash get_model_params.sh ./model_params
python run.py \
--model_type ligand_mpnn \
--checkpoint_ligand_mpnn ./model_params/ligandmpnn_v_32_010_25.pt \
--pdb_path complex.pdb \
--out_folder out \
--batch_size 8 --number_of_batches 4 \
--temperature 0.1 \
--fixed_residues "A45 A46 A47 A48"
残基选择使用一个带引号字符串,其中包含以空格分隔的 {chain}{resnum} token,例如 "A45 A46 B10";插入码直接追加,例如 "B82A"。--fixed_residues 和 --redesigned_residues 都采用此格式。--bias_AA_per_residue 和 --omit_AA_per_residue 则接收 JSON 文件路径,其中的键使用相同的 {chain}{resnum} 格式;--chains_to_design 使用逗号分隔,例如 "A,B"。如果只想重新设计结合口袋,通常在 --redesigned_residues 中列出口袋残基,比固定其余所有残基更简洁。
在 --out_folder 下会生成 seqs/<stem>.fa,其标头包含 overall_confidence 和 ligand_confidence;还会生成 backbones/<stem>_{1..N}.pdb,其中设计序列已经穿线到输入坐标上。启用 --pack_side_chains 1 时,packed/ 中还会生成全原子侧链打包模型。即使是仅蛋白质任务,穿线 PDB 也是优先使用此运行器的原因。
模型类型——如何选择
--model_type | 可见信息 | 用途 |
|---|---|---|
ligand_mpnn | 骨架 + 配体/核酸/金属原子 | 结合口袋或活性位点设计 |
protein_mpnn | 仅骨架 | 蛋白质–蛋白质;权重与 proteinmpnn 相同 |
soluble_mpnn | 仅骨架,使用可溶蛋白训练 | 偏向表达的先验;参见 solublempnn |
*_membrane_mpnn | 骨架 + 膜标签 | 跨膜蛋白设计 |
每种模型类型都有各自的 --checkpoint_<type> 参数;错误配对会在加载时被发现,但默认检查点路径是相对于仓库的。因此,应从克隆目录内部运行,或者传入绝对路径。
ProDy 在 Python 3.11 上从源码编译——没有 C 编译器时 pip install 会失败
run.py 会无条件导入 ProDy 以解析配体原子。在 Python 3.11 上,PyPI 缺少预编译 wheel,因此 pip install ProDy 会从源码编译,并需要可用的 C/C++ 编译器。在 Modal 的 add_python 基础环境中,默认 CXX=clang++ 指向不存在的二进制文件——请执行 apt_install("build-essential"),并在安装前导出 CC=gcc CXX=g++。在大多数本地 CPU Python 发行版中,如果没有适用于当前 Python 的 wheel,sdist 通常约 10 秒即可完成构建。
关闭配体环境会改变答案,而不会改变模型
--ligand_mpnn_use_atom_context 0 会保留配体感知权重,但在推理时遮盖配体原子。该选项适用于消融实验:比较开启和关闭环境时的差异,可以判断配体在多大程度上影响设计。但它不等同于运行 protein_mpnn,后者使用的是在没有这些特征的条件下训练的另一个检查点。如需公平的仅蛋白质基线,请切换 --model_type。
移除 HETATM 或使用链过滤器会静默丢弃配体——设计结果将无法感知口袋
如果没有找到配体原子,LigandMPNN 不会发出警告;它只会像选择了 --model_type protein_mpnn 一样继续运行。常见原因有两个:上游清理步骤移除了输入 PDB 中的 HETATM 记录;或者 --parse_these_chains_only 只列出了蛋白质链,没有包含配体链。如果 FASTA 标头中的 ligand_confidence 缺失,或者所有设计的该值都为零,则说明模型从未看到配体——应修复输入,不要信任这些序列。
值得识别的错误
| 你看到的现象 | 含义/处理方法 |
|---|---|
ModuleNotFoundError: No module named 'tree' | 执行 pip install dm-tree——内置的 OpenFold 会无条件导入它。 |
module 'numpy' has no attribute 'int' | 对 openfold/np/residue_constants.py 执行上面的 sed 补丁,或固定 numpy<1.24;后者仅适用于 Python≤3.11。 |
执行 pip install ProDy 时出现 error: command 'clang' failed | 参见上面的 ProDy 注意事项——执行 apt_install("build-essential") 和 env({"CC":"gcc","CXX":"g++"})。 |
model_params/... 出现 FileNotFoundError | 尚未获取检查点——从克隆目录内部执行 bash get_model_params.sh ./model_params。 |
下一步: 使用 boltz 或 chai1 将设计序列与配体共同折叠;二者都接受 SMILES/CCD 输入。然后根据 ipTM 和配体放置结果进行筛选。
详细信息
作者
Anthropic
许可证
Apache-2.0
第三方软件、内容、条款和信息
- 权重: LigandMPNN(MIT)— 条款
所属插件
安装该插件会一并获得同领域的 31 个 Skill / MCP。
同插件的其他科研 Skill
- AlphaFold2 蛋白质结构预测使用 ColabFold 运行器和 AlphaFold2/AlphaFold2-Multimer 预测蛋白质单体、多聚体与复合物结构,并通过 pLDDT、ipTM 和 RMSD 评估预测与设计质量。
- 生信论文写作助手按钮审批、本机R优先与生信论文质控交付
- BioServices 生信数据库助手统一访问生物信息数据库
- Boltz 生物分子共折叠使用 Boltz-2 预测蛋白质、核酸和小分子复合物结构(Passaro、Wohlwend 等,2025)。适用于针对靶标验证设计的结合蛋白、将蛋白质与 SMILES 或 CCD 配体共同折叠,或使用可选的结合亲和力预测功能获得开源 AlphaFold3 替代方案。
- Borzoi 基因组调控预测使用 Borzoi 根据 DNA 序列预测全基因组功能轨迹(RNA-seq、CAGE、DNase、ChIP)。适用于评估变异对表达或染色质可及性的调控效应、生成某个基因组位点的预测覆盖轨迹,或根据预测轨迹差值确定非编码变异的优先级。
- bulk RNA-seq 分析助手复现 bulk RNA-seq 分析流程
- Chai-1 复合物结构预测使用 Chai-1 基础模型(Chai Discovery,2024,github.com/chaidiscovery/chai-lab)预测蛋白质、核酸和小分子复合物结构。适用于从单个 FASTA 预测抗体—抗原或蛋白质—配体复合物、将设计的结合蛋白重新折叠并作为 AlphaFold-Multimer 的替代方案,或通过 Python 在 GPU 上执行批量共折叠任务。
- 肿瘤枢纽基因课题规划规划传统肿瘤生信课题
- deepTools NGS 信号分析生成 NGS 质控和信号图
- DiffDock 小分子对接使用 DiffDock-L(Corso 等,2023/2024)预测小分子结合姿势。它通过盲扩散对接,在无需预定义搜索框的情况下将配体放入蛋白质口袋,并使用学习得到的置信度模型对样本排序。适用于将 SMILES 或 SDF 对接至 PDB、为小型片段库生成排序后的三维姿势,或为后续重打分生成起始姿势。DiffDock 预测几何构象,而非亲和力。
- ESMFold2 全原子共折叠使用 Biohub ESMFold2/ESMFold2-Fast 进行全原子共折叠,支持单序列和 MSA 模式以及蛋白质、DNA、RNA、配体(CCD/SMILES)和修饰残基;FoldBench 抗体–抗原 DockQ 通过率为 50–55%,PPI 为 70–77%。也覆盖同一版本的 ESMC-{300M,600M,6B} 蛋白质语言模型,包括掩码语言模型 logits、隐藏状态、突变评分、接触预测和 SAE 可解释性预测头。适用于预测单序列输入的复合物结构、使用 ESMFold2-Fast 验证设计结合蛋白、运行 MSA 输入、获取 ESMC 嵌入或逐残基突变分数,以及选择符合论文吞吐设置的内核后端和采样步数。
- Evo 2 基因组基础模型使用长上下文基因组基础模型 Evo 2 对 DNA 序列进行评分、嵌入和生成。适用于计算逐核苷酸或逐序列似然以评估变异效应、嵌入基因组窗口供下游分类使用、根据前缀生成 DNA,以及跨物种评估调控区或编码区。
- ESM-2 蛋白质语言模型使用 Meta AI 的 ESM-2(`fair-esm` 软件包)生成蛋白质嵌入。适用于提取残基级或序列级嵌入供下游机器学习使用、进行掩码语言模型似然或突变效应评分,以及根据序列预测接触图。
- gget 生信检索助手跨生信数据库检索基因蛋白信息
- 治疗适应症研究档案生成治疗适应症档案,覆盖患者人群、流行病学、疾病生物学、标准治疗、监管先例和里程碑式临床试验。
- 科学文献综述查找、核验并综合科学文献——从“X 领域的奠基性论文是哪篇”到完整的多来源综述。涵盖以真实检索到的来源支撑论断、避免伪造引文、处理撤稿,以及根据证据强度校准置信程度。
- 医学文献精读助手精读医学文献并提取关键信息
- Methods 段落写作助手改写可投稿的 Methods 段落
- 科研晨间简报将用户的晨间简报渲染为有样式的 HTML 产物,或将其设置为工作日循环任务。仅当用户明确要求运行、查看或设置晨间简报,或明确调用 /morning 时使用;仅询问当天安排、日程或日历并不构成晨间简报请求,应直接回答。
- OpenFold3 复合物结构预测使用 OpenFold3 进行结构预测。OpenFold3 是 AlQuraishi 实验室开发的 AlphaFold3 开放权重 PyTorch 复现。适用于使用 Apache-2.0 许可的 AF3 复现模型预测蛋白质、核酸和配体复合物结构。
- 通路富集分析助手执行通路和基因集富集分析
- ProteinMPNN 蛋白质序列设计使用 ProteinMPNN(Dauparas 等,2022,github.com/dauparas/ProteinMPNN)将蛋白质骨架(PDB 结构)逆折叠为氨基酸序列。适用于对 RFdiffusion 骨架进行序列设计、在固定界面残基的同时重新设计 PDB 中的一条链,或生成跨温度采样的序列集合供下游折叠使用。
- PyDESeq2 差异表达分析分析 bulk RNA-seq 差异表达
- QTL 共定位研究规划设计 QTL 与 GWAS 共定位分析
常见问题
LigandMPNN 配体环境蛋白设计能做什么?
使用 LigandMPNN(Dauparas 等,2023)在配体、核酸和金属环境下对蛋白质骨架进行逆折叠。适用于重新设计结合口袋中围绕已结合小分子或辅因子的残基、设计必须保持几何构型的金属配位位点,或从任意 MPNN 运行中获得穿线了设计序列的 PDB。
如何安装LigandMPNN 配体环境蛋白设计?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「LigandMPNN 配体环境蛋白设计」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
LigandMPNN 配体环境蛋白设计需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
LigandMPNN 配体环境蛋白设计经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。