研究人員需要有效率的存取方式來取得計算蛋白質結構預測結果，以進行藥物發現和結構生物學研究。此技能可直接存取 AlphaFold 資料庫中超過 2 億個 AI 預測的蛋白質結構，支援透過 UniProt ID 擷取、下載座標檔案，以及分析置信度指標。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「alphafold-database」。 Download the AlphaFold structure for P00520 and analyze confidence
預期結果:
- AlphaFold ID: AF-P00520-F1
- Protein: Tyrosine-protein kinase ABL1 (Human)
- Sequence length: 1130 residues
- pLDDT Analysis:
- - Very high confidence (>90): 67% of residues
- - High confidence (70-90): 18% of residues
- Structure saved to: ./structures/AF-P00520-F1-model_v4.cif
正在使用「alphafold-database」。 Download E. coli proteome using Google Cloud
預期結果:
- taxonomy ID: 83333
- Downloading from: gs://public-datasets-deepmind-alphafold-v4/proteomes/
- Files matched: 4123
- Downloading proteome-tax_id-83333-*.tar (45 GB total)
- Progress: 45.2 GB / 45.2 GB (100%)
- Extracted 4123 structure archives to ./proteomes/
安全審計
安全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.
風險因素
⚙️ 外部命令 (1)
📁 檔案系統存取 (1)
品質評分
你能建構什麼
為對接研究擷取蛋白質結構
下載目標蛋白質結構以進行計算對接研究，並分析結合位點構象。
分析預測置信度
評估 pLDDT 和 PAE 指標，以識別下游分析的可靠結構區域。
建構自動化管線
將 AlphaFold 存取整合到計算工作流程中，以進行大規模蛋白質分析。
試試這些提示
Download the AlphaFold structure for UniProt ID P00520 in mmCIF format and show the pLDDT confidence scores.
Download structures for P00520, P12931, and P04637. Compare their average pLDDT scores and identify high-confidence regions.
Download all AlphaFold predictions for E. coli (taxonomy ID 83333) using Google Cloud bulk access.
Create a Python script that takes a list of UniProt IDs, downloads their structures, extracts CA coordinates, and calculates inter-residue distances.
最佳實務
- 使用 Biopython 進行簡單的單一蛋白質存取（比直接 HTTP 呼叫有更乾淨的 API）
- 將下載的檔案快取在本地，以避免重複的 API 請求和速率限制
- 對於超過 100 個蛋白質的大量下載，請使用 Google Cloud Storage 而非 REST API
避免
- 避免在呼叫 gsutil 時使用 shell=True 的 subprocess（請使用列表形式）
- 解釋結構時不要忽略 pLDDT 分數（低置信度區域可能不可靠）
- 避免為整個蛋白質體下載個別檔案（請使用來自 Google Cloud 的 tar 封存檔）