核心功能与用法
BoltzGen Protein Design Skill 是一套面向结构生物学与药物发现领域的 AI 工具集，通过 SciMiner 平台封装提供。该 skill 支持四大核心任务：de novo 蛋白设计（针对靶标抗原）、多肽设计、抗体设计（含框架文件与靶标文件双输入）以及纳米抗体设计。用户需先在 SciMiner 获取 API 密钥并配置环境变量，随后通过 RESTful 接口提交任务。
典型调用流程包括：文件上传（获取 file_id）→ 构造 payload（指定 provider_name="Boltzgen" 与 tool_name）→ 提交任务获取 task_id → 轮询查询结果。设计参数支持细粒度控制，如 CDR 区域指定、插入长度范围、锚定区域设置及设计数量（num_designs）等，满足不同精度与计算预算需求。
显著优点
1. 端到端 AI 生成：基于 BoltzGen 模型实现序列-结构共设计，无需繁琐的手工建模
2. 多模态靶标兼容：支持蛋白质抗原、小分子配体等多种靶标类型
3. 抗体工程友好：原生支持抗体框架（Framework）与纳米骨架输入，适配工业级 CDR 优化流程
4. 云端托管：通过 SciMiner 统一接口调用，免除本地 GPU 环境与模型部署负担
潜在局限与风险
- 外部依赖：需持续维护 SciMiner API 密钥有效性，存在服务中断或计费变更风险
- 计算成本：设计任务消耗 credits（budget 参数），大规模筛选需评估成本效益
- 实验验证 gap：AI 预测亲和力与实际结合活性可能存在偏差，需下游实验验证
- 文件管理复杂度：涉及多文件上传与 file_id 映射，易出现参数配置错误
适用人群
生物制药企业抗体发现团队、合成生物学实验室研究人员、计算生物学开发者，以及具备基础 Python/REST API 调用能力的结构生物学从业者。
安全与合规提示
该 skill 涉及生物分子设计双用途潜力，用户应遵守所在机构生物安全审查流程，确保生成序列不用于有害病原体构建或生物武器相关研究。