name: bindcraft description: > 使用BindCraft幻觉进行端到端结合剂设计。在以下情况使用此技能： (1) 设计具有内置AF2验证的蛋白质结合剂， (2) 运行生产质量的结合剂筛选活动， (3) 使用不同的设计协议（快速、默认、慢速）， (4) 需要联合骨架和序列优化， (5) 希望获得高实验成功率。

对于仅骨架生成，请使用rfdiffusion。对于质量控制阈值，请使用protein-qc。对于工具选择指导，请使用binder-design。 license: MIT category: design-tools tags: [structure-design, sequence-design, binder, pipeline] proteinbase_slug: bindcraft proteinbase_url: https://proteinbase.com/design-methods/bindcraft biomodals_script: modal_bindcraft.py

BindCraft 结合剂设计

先决条件

要求	最低	推荐
Python	3.9+	3.10
CUDA	11.7+	12.0+
GPU VRAM	32GB	48GB (L40S)
RAM	32GB	64GB

如何运行

第一次使用？ 请参阅安装指南来设置Modal和biomodals。

选项1：Modal（推荐）

cd biomodals
modal run modal_bindcraft.py \
  --target-pdb target.pdb \
  --target-chain A \
  --binder-lengths 70-100 \
  --hotspots "A45,A67,A89" \
  --num-designs 50

GPU: L40S (48GB) | 超时: 默认3600秒

选项2：本地安装

git clone https://github.com/martinpacesa/BindCraft.git
cd BindCraft
pip install -r requirements.txt

python bindcraft.py \
  --target target.pdb \
  --target_chains A \
  --binder_lengths 70-100 \
  --hotspots A45,A67,A89 \
  --num_designs 50

关键参数

参数	默认值	范围	描述
`--target-pdb`	必需	路径	目标结构
`--target-chain`	必需	A-Z	目标链
`--binder-lengths`	70-100	40-150	长度范围
`--hotspots`	无	残基	目标热点
`--num-designs`	50	1-500	设计数量
`--protocol`	default	fast/default/slow	质量与速度

协议

协议	速度	质量	使用场景
fast	快	较低	初步筛选
default	中等	良好	标准活动
slow	慢	高	最终生产

输出格式

output/
├── design_0/
│   ├── binder.pdb         # 最终设计
│   ├── complex.pdb        # 结合剂 + 目标
│   ├── metrics.json       # 质量控制分数
│   └── trajectory/        # 优化轨迹
├── design_1/
│   └── ...
└── summary.csv            # 所有指标

指标输出

{
  "plddt": 0.89,
  "ptm": 0.78,
  "iptm": 0.62,
  "pae": 8.5,
  "rmsd": 1.2,
  "sequence": "MKTAYIAK..."
}

示例输出

成功运行

$ modal run modal_bindcraft.py --target-pdb target.pdb --num-designs 50
[INFO] 加载BindCraft模型...
[INFO] 目标: target.pdb (链 A)
[INFO] 热点: A45, A67, A89
[INFO] 协议: default
[INFO] 生成50个设计...

设计 1/50:
  长度: 78 氨基酸
  pLDDT: 0.89, ipTM: 0.62
  已保存: output/design_0/

设计 50/50:
  长度: 85 氨基酸
  pLDDT: 0.86, ipTM: 0.58
  已保存: output/design_49/

[INFO] 活动完成。摘要: output/summary.csv
通过率: 32/50 (64%)，ipTM > 0.5

良好输出的特征：

pLDDT: 大多数设计 > 0.85
ipTM: 通过的设计 > 0.5
通过率: 30-70%（取决于目标）
不同设计之间的序列多样性

决策树

我应该使用BindCraft吗？
│
├─ 设计类型是什么？
│  ├─ 生产质量的结合剂 → BindCraft ✓
│  ├─ 高多样性探索 → RFdiffusion
│  └─ 全原子精度 → BoltzGen
│
├─ 什么最重要？
│  ├─ 实验成功率 → BindCraft ✓
│  ├─ 速度 / 多样性 → RFdiffusion + ProteinMPNN
│  ├─ AF2梯度优化 → ColabDesign
│  └─ 全原子控制 → BoltzGen
│
└─ 计算资源如何？
   ├─ 拥有 L40S/A100 → BindCraft ✓
   └─ 只有 A10G → RFdiffusion + ProteinMPNN

典型性能

活动规模	时间 (L40S)	成本 (Modal)	备注
50个设计	2-4小时	~$15	快速活动
100个设计	4-8小时	~$30	标准
200个设计	8-16小时	~$60	大型活动

预期通过率: 30-70%，ipTM > 0.5（取决于目标）。

验证

find output -name "binder.pdb" | wc -l  # 应与 num_designs 匹配

故障排除

ipTM分数低: 检查热点选择，增加设计数量 收敛慢: 使用快速协议进行筛选 内存不足错误: 减少模型数量，使用L40S GPU 多样性差: 降低采样温度，运行多个随机种子

错误解释

错误	原因	解决方法
`RuntimeError: CUDA out of memory`	目标过大或结合剂过长	使用L40S/A100，减少结合剂长度
`ValueError: no hotspots`	未找到热点	检查残基编号
`TimeoutError`	设计耗时过长	使用快速协议

下一步: 按 ipsae 排名 → 实验验证。