🧬

esm

Name: esm
Author: K-Dense-AI

安全 ⚡ スクリプトを含む🌐 ネットワークアクセス⚙️ 外部コマンド📁 ファイルシステムへのアクセス

ESMでタンパク質を生成・設計する

こちらからも入手できます: davila7

タンパク質工学では、新規タンパク質配列の分析と設計が必要です。ESMは最先端のタンパク質言語モデルを提供し、配列の生成、構造予測、下流分析のためのエンベディング作成に使用できます。配列、構造、関数全体をまたがる生成タスクにはESM3を、効率的な表現学習にはESM Cを使用してください。

対応: Claude Codex Code(CC)

📊 71 十分

スキルZIPをダウンロード

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

オンにして利用開始

テストする

「esm」を使用しています。 ESM3を使用して完全なGFPバリアントを生成します。配列には位置65-67にクロモホアモチーフ'SYG'を含める必要があります。

期待される結果:

クロモホアモチーフが保持されたGFPバリアント配列（238アミノ酸）を生成しました。モデルは特徴的なGFPバレル構造を持つ配列を生成しました。配列は構造予測で検証できます。

「esm」を使用しています。これら3つのタンパク質配列からエンベ딩を抽出し、ペアごとの類似性を計算します。

期待される結果:

エンベディングベクトル（ESM C-300Mで1280次元）。ペアごとのコサイン類似性: AとBの間で0.72、AとCの間で0.45、BとCの間で0.68。

セキュリティ監査

安全

v5 • 1/21/2026

All 368 static findings are false positives. The scanner incorrectly flagged markdown documentation patterns. The skill provides documentation for legitimate protein language models from EvolutionaryScale. All code examples are standard scientific workflows for protein engineering. Python f-strings with underscores (protein masks), MD5 for cache keys, and ML terminology were misclassified as security issues.

スキャンされたファイル

6,067

解析された行数

検出結果

総監査数

リスク要因

⚡ スクリプトを含む (5)

evaluation.json:51 evaluation.json:54 references/esm-c-api.md:338 skill-report.json:1208 skill-report.json:1209

🌐 ネットワークアクセス (21)

⚙️ 外部コマンド (188)

📁 ファイルシステムへのアクセス (13)

references/esm-c-api.md:462 references/esm3-api.md:55 references/esm3-api.md:191 references/forge-api.md:328 references/forge-api.md:463 references/forge-api.md:438 references/workflows.md:515 references/workflows.md:92 references/workflows.md:95 references/workflows.md:278 references/workflows.md:283 references/workflows.md:436 references/workflows.md:634

監査者: claude 監査履歴を表示 →

品質スコア

アーキテクチャ

100

保守性

コンテンツ

コミュニティ

100

セキュリティ

仕様準拠

作れるもの

新規蛍光タンパク質を設計する

ESM3関数コンディショニングを使用して、配列空間を探索しながら特定の機能ドメインをターゲットとして望ましい特性を持つGFPバリアントを生成します。

酵素配列を最適化する

逆フォールディングを使用して、構造的完全性を維持しながら産業用用途の安定性や活性を向上させる酵素配列を再設計します。

エンベディングでタンパク質バリアントをスクリーニングする

タンパク質ライブラリのエンベディングを生成し、実験的テストの前にクラスタリングを使用して有望な候補を特定します。

これらのプロンプトを試す

マスク付き位置でタンパク質を生成する

マスク付き位置を埋めて完全なタンパク質配列を生成します。入力配列は'_'を使用して、生成が必要なマスクされた残基を表します。ESM3と配列トラックを使用してタンパク質を完了します: {partial_sequence}

配列から構造を予測する

ESM3を使用してこのタンパク質配列の3D構造を予測します。構造トラックを使用して構造座標を生成します。PDB形式の座標を返します: {protein_sequence}

ターゲット構造の配列を設計する

PDBとして提供されるターゲット構造にフォールディングするタンパク質を設計するために逆フォールディングを実行します。3D座標と互換性のある配列を生成するためにESM3を使用します: {pdb_content}

タンパク質エンベディングを抽出する

ESM Cを使用してこのタンパク質の高品質なエンベディングを生成します。下流分析または類似性比較用のエンベディングベクトルを返します: {protein_sequence}

ベストプラクティス

プロトタイピングにはまず小規模なオープン 모델を使用し、本番品質には大規模なForge APIモデルにスケールアップする
配列、構造、関数をトラックに反復させることで複雑なタンパク質設計にチェーン・オブ・ソート生成を使用する
構造予測で生成された配列を検証し、Responsible Biodesign Frameworkのガイドラインに従う

回避

計算で設計されたタンパク質の実験的検証をスキップしない
適切なテストなしに生成されたタンパク質を臨床応用に直接使用しない
新規機能を設計する際にバイオセーフティの影響を無視しない

よくある質問

ESM3とESM Cモデルの違いは何ですか？

ESM3は配列、構造、関数をまたがる新規タンパク質を作成するための生成モデルです。ESM Cは分析、分類、類似性比較タスク向けの高品質なエンベディング生成に焦点を当てたエンコーダーのみのモデルです。

ESM3はローカルで使用できますか、それともForge APIが必要ですか？

最小のESM3モデル（14億パラメータ）はオープン重みとしてローカル実行が可能です。より大きなモデル（70億と980億）は推論にForge APIが必要です。ESM Cモデルは様々なサイズでローカルで利用可能です。

ESM処理のためのタンパク質配列の長さはどこまでできますか？

ローカルモデルはGPUメモリによって制限され、通常は最大2000残基までの配列を処理できます。Forge APIは最適化されたインフラストラクチャでより長い配列を処理できます。

逆フォールディングとは何ですか？いつ使用すべきですか？

逆フォールディングは、特定の3D構造にフォールディングするタンパク質配列を予測します。設計された構造があり、それを採用する配列が必要な場合、または新しいスキャフォールドにタンパク質を適応させる場合に使用します。

ESMで生成されたタンパク質をどのように検証しますか？

構造予測を使用してフォールディングの妥当性を確認し、既知のタンパク質ファミリーモチーフをチェックし、実験プロトコルに従います。常にResponsible Biodesign Frameworkを参照してください。

ESM3の生成トラックとは何ですか？

ESM3は3つの生成トラックをサポートします: 配列（アミノ酸）、構造（3D座標）、関数（GOアノテーション）。これらは独立して、または多モーダルなタンパク質設計のために一緒に使用できます。

開発者の詳細

作成者

K-Dense-AI

ライセンス

MIT license

リポジトリ

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/esm

参照

main

ファイル構成

📁 references/

📄 esm-c-api.md

📄 esm3-api.md

📄 forge-api.md

📄 workflows.md

📄 evaluation.json

📄 SKILL.md