Binding site prediction
基于SciMiner平台，整合P2Rank、AF2BIND、fpocket三种工具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：基于SciMiner平台，整合P2Rank、AF2BIND、fpocket三种工具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/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工作流，为我分析这个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流程，处理你的蛋白质结构文件，并返回各个工具预测出的口袋位置、大小、得分以及综合性的分析报告。
介绍
该Skill旨在解决蛋白质结构分析中关键功能区域（如配体结合位点、活性口袋）的自动化识别与预测问题。对于研究蛋白质功能、药物靶点发现以及理解分子相互作用至关重要。
用户通过SciMiner平台，可以便捷地调用集成的P2Rank、AF2BIND和fpocket工作流。只需提供蛋白质结构文件（如PDB格式），该Skill便能并行或按需运行这些算法，生成结合位点与口袋的预测结果、三维坐标及置信度评分，并以可视化报告或标准数据格式输出。
此Skill特别适合从事结构生物学、计算生物学、药物设计和生物信息学研究的学术研究者、高校学生以及相关领域的研发人员。它降低了使用多种预测工具的技术门槛，将复杂的命令行操作简化为集成的分析流程。
使用建议：建议用户根据预测目标（如小分子结合口袋、蛋白质-蛋白质相互作用界面）和已知的算法特性（如P2Rank基于机器学习，fpocket基于几何）来选择或组合使用不同工具，以相互验证结果。注意事项：预测准确性受输入蛋白质结构质量的影响，对于低分辨率或模型结构需谨慎解读结果；此外，该Skill主要提供预测功能，深入的生物学解释和验证仍需研究者结合专业知识进行。
核心特点
核心区别在于一站式整合了三种主流且原理互补的预测算法（P2Rank的机器学习、AF2BIND的深度学习AlphaFold2衍生、fpocket的几何探测），通过SciMiner平台提供统一接口，避免了用户在不同工具间切换和配置的麻烦，便于结果交叉验证与综合分析。
注意事项
不适合用于非蛋白质分子（如DNA、RNA单独）的结合位点预测，且预测结果的生物学意义需要结合实验或其他生物信息学证据进行验证。
常见问题
这个Skill需要输入什么格式的蛋白质结构？
主要支持标准的PDB格式文件作为输入。
P2Rank、AF2BIND和fpocket预测的结果有何不同？
P2Rank基于机器学习特征，AF2BIND基于AlphaFold2的注意力图，fpocket基于几何空腔探测，原理不同可互为补充。
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/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/raw/index.md（查看排版版本）