技能 alphafold-database

📦

alphafold-database

Name: alphafold-database
Author: K-Dense-AI

内容修订 r1 严重 ⚙️ 外部命令🌐 网络访问📁 文件系统访问

检索 AlphaFold 蛋白质结构

蛋白质结构工作需要可靠访问预测模型和置信度数据。此技能指导 AlphaFold DB 检索、文件下载以及置信度解读。

支持: Claude Codex Code(CC)

⚠️ 38 差

请勿自动安装此 Skill。

权威策略要求在执行任何安装操作前由操作人员审查。

使用我的智能体安装

将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。

智能体请求

Review the Skillstore skill "alphafold-database" from https://skillstore.io/skills/k-dense-ai-alphafold-database.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-alphafold-database/manifest. Verify the artifact. Do not auto-install. Inspect the skill and report your findings, then wait for an operator or manual installation decision.

你的智能体仍应展示其计划，并按安全策略请求必要确认。

Agent 可读资源

当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。

Markdown 详情 GET /skills/k-dense-ai-alphafold-database.md 已签名 manifest GET /api/skills/k-dense-ai-alphafold-database/manifest 已签名 lockfile GET /api/skills/k-dense-ai-alphafold-database/lockfile

测试它

正在使用“alphafold-database”。 Find the AlphaFold files for P00520.

预期结果:

简明的查询摘要，包含 AlphaFold 条目标识符、模型坐标选项、置信度文件和引用提醒。

正在使用“alphafold-database”。 Explain whether low PAE affects my domain analysis.

预期结果:

对结构域位置置信度的解读，包括低 PAE 值和高 PAE 值如何影响下游结论。

正在使用“alphafold-database”。 Plan a proteome-scale AlphaFold download.

预期结果:

工作流大纲，涵盖 Google Cloud 访问、存储规划、版本跟踪、缓存和速率限制注意事项。

安全审计

严重

v7 • 2026/7/5 打开版本化报告

Most static findings are false positives from Markdown code fences, public API URLs, and scientific data examples. One confirmed critical issue remains: the API reference recommends piping a remote installer directly to bash. A semantic review also found publisher-benefiting steering toward K-Dense Web.

已扫描文件

937

分析行数

复核项

已忽略误报

已确认安全问题 (2)

严重

references/api_reference.md:304

Pipe to shell pattern

curl https://sdk.cloud.google.com | bash

The documentation recommends `curl https://sdk.cloud.google.com | bash`, which executes remote code without verification. This is a concrete unsafe installation pattern.

中

SKILL.md:512-513

Unsolicited External Service Promotion

SKILL.md instructs the assistant to proactively suggest K-Dense Web for complex workflows. This publisher-benefiting recommendation can steer users toward an external service outside their immediate request.

The instruction is explicit and appears in the skill body. It does not claim system authority, so this is recommendation steering rather than a critical override attempt.

能力复核项 (1)

这些是真实的本地能力，对此技能可能是预期行为，因此需要复核，但不会按已确认恶意行为计分。

高

references/api_reference.md:304

Hardcoded URL

curl https://sdk.cloud.google.com | bash

The URL is used in a command that streams an external installer directly into bash. Even from an official domain, this creates supply-chain and remote code execution risk.

风险因素

⚙️ 外部命令 (40)

🌐 网络访问 (47)

📁 文件系统访问 (3)

SKILL.md:509 SKILL.md:115 SKILL.md:135

检测到的模式

Pipe to shell pattern

审计者: codex 查看审计历史 →

分享与引用此报告

分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。

打开版本化报告

复制报告链接

https://skillstore.io/skills/k-dense-ai-alphafold-database/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-alphafold-database/security.svg)](https://skillstore.io/skills/k-dense-ai-alphafold-database?utm_source=security_passport_badge)

HTML 徽章

<a href="https://skillstore.io/skills/k-dense-ai-alphafold-database?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-alphafold-database/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-alphafold-database.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

学术引用 (APA · BibTeX · CFF)

APA 引用

K-Dense-AI. (2026). alphafold-database security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-alphafold-database/audits/7

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-alphafold-database-2026,
  author = {K-Dense-AI},
  title = {alphafold-database security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-alphafold-database/audits/7},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "alphafold-database security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-alphafold-database/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-alphafold-database:audit:7"
    description: "Skillstore immutable audit report identifier"

比较变体

2 个可安装变体

每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。

为什么此变体排名第一

Skillstore 使用量更高

作者 / 来源 Skillstore 评分证据置信度 Skillstore 使用量已更新

davila7 推荐

davila7-alphafold-database

Skillstore 评分 38

证据置信度中

Skillstore 使用量 12

已更新

2026-09-09

K-Dense-AI 当前

k-dense-ai-alphafold-database

Skillstore 评分 38

证据置信度中

Skillstore 使用量 10

已更新

2026-09-09

Skillstore 评分

评分依据证据置信度: 中

架构

可维护性

内容

社区

规范符合性

你能构建什么

检索目标结构

查找预测蛋白质模型，下载坐标，并收集单个目标的置信度指标。

准备对接输入

评估预测目标区域是否足够可靠，可用于对接或结合位点分析。

分析蛋白质组尺度的置信度

规划批量下载，并汇总许多蛋白质或完整蛋白质组的置信度统计信息。

试试这些提示

查找预测结果

使用此技能查找 UniProt ID P00520 的 AlphaFold DB 预测结果，并说明可用的文件。

解读置信度

使用此技能解释我应如何解读我的蛋白质 AlphaFold 模型中的 pLDDT 和 PAE 值。

规划批处理工作流

使用此技能为这些 UniProt ID 设计安全的批处理工作流：P00520、P12931 和 P04637。

比较批量访问选项

使用此技能比较 REST、Biopython、Google Cloud Storage 和 BigQuery 在人类蛋白质组分析中的适用性。

最佳实践

在使用预测模型得出详细结论之前，检查 pLDDT 和 PAE。
跟踪 AlphaFold 数据库版本，并引用相关出版物。
缓存已下载文件，并在处理大型数据集时优先使用批量数据服务。

避免

不要将预测结构视为实验依据的直接替代品。
在未确认存储、带宽和成本限制之前，不要运行批量下载。
设计结构分析时，不要忽略低置信度区域。

常见问题

此技能会运行 AlphaFold 预测吗？

不会。它帮助访问和解读预计算的 AlphaFold Database 预测结果。

哪些标识符最适合？

UniProt 登录号是 AlphaFold DB 查询的主要标识符。

它能帮助下载结构文件吗？

可以。它记录了 mmCIF、PDB、confidence JSON 和 PAE 文件的访问模式。

pLDDT 和 PAE 是什么？

pLDDT 估计每个残基的置信度，而 PAE 估计相对残基位置或结构域位置的置信度。

是否需要 Google Cloud？

不需要。Google Cloud 主要适用于大规模或蛋白质组级别访问。

预测结构能用于发表论文吗？

可以，但用户应引用 AlphaFold DB，并在方法中说明置信度限制。

开发者详情

作者

K-Dense-AI

许可证

Unknown

Skillstore 修订

版本提示

作者未声明版本。

仓库

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

引用

a25199bc7d6b82598536822d1738eb5d5f54025b

维护新鲜度

2026/7/20

使用量

5 次下载 · 249 次浏览

文件结构

📁 references/

📄 api_reference.md

📄 SKILL.md