Binding site prediction
通过SciMiner平台，使用P2Rank、AF2BIND和fpocket预测蛋白质结合位点与口袋。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Binding site prediction。 它的用途是：通过SciMiner平台，使用P2Rank、AF2BIND和fpocket预测蛋白质结合位点与口袋。 完整的 Skill 内容见：https://321skill.com/skills/binding-site-prediction-x-3/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请使用SciMiner分析这个PDB文件1abc.pdb的潜在药物结合口袋。’，它会调用集成的P2Rank、AF2BIND和fpocket工作流，对上传的蛋白质结构进行计算，并返回各个工具预测出的结合位点位置、置信度评分以及综合可视化建议，帮助你快速锁定关键的候选区域进行后续研究。
介绍
该技能旨在解决蛋白质结构分析中的关键问题——准确识别蛋白质表面的潜在结合位点（binding site）和口袋（pocket）。这对于理解蛋白质功能、药物靶点发现以及基于结构的药物设计至关重要。
用户可以通过SciMiner平台，便捷地调用集成的P2Rank、AF2BIND和fpocket三种算法工作流。只需提供蛋白质结构文件（如PDB格式），技能即可并行或按需运行这些预测工具，并整合分析结果，提供更全面的预测视图。
本技能特别适合从事结构生物学、计算生物学、药物发现和生物信息学研究的学术研究者、数据分析师以及相关领域的高校学生。它能够帮助他们快速、系统地评估蛋白质的潜在功能区域，加速研究进程。
使用建议：建议用户根据具体需求（如速度、精度、对AlphaFold2预测结构的支持）选择不同的工具组合。对于关键结果，建议结合实验数据进行验证。请注意，预测结果仅为计算分析，其生物学意义需要进一步阐释。
核心特点
核心区别在于集成了三种主流且互补的预测算法（P2Rank基于机器学习，AF2BIND基于AlphaFold2，fpocket基于几何与化学特性），并通过SciMiner提供统一的工作流接口，允许用户一站式比较和整合不同方法的预测结果，而非单一工具。
注意事项
该技能主要适用于蛋白质结构分析，不适用于小分子化合物或核酸等其他生物大分子的结合位点预测。
常见问题
这个技能需要输入什么格式的文件？
主要需要蛋白质的三维结构文件，通常为PDB格式。
P2Rank、AF2BIND和fpocket预测结果有何不同？
P2Rank基于机器学习模型；AF2BIND利用AlphaFold2的注意力机制；fpocket基于几何与理化性质探测。三者原理互补，综合使用可提高预测可靠性。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/binding-site-prediction-x-3/raw/index.md 读取 Binding site prediction 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/binding-site-prediction-x-3/raw/index.md（查看排版版本）