如何发现蛋白
亿级空间，一步到位的蛋白挖掘
把结构生物学的直觉，转化为AI搜索的起点。为您的酶工程，拓展前所未有的搜索边界。
1、案例展示(如何发现你的蛋白？)
1.1 按对话提示输入
1.1.1 输入需求
我想以 UniProt ID P20261（褶皱假丝酵母脂肪酶 这是蛋白的身份证号）为模板，在默认的数据库中搜寻有更强脂肪水解能力的候选物。
请勿从该链接跳转主页提问
可以看到，智能体建立了一个工作流程。您可以基于此补充信息以使之开始工作。
1.1.2 补充信息
以70%的相似度为筛选的下限，可以采用多模型交叉验证，给我30个候选的氨基酸序列。
可以看到，在获得完整的信息后，智能体就会开始工作。
需要注意的是，部分时候，智能体在完成一段任务后，会请求我们的反馈，以更好地完成接下来的任务(小提示：如果不想中途收到反馈询问，加一句"直接输出最终结果"就行)。
开始
检索之后，智能体给出了最终筛选结果。
1.2 直接输入详细指令
一次性输完所有要求，智能体直接进行预测并输出结果。
我想以 UniProt ID P20261（褶皱假丝酵母脂肪酶 这是蛋白的身份证号）为模板，在默认的数据库中搜寻有更强脂肪水解能力的候选物以70%的相似的为筛选的下限。可以采用多模型交叉验证。给我30个候选的氨基酸序列。直接输出最终结果。
智能体会直接给出你的需求预测结果
2、MatwingsVenus™ 能做什么？
蛋白质结构预测与可视化展示(给蛋白质拍3D照片):
EMSFold(极速模式)：速度快精度中（500氨基酸以内）。按次计费。
Alphafold(高精模式)：速度慢精度高（2000氨基酸以内）。按运行时间收费。
进行功能与性质预测：
Solubility：溶解性（蛋白在指定环境中溶解的能力）
Subcellular Localization：亚细胞定位（蛋白在细胞内具体分布的位置，如细胞核、细胞质等）
Membrane Prontein：膜蛋白（是否为附着在细胞膜上的蛋白）
Metal ion binding：金属离子结合能力（蛋白能否与金属离子结合的特性）
Stability：稳定性（蛋白在不同环境下保持自身结构和功能不变的能力）
Sorting signal：分选信号（蛋白自带的、引导其运输到细胞特定位置的信号特征）
Optimum temperature：最适温度（蛋白发挥最大活性的最佳温度）
Kcat：催化效率（蛋白催化化学反应的速度快慢）
Optimal PH：最适 pH（蛋白发挥最大活性的最佳酸碱环境）
Immunogenicity Prediction - Virus：病毒相关免疫原性预测（预测蛋白对病毒的免疫激活能力）
Immunogenicity Prediction - Bacteria：细菌相关免疫原性预测（预测蛋白对细菌的免疫激活能力）
Immunogenicity Prediction - Tumor：肿瘤相关免疫原性预测（预测蛋白对肿瘤细胞的免疫激活能力）
可视化进化分析：生成系统发育树，展示新发现序列与已知序列的亲缘关系。
3、输入建议（如何让结果更准？）
3.1 提供详细的模板信息
上传蛋白的 3D 结构文件（PDB 格式），挖掘结果最准。
直接输 UniprotID (蛋白的专属身份证号)或氨基酸序列，智能体会自动预测结构。
直接用平台自带的海量蛋白数据（宏基因数据）。
3.2 告知智能体您的目标
想要什么功能的蛋白（如脂肪水解、催化合成）;
蛋白的来源要求（如某种菌种、生物组织）;
蛋白的特性要求（如耐高温、高溶解性、高活性）;
3.3 补充具体的筛选条件
设定相似度门槛（如 70%/80% 相似度）、需要的输出蛋白数量（如 30 个 / 50 个）。
要求多模型交叉验证，让结果更可靠。
也可以跟着对话提示，一步步补充信息。
4、模式选择
平台有 3 种工作模式，对应不同的研究需求，简单区分，不踩坑：
极速模式：轻量化智能检索，高效输出核心信息。
思考模式：思考解决复杂任务，对预测模型的结果进一步思考和整合。
思考模式 Pro：深度思考与知识融合能力，专攻复杂跨领域问题的系统性挖掘与解决方案输出。
5、预测模型介绍
VenusMine —— 酶挖掘。搜得简单，见得深远。从海量未知数据库中，跨越序列相似性障碍，结合结构相似性挖掘高活性新酶。[文献] [代码]
VenusX系列 —— 蛋白质关键点位预测。当你需要精准识别蛋白质中的活性中心、结合位点或功能性关键残基，从而为理性的蛋白质发现提供“精准导航”时，该系列表现卓越。[文献] [代码]
VenusG系列 —— 蛋白质性质预测。当你需要分析蛋白质的功能和性质预测，从而为蛋白质发现提供参考时，该系列表现优异。[文献] [代码]
平台设计产品商业化版权归天鹜所有