·chai
{}

chai

✓
adaptyvbio/protein-design-skillsGitHub: adaptyvbio/protein-design-skillsFonte: adaptyvbio/protein-design-skills

Previsione della struttura utilizzando Chai-1, un modello di base per la struttura molecolare. Utilizzare questa abilità quando: (1) prevedere strutture complesse proteina-proteina, (2) convalidare leganti progettati, (3) prevedere complessi proteina-ligando, (4) utilizzare l'API Chai per la previsione ad alto rendimento, (5) è necessaria un'alternativa ad AlphaFold2. Per le soglie QC, utilizzare proteina-qc. Per la previsione AlphaFold2, utilizzare alphafold. Per l'analisi basata su ESM, utilizzare esm.

adaptyvbio·chai
17Installazioni·0Tendenza·@adaptyvbio

Installazione

GitHub: adaptyvbio/protein-design-skills
$npx skills add https://github.com/adaptyvbio/protein-design-skills --skill chai

Come installare chai

Installa rapidamente la skill AI chai nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/adaptyvbio/protein-design-skills --skill chai
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: adaptyvbio/protein-design-skills.

SKILL.md

Visualizza raw

| Python | 3.10+ | 3.11 | | CUDA | 12.0+ | 12.1+ | | GPU VRAM | 24GB | 40GB (A100) | | RAM | 32GB | 64GB |

First time? See Installation Guide to set up Modal and biomodals.

| numtrunkrecycles | 3 | 1-10 | Recycles (more = better) | | numdiffntimesteps | 200 | 50-500 | Diffusion steps | | seed | 0 | int | Random seed |

Previsione della struttura utilizzando Chai-1, un modello di base per la struttura molecolare. Utilizzare questa abilità quando: (1) prevedere strutture complesse proteina-proteina, (2) convalidare leganti progettati, (3) prevedere complessi proteina-ligando, (4) utilizzare l'API Chai per la previsione ad alto rendimento, (5) è necessaria un'alternativa ad AlphaFold2. Per le soglie QC, utilizzare proteina-qc. Per la previsione AlphaFold2, utilizzare alphafold. Per l'analisi basata su ESM, utilizzare esm. Fonte: adaptyvbio/protein-design-skills.

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/adaptyvbio/protein-design-skills --skill chai
Fonte
adaptyvbio/protein-design-skills
Categoria
{}Analisi
Verificato
✓
Prima apparizione
2026-02-01
Aggiornato
2026-03-11
URL
https://www.learn-skills.dev/it/skills/adaptyvbio/protein-design-skills/chai

Browse more skills from adaptyvbio/protein-design-skills

Risposte rapide

Che cos'è chai?

Previsione della struttura utilizzando Chai-1, un modello di base per la struttura molecolare. Utilizzare questa abilità quando: (1) prevedere strutture complesse proteina-proteina, (2) convalidare leganti progettati, (3) prevedere complessi proteina-ligando, (4) utilizzare l'API Chai per la previsione ad alto rendimento, (5) è necessaria un'alternativa ad AlphaFold2. Per le soglie QC, utilizzare proteina-qc. Per la previsione AlphaFold2, utilizzare alphafold. Per l'analisi basata su ESM, utilizzare esm. Fonte: adaptyvbio/protein-design-skills.

Come installo chai?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/adaptyvbio/protein-design-skills --skill chai Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/adaptyvbio/protein-design-skills

Dettagli

Categoria
{}Analisi
Fonte
skills.sh
Prima apparizione
2026-02-01

Skills correlate

cell-free-expression
21 Installazioni
binding-characterization
19 Installazioni
ipsae
19 Installazioni
protein-qc
19 Installazioni
campaign-manager
18 Installazioni
protein-design-workflow
18 Installazioni