核心用法
该技能封装了 BoltzGen 蛋白质设计引擎，通过 SciMiner 内部 API 暴露五种专业设计能力：蛋白质设计（protein_design）、肽段设计（peptide_design）、小分子结合蛋白设计（protein_small_molecule）、抗体设计（antibody_design）以及纳米抗体设计（nanobody_design）。用户需提供目标结构文件（PDB 格式），系统通过逆折叠算法生成候选序列并进行结构预测。
显著优点
- 集成化工作流：SciMiner 返回 ensemble 结果，整合多模型预测，避免单一工具偏差
- 专业化场景覆盖：支持从短肽到完整抗体、纳米抗体的全谱系设计
- 灵活设计模式：Default (De Novo) 模式支持完全从头设计，也可基于框架文件进行定向优化
- 免费准入：SciMiner API key 免费获取，降低科研门槛
潜在局限与风险
- 结构依赖性：高度依赖输入目标结构的精确度，低分辨率或柔性区域可能导致设计失效
- 实验验证缺口：AI 预测结合亲和力与实际 wet-lab 结果存在差距，需后续功能验证
- 计算资源消耗：设计任务涉及扩散模型推理，num_designs 与 budget 参数直接影响成本与耗时
- 文件处理复杂度：需先通过
/v1/internal/tools/file端点上传文件获取 file_id，增加调用链路
适合人群
- 计算结构生物学家、蛋白质工程研究人员、抗体药物发现团队、合成生物学实验室
常规风险
- API key 泄露风险：需妥善保管 SCIMINER_API_KEY
- 任务超时：大分子设计可能超过 300 轮轮询周期
- 知识产权：生成序列的专利归属需结合具体使用条款确认