科研 Skill

SolubleMPNN 可溶性蛋白设计

solublempnn

使用 SolubleMPNN 对骨架进行逆折叠。SolubleMPNN 是在可溶性 PDB 子集上重新训练的 ProteinMPNN(Dauparas 等,2022),生成偏向胞质表达并减少聚集的序列。适用于普通 ProteinMPNN 设计发生聚集或形成包涵体、需要为可溶性表达重新设计邻近膜的折叠,或下一步将进行大肠杆菌表达筛选的场景。

官方收录发布者 Codar安全审核通过v0.1.0更新于 2026-08-28

SKILL.md

SolubleMPNN

SolubleMPNN 不是一个独立软件包——它是在可溶性 PDB 子集上重新训练的 ProteinMPNN 架构。这会使输出分布远离完整 PDB 模型乐于放置在表面的疏水残基;完整模型之所以会这样做,是因为训练集中的许多此类残基实际埋藏在晶体学界面或膜界面中。当目标是在异源宿主中获得可溶性产量时,应选择 SolubleMPNN;如果近天然序列恢复率更重要,则继续使用 proteinmpnn,因为可溶性先验会以牺牲几个百分点的恢复率为代价换取表面偏置。代码和权重采用 MIT 许可证(github.com/dauparas/ProteinMPNN 中的 soluble_model_weights;也可通过 github.com/dauparas/LigandMPNN 使用)。模型足够小,可以在 CPU 上运行——若只为一个骨架生成少量序列,通常数秒即可完成,而且往往比派发任务更快;GPU 对批量任务有所帮助。无论使用哪种硬件,仓库都在任务中克隆(没有 PyPI 发行包;检查点随仓库提供)。

运行方法

pip install torch numpy   # 如尚未安装
git clone --depth 1 https://github.com/dauparas/ProteinMPNN.git proteinmpnn
cd proteinmpnn
python protein_mpnn_run.py \
  --pdb_path backbone.pdb --pdb_path_chains "A" \
  --out_folder out --num_seq_per_target 16 \
  --sampling_temp "0.1" --use_soluble_model

运行器使用仓库相对导入,因此 cd 这一行不可缺少——从其他目录通过绝对路径调用脚本会导致 ModuleNotFoundError。如果还需要把设计序列穿回骨架并生成 PDB,LigandMPNN 运行器接受 --model_type soluble_mpnn;该路径参见 ligandmpnn,除了 torch 之外还需要 ProDy。除此之外,参数界面与 proteinmpnn 完全相同;若采用第二种形式,则与 ligandmpnn 相同,其中包括字符串类型的温度参数,以及以 PDB 文件名主干为键的固定位点 JSONL——相关解析易错点参见 proteinmpnn。仓库只提供 v_48_010 和 v_48_020 两种可溶性权重;请求 --model_name v_48_002 --use_soluble_model 会因缺少检查点而报错,因此应让 --model_name 保持默认值。

输出位于 out/seqs/<stem>.fa,每条序列的标题包含 score= 和 seq_recovery=。与普通 ProteinMPNN 相比,针对天然结构的序列恢复率预计会下降几个百分点——这是可溶性先验正在发挥作用,而不是程序错误。

折叠需要时,疏水表面斑块仍会反复出现

可溶性权重会改变输出分布,但不会强制设置疏水性上限。如果某个特定表面斑块反复呈现疏水性,它很可能对结构具有承载作用,而网络正在为保持折叠付出溶解性代价。可以在其上叠加 --omit_AAs "CW" 或逐位点偏置,但在假定这项约束没有代价之前,应使用 boltz 或 esmfold2 检查所得设计是否仍能正确折叠。

“可结晶”训练集不等于“在你的宿主中可溶”——保留正交筛选

该训练集由“可溶性足以完成结晶的结构”组成;这与“在 37 °C 的大肠杆菌中可溶表达”相关,但并不等价。对于表达产量构成瓶颈的批量设计,应先使用一个正交的序列预测器对 SolubleMPNN 输出进行排序,再投入湿实验名额;应把 MPNN 偏置视为扩大筛选漏斗,而不是取代后续筛选。


下一步: 使用 boltz 或 esmfold2 折叠设计序列,确认仍能恢复目标骨架,然后将通过筛选的序列送入表达实验。

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——SolubleMPNN(MIT)——条款

所属插件

Codar 生物医学基础能力集成生物分子结构预测、蛋白质设计、基因组与单细胞分析、生信数据库检索、组学研究规划、医学文献与 Codar 生信论文写作能力。

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

常见问题

SolubleMPNN 可溶性蛋白设计能做什么?

使用 SolubleMPNN 对骨架进行逆折叠。SolubleMPNN 是在可溶性 PDB 子集上重新训练的 ProteinMPNN(Dauparas 等,2022),生成偏向胞质表达并减少聚集的序列。适用于普通 ProteinMPNN 设计发生聚集或形成包涵体、需要为可溶性表达重新设计邻近膜的折叠,或下一步将进行大肠杆菌表达筛选的场景。

如何安装SolubleMPNN 可溶性蛋白设计?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「SolubleMPNN 可溶性蛋白设计」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。

SolubleMPNN 可溶性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。

SolubleMPNN 可溶性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。