Habilidades alphafold-database
🧬

alphafold-database

Seguro 🌐 Acesso à rede⚙️ Comandos externos📁 Acesso ao sistema de arquivos

Acessar estruturas proteicas do AlphaFold por ID UniProt

Também disponível em: davila7

Pesquisadores precisam de acesso eficiente a previsões computacionais de estruturas proteicas para descoberta de drogas e estudos de biologia estrutural. Esta skill oferece acesso direto ao AlphaFold DB com mais de 200M de estruturas proteicas previstas por IA, permitindo recuperação por ID UniProt, download de arquivos de coordenadas e análise de métricas de confiança.

Suporta: Claude Codex Code(CC)
📊 69 Adequado
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "alphafold-database". Baixe a estrutura do AlphaFold para P00520 e analise a confiança

Resultado esperado:

  • ID AlphaFold: AF-P00520-F1
  • Proteína: Quinase de tirosina ABL1 (Humano)
  • Comprimento da sequência: 1130 resíduos
  • Análise pLDDT:
  • - Confiança muito alta (>90): 67% dos resíduos
  • - Alta confiança (70-90): 18% dos resíduos
  • Estrutura salva em: ./structures/AF-P00520-F1-model_v4.cif

A utilizar "alphafold-database". Baixar proteoma do E. coli usando Google Cloud

Resultado esperado:

  • ID de taxonomia: 83333
  • Baixando de: gs://public-datasets-deepmind-alphafold-v4/proteomes/
  • Arquivos encontrados: 4123
  • Baixando proteome-tax_id-83333-*.tar (45 GB total)
  • Progresso: 45.2 GB / 45.2 GB (100%)
  • Extraídos 4123 arquivos de estrutura para ./proteomes/

Auditoria de Segurança

Seguro
v4 • 1/17/2026

This is a legitimate scientific skill for accessing the AlphaFold protein structure database. All 244 static findings are false positives. The analyzer misinterpreted markdown code formatting (backticks), standard Python HTTP library usage, and documented public API endpoints as security threats. The skill uses safe Biopython library calls, standard requests to authorized EBI APIs, and subprocess with list-form arguments for Google Cloud access.

3
Arquivos analisados
1,160
Linhas analisadas
3
achados
4
Total de auditorias

Fatores de risco

🌐 Acesso à rede (2)
SKILL.md:57-127 references/api_reference.md:38-105
⚙️ Comandos externos (1)
SKILL.md:244-255
📁 Acesso ao sistema de arquivos (1)
SKILL.md:115-136
Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

41
Arquitetura
100
Manutenibilidade
87
Conteúdo
21
Comunidade
100
Segurança
78
Conformidade com especificações

O Que Você Pode Construir

Recuperar estruturas proteicas para docking

Baixar estruturas proteicas alvo para estudos de docking computacional e analisar conformações de sítios de ligação.

Analisar confiança da previsão

Avaliar métricas de pLDDT e PAE para identificar regiões estruturais confiáveis para análise posterior.

Construir pipelines automatizados

Integrar acesso ao AlphaFold em fluxos de trabalho computacionais para análise de proteínas em larga escala.

Tente Estes Prompts

Obter estrutura de proteína única 
Baixe a estrutura do AlphaFold para o ID UniProt P00520 em formato mmCIF e mostre os escores de confiança pLDDT.
Comparar múltiplas proteínas 
Baixe as estruturas para P00520, P12931 e P04637. Compare suas médias de escores pLDDT e identifique regiões de alta confiança.
Download em lote por espécie 
Baixe todas as previsões do AlphaFold para E. coli (ID de taxonomia 83333) usando acesso em massa do Google Cloud.
Integrar com pipeline de análise 
Crie um script Python que receba uma lista de IDs UniProt, baixe suas estruturas, extraia coordenadas CA e calcule distâncias entre resíduos.

Melhores Práticas

  • Use Biopython para acesso simples de proteína única (API mais limpa que chamadas HTTP diretas)
  • Armazene arquivos baixados localmente para evitar solicitações repetidas à API e limites de taxa
  • Para downloads em massa acima de 100 proteínas, use o Google Cloud Storage em vez da REST API

Evitar

  • Evite usar shell=True com subprocess ao chamar gsutil (use forma de lista)
  • Não ignore escores pLDDT ao interpretar estruturas (regiões de baixa confiança podem não ser confiáveis)
  • Evite baixar arquivos individuais para proteomas inteiros (use arquivos tar do Google Cloud)

Perguntas Frequentes

Qual é a diferença entre formatos PDB e mmCIF?
PDB é formato legado com limite de 99.999 átomos. mmCIF é padrão moderno que suporta estruturas maiores com metadados completos.
Quão confiáveis são as previsões do AlphaFold?
Previsões com pLDDT >90 são muito confiáveis. Regiões abaixo de 50 podem ser desordenadas. Sempre verifique as métricas de confiança.
Posso usar estruturas do AlphaFold para docking de drogas?
Sim, mas valide regiões de alta confiança. Áreas de baixa confiança podem não refletir a estrutura real. Considere múltiplos modelos.
Qual é o limite de taxa para a API do AlphaFold?
Limites oficiais não são publicados. Use no máximo 10 solicitações concorrentes com atrasos de 100-200ms entre chamadas.
Como faço para baixar um proteoma inteiro de uma espécie?
Use Google Cloud: gsutil cp gs://public-datasets-deepmind-alphafold-v4/proteomes/proteome-tax_id-*.tar .
Esta skill suporta complexos proteicos de múltiplas cadeias?
Não. AlphaFold DB oferece apenas previsões de cadeia única. Para complexos, modele cada cadeia separadamente.

Detalhes do Desenvolvedor

Licença

MIT

Repositório

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

Referência

main

Estrutura de arquivos

📁 references/

📄 api_reference.md

📄 SKILL.md