# boltz-protein-screen

Ранжирует готовые белки, пептиды, антитела и нанободи против заданной мишени через Boltz API. Не подходит для дизайна новых белков и скрининга малых молекул.

- скилл · `type=skill` · Codex, ChatGPT · ★ 7596
- Автор: Boltz · официальный репозиторий OpenAI
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/openai/plugins/tree/HEAD/plugins/boltz-api-cli/skills/boltz-protein-screen/SKILL.md
- Обновлён: 2026-10-08
- HTML: https://affpapa.org/nevibecode/skills/boltz-protein-screen

## Что делает

Скилл берёт библиотеку кандидатов, которую вы уже собрали, и считает, кто из них лучше связывается с мишенью. Кандидаты нормализуются в список `proteins`: для простой последовательности это одна белковая сущность, для антитела можно указать тяжёлую и лёгкую цепи. Мишень задаётся двумя способами: `structure_template`, если есть файл CIF/PDB или ссылка, либо `no_template`, если есть только последовательности.

Дальше вы собираете payload в YAML или JSON, запускаете `estimate-cost`, смотрите цену в долларах и подтверждаете. Только после этого идёт `start`, а затем `download-results` в фоновом режиме. Результаты складываются в `<output-root>/<run-name>/results/index.jsonl`, ранжирование — по `binding_confidence` по убыванию, при равенстве смотрят на `iptm` и `min_interaction_pae`.

Для работы нужен `boltz-api` в `PATH` и авторизация: если команда сообщает об истёкшем входе, скилл отправляет на `boltz-api auth login --device-code`. Индексы остатков нумеруются с нуля, а `epitope_residues` и `flexible_residues` обязаны быть подмножеством `crop_residues` — иначе payload не пройдёт. Время ожидания зависит от размера библиотеки, фиксированных сроков никто не обещает.

## Установка

### Codex (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add openai/plugins --skill boltz-protein-screen -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/boltz-protein-screen/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Claude Code

1. **Через Skills CLI (Vercel)**
```bash
npx skills add openai/plugins --skill boltz-protein-screen -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/boltz-protein-screen/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/boltz-protein-screen/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/skills/boltz-protein-screen/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install openai/plugins boltz-protein-screen
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/boltz-protein-screen/SKILL.md`

### Gemini CLI

**Командой платформы**
```bash
gemini skills install https://github.com/openai/plugins --path plugins/boltz-api-cli/skills/boltz-protein-screen
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/boltz-protein-screen/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/openai/plugins/tree/HEAD/plugins/boltz-api-cli/skills/boltz-protein-screen/SKILL.md

## Когда брать
- отранжировать библиотеку антител против одной мишени
- сравнить пептиды-кандидаты по уверенности связывания
- оценить стоимость скрининга до отправки задачи
- запустить скачивание результатов в фоне и не ждать вручную
- выбрать вариант мишени: по структуре или только по последовательности

## Примеры запросов агенту
- Отранжируй мою библиотеку нанободи против мишени из target.cif по binding_confidence
- Собери payload для library-screen, покажи estimate-cost и дождись моего подтверждения
- Запусти download-results для последнего job и скажи, куда сложатся файлы

## Похожие
- [tooluniverse-protein-structure-retrieval](https://affpapa.org/nevibecode/skills/tooluniverse-protein-structure-retrieval.md) — скилл · 433 установки
- [tooluniverse-protein-therapeutic-design](https://affpapa.org/nevibecode/skills/tooluniverse-protein-therapeutic-design.md) — скилл · 398 установок
- [diffdock](https://affpapa.org/nevibecode/skills/diffdock.md) — скилл · 1900 установок
- [esm](https://affpapa.org/nevibecode/skills/esm.md) — скилл · 1900 установок
- [human-protein-atlas-database](https://affpapa.org/nevibecode/skills/human-protein-atlas-database.md) — скилл · 2200 установок
- [android-permissions-security](https://affpapa.org/nevibecode/skills/android-permissions-security.md) — скилл · 508 установок

Из того же набора: [openai/plugins](https://affpapa.org/nevibecode/by/openai/plugins.md) — 304 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md