campaign-manager

キャンペーンマネージャー

目標指向の設計

目標からパイプラインへ

ユーザーの発言：「EGFR に対する優れたバインダーが 10 個必要です」

キャンペーン計画：

Goal: 10 high-quality binders for EGFR
├── Achievable: Yes (standard target)
├── Recommended pipeline: rfdiffusion → proteinmpnn → chai → protein-qc
├── Estimated designs needed: 500 backbones (to get ~50 passing QC)
├── Estimated time: 8-12 hours total
├── Estimated cost: ~$60 (Modal GPU compute)
└── Expected yield:
    ├── After backbone (500): 500 structures
    ├── After sequence (×8): 4,000 sequences
    ├── After validation: 4,000 predictions
    ├── After QC (~10-15%): 400-600 candidates
    └── After clustering: 10-20 diverse final designs

---

完全なパイプラインジェネレーター

標準的なミニタンパク質バインダーキャンペーン

# Step 1: Fetch and prepare target (5 min)
curl -o target.pdb "https://files.rcsb.org/download/{PDB_ID}.pdb"
# Trim to binding region if needed

# Step 2: Generate backbones (2-3h, ~$15)
# RFdiffusion runs from the official repo, not biomodals
python run_inference.py \
  inference.input_pdb=target.pdb \
  contigmap.contigs=[A1-150/0 70-100] \
  ppi.hotspot_res=[A45,A67,A89] \
  inference.num_designs=500

# Checkpoint: ls output/*.pdb | wc -l  # Should be 500

# Step 3: Design sequences (1-2h, ~$10)
for f in output/*.pdb; do
  modal run modal_ligandmpnn.py \
    --input-pdb "$f" \
    --params-str "--number_of_batches 8 --temperature 0.1"
done

# Checkpoint: grep -c "^>" output/seqs/*.fa  # Should be ~4000

# Step 4: Quick ESM2 filter (30 min, ~$5, optional)
modal run modal_esm2_predict_masked.py --input-faa output/all_seqs.fa
# Filter sequences with PLL < 0.0

# Step 5: Structure validation (3-4h, ~$35)
modal run modal_alphafold.py \
  --input-faa output/filtered_seqs.fa \
  --out-dir predictions/

# Checkpoint: find predictions -name "*rank_001.pdb" | wc -l

# Step 6: Filter and rank (protein-qc skill)
# Apply thresholds: pLDDT > 0.85, ipTM > 0.5, scRMSD < 2.0
# Compute composite score
# Cluster at 70% identity, select top from each cluster

推定所要時間：8～12 時間 推定総費用：約 60～70 ドル

---

キャンペーン規模の推奨

目標	バックボーン	配列数／BB	配列総数	合格見込み
バインダー 5 個	200	8	1,600	160～240
バインダー 10 個	500	8	4,000	400～600
バインダー 20 個	1,000	8	8,000	800～1,200
バインダー 50 個	2,500	8	20,000	2,000～3,000

経験則：必要数の 50 倍のデザインを生成します（合格率 10～15％ × クラスタリング）。

---

ツール選択ガイド

各ツールを使う場面

シナリオ	推奨ツール	理由
標準的なミニタンパク質	RFdiffusion + ProteinMPNN	高い多様性、実績あり
成功率を高めたい	BindCraft	統合された設計ループ
全原子精度が必要	BoltzGen	側鎖を考慮
難しい標的	Mosaic	勾配、複数モデルの目的関数
高速に反復したい	ESMFold2 + ESM2	迅速なスクリーニング

標的の難易度評価

指標	易しい標的	難しい標的
表面の種類	凹状ポケット	平坦または凸状
保存性	高い	低い
既知のバインダー	あり	なし
柔軟性	剛直	柔軟
予想合格率	15～20％	5～10％

---

キャンペーンの健全性評価

クイック指標チェック

import pandas as pd

def assess_campaign(csv_path):
    df = pd.read_csv(csv_path)

    # Calculate pass rates
    plddt_pass = (df['pLDDT'] > 0.85).mean()
    iptm_pass = (df['ipTM'] > 0.50).mean()
    scrmsd_pass = (df['scRMSD'] < 2.0).mean()
    all_pass = ((df['pLDDT'] > 0.85) & (df['ipTM'] > 0.5) & (df['scRMSD'] < 2.0)).mean()

    # Determine health
    if all_pass > 0.15:
        health = "EXCELLENT"
    elif all_pass > 0.10:
        health = "GOOD"
    elif all_pass > 0.05:
        health = "MARGINAL"
    else:
        health = "POOR"

    # Identify top issue
    issues = []
    if plddt_pass < 0.20:
        issues.append("Low pLDDT - backbone or sequence issue")
    if iptm_pass < 0.20:
        issues.append("Low ipTM - hotspot or interface issue")
    if scrmsd_pass < 0.50:
        issues.append("High scRMSD - sequence doesn't specify backbone")

    return {
        "health": health,
        "overall_pass_rate": all_pass,
        "plddt_pass_rate": plddt_pass,
        "iptm_pass_rate": iptm_pass,
        "scrmsd_pass_rate": scrmsd_pass,
        "top_issues": issues
    }

結果の解釈

健全性	合格率	対応
EXCELLENT	> 15%	選抜に進む
GOOD	10～15%	そのまま進む。通常の収量
MARGINAL	5～10%	失敗ツリーを確認
POOR	< 5%	原因を診断して再開

---

コスト見積もり

ツールごとのコスト（Modal）

ツール	GPU	1 時間あたりの料金	標準的なジョブ	コスト
RFdiffusion	A10G	約 1.20 ドル	500 デザイン／2 時間	約 2.50 ドル
ProteinMPNN	T4	約 0.60 ドル	4,000 配列／1.5 時間	約 1.00 ドル
ESM2 (PLL)	A10G	約 1.20 ドル	4,000 配列／30 分	約 0.60 ドル
AlphaFold	A100	約 4.50 ドル	4,000 予測／4 時間	約 18.00 ドル
Chai	A100	約 4.50 ドル	500 予測／1 時間	約 4.50 ドル

キャンペーンのコスト見積もり

キャンペーン規模	総コスト	備考
小規模（100 bb）	約 15 ドル	手早い探索
標準（500 bb）	約 60 ドル	ほとんどのキャンペーン
大規模（1,000 bb）	約 120 ドル	包括的
XL（5,000 bb）	約 600 ドル	非常に綿密

---

パイプラインのバリエーション

ハイスループット（多様性を最大化）

# More backbones, fewer sequences each (RFdiffusion from the official repo)
python run_inference.py inference.num_designs=2000
modal run modal_ligandmpnn.py --input-pdb bb.pdb --params-str "--number_of_batches 4 --temperature 0.2"

高品質（デザインごとの品質を最大化）

# Fewer backbones, more sequences each, lower temperature
python run_inference.py inference.num_designs=200
modal run modal_ligandmpnn.py --input-pdb bb.pdb --params-str "--number_of_batches 32 --temperature 0.1"

クイック探索（高速な反復）

# Small batch, ESMFold2 for fast single-sequence folding
# RFdiffusion runs from the official repo (not biomodals); see the rfdiffusion skill
modal run modal_ligandmpnn.py --input-pdb bb.pdb --params-str "--number_of_batches 8"
modal run modal_esmfold2.py --input-faa all_seqs.fa

---

関連項目

• ツール固有のパラメーター：rfdiffusion、proteinmpnn、mosaic、chai、boltz、alphafold
• QC のしきい値とフィルタリング：protein-qc
• ツール選択のガイダンス：binder-design