核心用法
BoltzGen Protein Design Skill 是一套通过 SciMiner 平台暴露的蛋白质设计工具集，底层由 BoltzGen 驱动，专注于从头设计（De Novo Design）功能性生物分子。该技能覆盖四大设计场景：
1. 蛋白质设计（design_protein_anything）——针对目标抗原设计结合蛋白
2. 肽段设计（design_peptide_anything）——设计短肽配体
3. 小分子结合蛋白设计（design_protein_small_molecule）——针对小分子靶点设计结合蛋白
4. 抗体设计（design_antibody_anything）——基于框架结构预测互补决定区（CDR）
5. 纳米抗体设计（design_nanobody_anything）——针对单域抗体进行优化设计
调用流程为：获取 SciMiner API Key → 上传结构文件（PDB等）获取 file_id → 构造 JSON payload 提交异步任务 → 轮询查询结果 → 返回包含 share_url 的完整结果。
显著优点
- 端到端设计能力：支持从目标结构直接生成候选序列，无需预先拥有结合物模板
- 多模态覆盖：同时支持大分子（抗原-抗体）和小分子靶点
- 参数化控制：可精细调节 CDR 区域、锚定区、插入长度范围、设计数量等关键参数
- 异步任务架构：适合计算密集型 AI 推理，避免阻塞
- 结果可分享：自动生成带可视化页面的 share_url，便于团队协作
潜在缺点与局限性
- 外部依赖重：必须持有 SciMiner 平台 API Key，且服务可用性受限于第三方
- 文件预处理复杂：需先上传文件获取 file_id，增加调用链路长度
- 无本地执行选项：纯云端 API，无法离线使用或私有化部署
- 结果解释门槛：输出的蛋白质结构需专业知识解读，平台未提供自动化质量评估
- 成本不透明：文档未披露定价模型，budget 参数语义不明确
适合人群
- 计算结构生物学家：需要批量生成候选结合物进行下游筛选
- 抗体工程研发人员：从事 CDR 优化、人源化改造或新靶点抗体发现
- AI4Science 研究者：验证生成式蛋白质设计模型在真实靶点上的表现
- 生物制药企业早期发现团队：加速先导化合物（lead discovery）阶段
常规风险
| 风险类别 | 说明 |
|---------|------|
| **数据隐私** | 上传的靶点结构可能涉及未公开专利或商业机密，需确认 SciMiner 数据协议 |
| **结果可靠性** | AI 生成的蛋白质结构需实验验证（如酵母展示、SPR、ITC），不可直接用于体内应用 |
| **API 稳定性** | 轮询机制依赖服务持续可用，超时或网络中断可能导致任务丢失 |
| **合规风险** | 设计的生物分子若涉及毒素或病原体相关靶点，需遵循双重用途研究（DURC）规范 |
| **知识产权** | 生成序列的专利归属需明确用户与平台间的权利分配 |
> 使用建议：建议将本技能作为假设生成工具而非最终设计方案，所有输出应经过分子动力学模拟、实验表达与功能验证后再进入开发管线。