1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | modern-structure-prediction-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub 认证组织，自述为生物信息学 AI 实验室），收录于其开源合集 bioSkills |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/structural-biology/modern-structure-prediction |
| 许可证 | MIT（GitHub API 实测确认） |
| GitHub Stars/Forks | 所属合集仓库 1,114 / 193（GitHub API 实测 2026-08-05；仓库含 561 个子技能，星数属整个合集，不代表本技能个体热度，独立佐证见第 6 章） |
| 最新版本 | 无独立版本号；子目录提交历史实测 5 次针对性提交，最近一次 2026-07-03 |
| 安装方式 | 克隆官方仓库后运行按分类安装脚本，详见第 10 章 |
2. 功能介绍与亮点
modern-structure-prediction 是一份蛋白质结构预测的方法选型与结果解读指南：面对 ESMFold、AlphaFold2（ColabFold）、AlphaFold3、Chai-1、Boltz-1/2 五套主流深度学习预测工具，教会 agent 按“输入类型 + 要回答的问题”而非“哪个模型最新”来选型，并正确解读预测自带的置信度分数。
核心内容：
- 决策表：单链求速度用 ESMFold（无需 MSA，秒级出结果但准确率较低）；单链求最高精度用 AlphaFold2/ColabFold；复合物、配体、核酸、翻译后修饰需要 AlphaFold3/Chai-1/Boltz 这类“共折叠”模型；同时给出各工具的商用许可差异（Boltz、Chai-1 MIT/Apache-2.0 可商用，AlphaFold3 权重仅限非商业用途）。
- 置信度四件套精读：pLDDT（残基局部置信度）、PAE（残基对相对位置误差）、pTM（整体折叠可信度）、ipTM（复合物界面可信度）——并明确指出“复合物不能只看每条链各自的高 pLDDT，必须用 ipTM + 链间 PAE 联合判断界面是否可信”这一常被忽视的陷阱。
- 三类边界警示：单次预测是一个构象假说而非系综，不能替代变构/多态性实验；不能用预测结构差异判断点突变效应（应改用 AlphaMissense/FoldX 等专门工具）；共折叠给出的结合姿态不等于可信的结合亲和力（CASP16 评估已证实此类打分不可靠）。
- 可直接运行的 Python 代码：本地 ESMFold 推理、托管 API 兜底、复合物界面置信度判读、AlphaFold3 任务 JSON 构造、多模型 RMSD 比对。
- 11 行“症状-成因-修复”常见错误表 + 12 篇引用文献（含 AlphaFold 奠基论文 Jumper 2021 Nature、AlphaFold3 论文 Abramson 2024 Nature、ESM 论文 Lin 2023 Science 等）。
3. 适用场景
固定分类：数据分析与可视化。
面向需要用深度学习工具预测蛋白质或复合物结构的计算生物学家、结构生物学家：选择该用哪个预测模型、判断一次预测的置信度是否可信、协调多个模型给出的不同结果时可以直接调用。
4. 跨 Agent 兼容性
- Claude Code：原生支持 ✅ —— 仓库提供
install-claude.sh，支持按分类（如structural-biology）选择性安装 - Codex：原生支持 ✅ ——
install-codex.sh会将技能转换为 Agent Skills 标准格式 - OpenClaw：原生支持 ✅ ——
install-openclaw.sh一键安装，或直接从官方市场 ClawHub 安装（clawhub.ai/djemec/bioskills） - Hermes Agent：需适配 ⚠️ —— 官方文档
hermes-agent.nousresearch.com的“生物信息学”网关技能索引中按名列出了modern-structure-prediction，但访问方式是浅克隆整个仓库后按需读取该 SKILL.md 作参考资料，并非以 Hermes 原生技能格式直接安装
5. 推荐理由
帮结构生物学家按输入和问题选对预测模型并正确解读置信度，而非凭直觉挑模型。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 所属合集整体 1,114 星，该数字属整个 bioSkills 合集，不代表本技能个体热度；本技能自身已被 LobeHub、MDSkill 两个独立技能市场分别单独收录为专属条目，且被 Hermes Agent 官方网关按技能名列入索引 |
| 可用性 | 9 | SKILL.md+usage-guide.md 文档完整、决策表与可运行代码齐全；近 3 个月内有针对性维护提交（2026-07-03）；核心路径（ESMFold 本地或托管 API、Boltz、Chai-1）全部免费开源，无强制付费依赖；本地 ESMFold 需要 GPU，但文档同时提供托管 API 作为零 GPU 兜底路径 |
| 安全性 | 9 | 见下方检查清单，全部通过且无风险信号 |
安全检查清单：
① Shell/代码执行——有，均为调用 chai-lab、boltz 等公开科学计算工具对用户提供的序列文件做本地结构预测，用途单一明确，可审计；② 联网——有，托管 ESMFold API（api.esmatlas.com）用于无 GPU 场景的结构预测请求，外联目标透明、文档已注明该端点偶尔不稳定；③ 凭据——核心工作流不要求任何 API key 或账号凭据；④ 提示注入迹象——全文与两个示例脚本均未发现可疑指令或隐蔽逻辑；⑤ 作者信誉——GPTomics 为 GitHub 认证组织，fork/star 比例正常，仓库全部提交均来自具名开发者，无刷星迹象；⑥ License——MIT，明确；⑦ 维护时间——最近一次实质性提交 2026-07-03，活跃。
7. 跟同类 Skills 相比的优势
| 方案 | 定位 | 与本技能的差异 |
|---|---|---|
| AlphaFold Colab / ColabFold Notebook（官方） | 交互式网页笔记本，直接跑出一个预测结果 | 只负责执行，不提供“该用哪个模型”“复合物置信度该怎么判读”的方法论；也没有对角错误使用场景的警示 |
| ESM Metagenomic Atlas（Meta 官方网页工具） | 网页界面查询/预测已知蛋白结构 | 面向已发表序列的检索场景，不支持自定义复合物/配体共折叠，也不含跨模型协调能力 |
| BioLM.ai / NVIDIA BioNeMo 等云端商用平台 | 按调用量计费的结构预测 API 服务 | 付费、面向生产部署；本技能免费、开源、可直接在本地 agent 会话内使用，且额外提供选型与置信度解读的推理层 |
8. 用户评价
该技能目前已被 LobeHub、MDSkill 两个第三方 Agent Skill 市场单独收录为独立条目，但尚未查证到具名用户评价或使用反馈。
9. 其他补充
所属仓库 bioSkills 覆盖 63 个功能类目、561 个子技能，安装脚本支持按类目选择性安装（如仅安装 structural-biology 类目），无需全量部署。
10. 安装使用方式
git clone git@github.com:GPTomics/bioSkills.git
cd bioSkills
./install-claude.sh --categories "structural-biology" # Claude Code，仅装结构生物学类目
# 或 ./install-codex.sh / ./install-openclaw.sh 对应替换OpenClaw 用户也可直接从 ClawHub 市场安装：clawhub.ai/djemec/bioskills。
按需求安装 Python 依赖：pip install fair-esm biopython numpy requests（ESMFold 与置信度解析必需）；如需运行复合物共折叠，另装 pip install chai_lab boltz。本地运行 ESMFold 建议配备约 16GB 显存的 CUDA GPU；无 GPU 时可改用文档提供的托管 API。安装后无需重启 agent，直接用自然语言描述预测需求即可触发。
11. 注意事项
- 单次预测给出的是一个“主导构象假说”，不是构象系综，不能替代别构态、多态性等实验验证。
- 不适合用于变异效应/稳定性预测（点突变对深层 MSA 影响极小，模型对此不敏感）——应改用 AlphaMissense、FoldX 等专门工具。
- 共折叠模型给出的结合姿态不等于可信的结合亲和力，Boltz-2 的亲和力模块官方定位为“筛选先验”，不是可信的 Kd 数值。
- AlphaFold3 官方权重仅限非商业用途（需向 Google 申请获取）；商业场景应改用 Boltz-1/2 或 Chai-1（均已转为允许商用的开源许可）。
- 本地运行深度学习模型对硬件有一定要求（推荐 CUDA GPU），托管 API 路径存在偶发不稳定的已知问题。