К основному содержанию
скилл CX Codex

alphafold-database-fetch-and-analyze — скилл для Claude Code

Скачивает предсказанные структуры AlphaFold по UniProt ID и разбирает их: уверенность pLDDT, неупорядоченные участки, границы доменов.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add google-deepmind/science-skills --skill alphafold-database-fetch-and-analyze -a claude-code
npx skills add google-deepmind/science-skills --skill alphafold_database_fetch_and_analyze -a claude-code
Открыть на GitHub

Что делает alphafold-database-fetch-and-analyze

Скилл берёт UniProt Accession ID и тянет из AlphaFold Database файл структуры .cif, матрицу предсказанной выравненной ошибки (PAE) и метаданные API. Дальше три скрипта считают то, что вручную считать долго: уверенность по остаткам, жёсткие границы доменов скользящим окном по PAE, долю неупорядоченных участков. Для очень крупных белков предусмотрен откат на фрагменты.

Работает через обёртки, а не прямыми запросами к базе: uv run scripts/fetch_structure.py P00520 -o /path/to/output/, затем analyze_plddt.py и analyze_pae.py по скачанным JSON. Обёртки сами держат нужный лимит запросов, так что городить паузы не придётся. Путь в -o задавайте абсолютный или от корня проекта — относительный от папки скилла скрипт не поймёт.

Нужен установленный uv на PATH. Скилл просит свериться с условиями AlphaFold Database и завести файл .licenses/alphafold_database_fetch_and_analyze_LICENSE.txt в корне рабочей папки. Если у вас только название белка или гена, либо последовательность аминокислот, ничего не выйдет: сначала найдите ID в UniProt. Для поиска гомологов нужен Foldseek, для экспериментальных структур — RCSB PDB. И ещё: если анализ покажет сильно разупорядоченный белок, не тащите его целиком в докинг — ограничьте работу теми остатками, что образуют упорядоченные домены.

Какие задачи решает

  • скачать mmCIF-структуру и PAE-матрицу по UniProt ID
  • оценить уверенность предсказания по pLDDT и увидеть долю очень низких значений
  • найти границы жёстких доменов и диапазоны остатков
  • отличить разупорядоченный белок от структурированного до запуска докинга
  • получить предупреждение, если канонической записи нет и подставлена изоформа

Примеры запросов агенту

  • Скачай структуру AlphaFold для P00520 и разбери уверенность по pLDDT
  • Проанализируй PAE для ./data/AF-P00520-F1-predicted_aligned_error_v6.json и найди границы доменов
  • Есть ли у этого белка разупорядоченные участки? UniProt ID P04637

Как установить alphafold-database-fetch-and-analyze

1Через Skills CLI (Vercel)

npx skills add google-deepmind/science-skills --skill alphafold-database-fetch-and-analyze -a claude-code
npx skills add google-deepmind/science-skills --skill alphafold_database_fetch_and_analyze -a claude-code

2Вручную: положить файлы

~/.claude/skills/alphafold_database_fetch_and_analyze/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/alphafold_database_fetch_and_analyze/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора39

openfda-database Ищет, считает и выгружает данные из openFDA API. Нужен для запросов о препаратах, отзывах, маркировке, NDC и событиях безопасности FDA. CX Codex +1 2 200установок pymol Скилл для PyMOL: строит изображения белковых и молекулярных структур, делает выравнивания, меряет расстояния и контакты. Пригодится, когда есть файл структуры и нужна картинка или метрика. CX Codex +1 2 200установок ncbi-sequence-fetch Получает белковые и нуклеотидные последовательности из баз NCBI через E-utilities. Пригодится для поиска данных по номерам accession, генам, локусам, PubMed ID или патентам. CX Codex +1 2 200установок pubchem-database Скилл для работы с базой PubChem: ищет соединения по имени, CID или SMILES и вытаскивает свойства, безопасность и биоактивность. CX Codex +1 2 200установок pdb-database Ищет и выгружает экспериментальные 3D-структуры белков и лигандов из RCSB PDB по атрибутам, схожести последовательностей или химическому описанию. CX Codex +1 2 200установок unibind-database Скилл ищет экспериментально подтверждённые сайты связывания транскрипционных факторов в UniBind и скачивает координаты BED или FASTA для локального анализа. CX Codex +1 2 100установок ucsc-conservation-and-tfbs Тянет из UCSC Genome Browser оценки эволюционной консервации (phyloP, phastCons) и сайты связывания транскрипционных факторов. Нужен, когда разбираешь некодирующие варианты. CX Codex +1 2 100установок encode-ccres-database Скилл ищет цис-регуляторные элементы (cCRE) в базе ENCODE через SCREEN GraphQL API и выгружает данные экспериментов. Пригодится для анализа промоторов или энхансеров. CX Codex +1 2 100установок

Похожие

alphafold-skill официальный OpenAI Отправляет запросы к API базы структур AlphaFold для поиска предсказаний и сводок UniProt. Пригодится при анализе белковых структур. CX Codex GP ChatGPT 14установок tooluniverse-protein-structure-retrieval mims-harvard Скилл для поиска и оценки качества белковых структур в базах RCSB PDB, PDBe, AlphaFold и SWISS-MODEL. Находит экспериментальные и предсказанные модели для драг-дизайна. CX Codex +1 433установок tooluniverse-protein-therapeutic-design mims-harvard Скилл ведёт de novo дизайн терапевтических белков через RFdiffusion и ProteinMPNN. Помогает строить остовы, подбирать аминокислотные последовательности и валидировать структуры. CX Codex +1 398установок bioservices K-Dense-AI Помогает запрашивать биоинформатические базы через библиотеку BioServices в Python. Пригодится при аннотации белков, поиске путей в KEGG и маппинге химических соединений. CX Codex +1 1 900установок database-lookup K-Dense-AI Находит факты в 80 внешних базах данных через API с контролем пагинации и источников. Пригодится, когда научные или финансовые данные нужно подтвердить первоисточником. CX Codex +1 2 100установок analyze-results wanshuiyin Скилл читает JSON и CSV с результатами экспериментов, строит таблицы сравнения и считает статистику. Пригодится, когда прогонов много и надо понять, что из них следует. CX Codex +1 547установок

Рядом в теме «Наука и исследования»

Всё по теме «Наука и исследования» →

Вопросы о alphafold-database-fetch-and-analyze

Как установить alphafold-database-fetch-and-analyze в Claude?

Выполните npx skills add google-deepmind/science-skills --skill alphafold-database-fetch-and-analyze -a claude-code. После этого скилл окажется в ~/.claude/skills/alphafold_database_fetch_and_analyze/SKILL.md.

Что делает alphafold-database-fetch-and-analyze?

Скачивает предсказанную структуру и PAE-матрицу из AlphaFold Database по UniProt ID, затем считает уверенность pLDDT, неупорядоченные области и границы жёстких доменов.

Что нужно, чтобы скилл заработал?

Установленный uv на PATH и UniProt Accession ID на входе. Названия белка, гена или последовательности аминокислот недостаточно — ID придётся сначала найти в UniProt.

Исходный текст

SKILL.md · Apache-2.0
---
name: alphafold-database-fetch-and-analyze
description: >
  Retrieve and analyze AlphaFold predicted structures for a protein. Use when
  the user provides a specific UniProt Accession ID and wants structural
  confidence metrics (pLDDT), domain boundary analysis, or disorder
  assessment. Do not use if the user only has a protein name, gene name,
  or amino acid sequence — ask for a UniProt ID first.
---

# AlphaFold Database: Fetch and Analyze

## Prerequisites

1.  **`uv`**: Read the `uv` skill and follow its Setup instructions to ensure
    `uv` is installed and on PATH.
2.  **User Notification**: If
    .licenses/alphafold_database_fetch_and_analyze_LICENSE.txt does not already
    exist in the workspace root directory then (1) prominently notify the user
    to check the terms at https://alphafold.ebi.ac.uk/, then (2) create the file
    recording the notification text and timestamp.

## Overview

Downloads AlphaFold predicted structures (mmCIF) and Predicted Aligned Error
(PAE) matrices from the AlphaFold Database for a given UniProt ID, then performs
automated heuristic analysis on structural confidence (pLDDT), intrinsically
disordered regions, rigid domain boundaries, and inter-domain flexibility.

**Do NOT use when:**

-   The user only has a protein name, gene name, or amino acid sequence (no
    UniProt ID) — ask them to look up the ID on
    [UniProt](https://www.uniprot.org).
-   The user wants to search for structural homologs (use **Foldseek**).
-   The user wants to run AlphaFold predictions on a custom sequence.
-   The user needs experimental PDB structures (use **RCSB PDB**).

## Core Rules

-   **Use the Wrapper**: ALWAYS execute the provided helper scripts to query the
    database rather than accessing the database directly. The scripts
    automatically enforce the required rate limit gracefully.
-   Do not attempt to calculate domain boundaries or assess structural disorder
    yourself; always rely on the output provided by the script.
-   If this skill is used, ensure this is mentioned in the output.

## Utility Scripts

**1. Fetch Structure Files**

Downloads the `.cif` structure file, `_predicted_aligned_error.json`, and API
metadata JSON (`-metadata.json`) for a UniProt ID. Handles fragment fallback for
very large proteins.

Examples:

```bash
uv run scripts/fetch_structure.py P00520 -o /path/to/output/
uv run scripts/fetch_structure.py P04637 -o /path/to/custom_results/
```

Always specify `-o` with an absolute path or a path relative to the user's
project root, never a path relative to the skill directory.

**2. Analyze pLDDT Confidence**

Reads pLDDT confidence metrics from a saved AFDB metadata JSON file (produced by
`fetch_structure.py`) and prints a heuristic confidence assessment (structured,
disordered, mixed).

Example:

```bash
uv run scripts/analyze_plddt.py ./data/AF-P00520-F1-metadata.json
```

**3. Analyze PAE / Domain Boundaries**

Reads a downloaded PAE JSON file and detects rigid domain boundaries using a
sliding-window PAE heuristic.

Example:

```bash
uv run scripts/analyze_pae.py ./data/AF-P00520-F1-predicted_aligned_error_v6.json
```

## Interpreting the Output

The script prints analysis to stdout. Read it carefully and synthesize the
results for the user:

1.  **Isoform / Large Protein Warning (MANDATORY):** Check the script output for
    any `[!] WARNING` lines. If the script reports that no canonical entry was
    found and an isoform was used, or if the protein is very large (>2700 AAs),
    you **MUST** prominently relay this warning to the user. Do not omit this
    warning.
2.  **Synthesize the Structural Analysis**: Combine the "pLDDT Conclusion" and
    the "PAE Structural Conclusion" into a single, cohesive overall summary.
    Describe the protein's overall folding confidence, the presence of
    disordered regions, and its rigid domain layout.
3.  Highlight the supporting metrics:
    -   Overall Global pLDDT and the breakdown of fraction confidence
        (especially Very Low vs. Very High).
    -   Domain Boundary Analysis (number of distinct global domains and their
        specific residue ranges).
4.  **Explicit Disorder Warning:** If the analysis concludes that the protein is
    highly intrinsically disordered (e.g., high fraction of <50 pLDDT or lack of
    rigid domains), issue a separate, prominent warning. Advise the user against
    proceeding with whole-protein downstream structural analysis (like Foldseek
    or docking). If small ordered domains exist amidst the disorder, advise the
    user to restrict any future analysis strictly to those specific residue
    boundaries.
5.  Remind the user that per-residue pLDDT is embedded in the B-factor column of
    the downloaded mmCIF file.

© google-deepmind · Apache-2.0 · google-deepmind/science-skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой