Binding site prediction
蛋白质结合位点预测工作流
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：蛋白质结合位点预测工作流 完整的 Skill 内容见：https://321skill.com/skills/binding-site-prediction/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
'使用Binding site prediction技能分析这个蛋白质结构（附件：1a2b.pdb）的潜在结合位点。' 它会自动调用P2Rank、AF2BIND和fpocket三个工具，输出Top10结合口袋的坐标、打分和关键残基列表，并生成一个网页版的可视化3D视图，方便你快速判断哪些位点适合药物对接。
介绍
该技能解决了蛋白质结构功能研究中结合位点预测的痛点——传统方法需要手动配置多个工具、处理数据格式转换，且结果分散难整合。通过集成P2Rank、AF2BIND和fpocket三种主流预测算法，并基于SciMiner构建自动化工作流，用户只需输入蛋白质结构文件（PDB或AlphaFold预测结果），即可一键运行多位点预测，获得统一格式的pocket坐标、残基打分和可视化结果。
使用方式简单：在支持SciMiner的AI环境中加载该技能，提供蛋白质结构文件路径或上传文件，技能自动调用三个工具并行预测，汇总输出包含结合位点排名、关键残基列表、pocket体积等结构化数据。支持自定义参数（如阈值、网格精度），也可直接使用默认配置完成批量分析。
适用人群包括计算生物学研究人员、药物设计从业者、结构生物信息学方向的高校学生，以及需要快速筛选蛋白-配体结合位点的生物技术公司研发人员。尤其适合非编程背景的科研人员，无需手动安装P2Rank等工具或编写Shell脚本。
建议在拥有GPU或高性能计算资源的环境下运行，以加速大规模蛋白质结构预测。注意该技能依赖外部工具（P2Rank等）的许可证合规性，且不适用于非蛋白质分子（如核酸、小分子）的结合位点分析。对于需要极低假阳性率的场景，建议结合分子动力学模拟进行交叉验证。
核心特点
该技能将P2Rank（基于机器学习）、AF2BIND（利用AlphaFold结构）和fpocket（基于几何）三种互补算法统一封装为SciMiner工作流，无需用户手动配置环境或切换工具，一键产出综合对比结果。
注意事项
不适用于核酸、多糖等非蛋白质分子的结合位点预测，且预测结果依赖输入结构质量，对低分辨率或柔性区域准确性有限。
常见问题
这个技能支持哪些输入格式？
支持PDB文件格式，也接受AlphaFold预测的.pdb或.cif文件，内部自动转换为P2Rank和fpocket所需格式。
如何安装P2Rank等依赖工具？
技能通过SciMiner自动管理依赖，只需在首次运行前执行`sciminer install binding-site-prediction`即可自动安装所需工具链。
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/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/raw/index.md（查看排版版本）