임베딩 및 시퀀스 스코어링을 위한 ESM2 단백질 언어 모델. (1) 의사 로그 우도(PLL) 점수 계산, (2) 클러스터링을 위한 단백질 임베딩 가져오기, (3) 서열 타당성에 따라 설계 필터링, (4) 제로 샷 변형 효과 예측, (5) 서열-함수 관계 분석. 구조 예측에는 chai 또는 boltz를 사용합니다. QC 임계값의 경우 Protein-qc를 사용하세요.
SKILL.md
| Python | 3.8+ | 3.10 | | PyTorch | 1.10+ | 2.0+ | | CUDA | 11.0+ | 11.7+ | | GPU VRAM | 8GB | 24GB (A10G) | | RAM | 16GB | 32GB |
First time? See Installation Guide to set up Modal and biomodals.
| esm2t68M | 8M | Fastest | Fast screening | | esm2t1235M | 35M | Fast | Good | | esm2t33650M | 650M | Medium | Better | | esm2t363B | 3B | Slow | Best |
임베딩 및 시퀀스 스코어링을 위한 ESM2 단백질 언어 모델. (1) 의사 로그 우도(PLL) 점수 계산, (2) 클러스터링을 위한 단백질 임베딩 가져오기, (3) 서열 타당성에 따라 설계 필터링, (4) 제로 샷 변형 효과 예측, (5) 서열-함수 관계 분석. 구조 예측에는 chai 또는 boltz를 사용합니다. QC 임계값의 경우 Protein-qc를 사용하세요. 출처: adaptyvbio/protein-design-skills.
인용 가능한 정보
AI/검색 인용용 안정적인 필드와 명령어.
- 설치 명령어
npx skills add https://github.com/adaptyvbio/protein-design-skills --skill esm- 카테고리
- </>개발 도구
- 인증됨
- ✓
- 최초 등록
- 2026-02-01
- 업데이트
- 2026-02-18
빠른 답변
esm이란?
임베딩 및 시퀀스 스코어링을 위한 ESM2 단백질 언어 모델. (1) 의사 로그 우도(PLL) 점수 계산, (2) 클러스터링을 위한 단백질 임베딩 가져오기, (3) 서열 타당성에 따라 설계 필터링, (4) 제로 샷 변형 효과 예측, (5) 서열-함수 관계 분석. 구조 예측에는 chai 또는 boltz를 사용합니다. QC 임계값의 경우 Protein-qc를 사용하세요. 출처: adaptyvbio/protein-design-skills.
esm 설치 방법은?
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/adaptyvbio/protein-design-skills --skill esm 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code나 Cursor에서 사용할 수 있습니다
소스 저장소는 어디인가요?
https://github.com/adaptyvbio/protein-design-skills
상세
- 카테고리
- </>개발 도구
- 출처
- skills.sh
- 최초 등록
- 2026-02-01