binding-characterization
✓SPR 和 BLI 結合表徵實驗指南。在以下情況下使用：(1) 規劃結合動力學實驗，(2) 解決不良/無結合信號的問題，(3) 解釋動力學數據偽影，(4) 在 SPR 與 BLI 平台之間進行選擇。
SKILL.md
| Sensitivity | Small molecules, fragments (<500 Da) | Large complexes, antibodies | | Throughput | Low-medium (serial) | High (96-well parallel) | | Sample purity | Required (clogs fluidics) | Tolerates crude lysates | | Kinetic resolution | Higher (better for fast kinetics) | Lower | | Mass transport | More sensitive (may distort kon) | Less sensitive |
| Maintenance | High (fluidics system) | Low (dip-and-read) | | Sample consumption | Higher (continuous flow) | Lower | | Cost per experiment | Lower chip cost, higher run cost | Higher tip cost, lower run cost |
| Hydrophobic CDRs | Adsorb to SPR gold/dextran surface | Add 0.05% Tween-20, use CM7 chip with longer dextran | | Aggregation | Mass transport artifacts in SPR fluidics | Filter sample (0.22μm), reduce ligand density | | High instability | Degrades during continuous flow | Shorter cycle time, add stabilizers (trehalose 5%) |
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/adaptyvbio/protein-design-skills --skill binding-characterization- 分類
- {}資料分析
- 認證
- ✓
- 收錄時間
- 2026-02-01
- 更新時間
- 2026-02-18
快速解答
什麼是 binding-characterization？
SPR 和 BLI 結合表徵實驗指南。在以下情況下使用：(1) 規劃結合動力學實驗，(2) 解決不良/無結合信號的問題，(3) 解釋動力學數據偽影，(4) 在 SPR 與 BLI 平台之間進行選擇。 來源：adaptyvbio/protein-design-skills。
如何安裝 binding-characterization？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/adaptyvbio/protein-design-skills --skill binding-characterization 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/adaptyvbio/protein-design-skills
詳情
- 分類
- {}資料分析
- 來源
- skills.sh
- 收錄時間
- 2026-02-01