Glycoengineering 糖基化工程实战指南N/O-糖基化位点扫描、突变设计与治疗性抗体优化scientific-agent-skills 仓库实践【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills本指南以 scientific-agent-skills 仓库中 glycoengineering 技能模块为核心系统讲解蛋白质 N-糖基化 sequonN-X-S/T扫描、O-糖基化热点预测、糖基化位点的定向引入与消除以及 NetOGlyc、GlycoShield-MD、GlyConnect 等外部工具链的使用方法。读完本文你将能独立完成治疗性抗体 Fc 区糖基化分析、疫苗抗原糖基化遮蔽设计、生物类似药糖型比较等典型糖基化工程任务并可直接将文中 Python 代码应用于你自己的蛋白序列分析。糖基化工程概述为什么糖修饰如此关键糖基化Glycosylation是蛋白质最常见也最复杂的翻译后修饰PTM影响超过 50% 的人类蛋白。糖链glycan调控蛋白折叠、稳定性、免疫识别、受体相互作用以及治疗性蛋白的药代动力学。糖基化工程Glycoengineering正是通过理性修改糖基化模式来提升治疗效力、稳定性或实现免疫逃逸。在 glycoengineering 技能 中明确区分了两种主要的糖基化类型N-糖基化N-glycosylation连接在天冬酰胺AsnN上识别序列为N-X-[S/T]其中 X ≠ 脯氨酸 Pro发生在内质网/高尔基体ER/Golgi中。O-糖基化O-glycosylation连接在丝氨酸SerS或苏氨酸ThrT上没有严格的共有基序consensus motif主要以 GalNAcN-乙酰半乳糖胺起始。从技能 frontmatter 元数据看该技能当前版本为1.1作者为 Kuan-lin Huanglicense 标注为Unknown——在安装该技能前应核实其许可条款这也是仓库 README.md 对每个SKILL.md中license字段的通用要求。何时使用糖基化工程技能该技能适用于以下六类典型场景对应 SKILL.md 的 When to Use This Skill场景目标抗体工程优化 Fc 糖基化以增强 ADCC、CDC或降低免疫原性治疗性蛋白设计识别影响半衰期、稳定性或免疫原性的糖基化位点疫苗抗原设计工程化 glycan shield糖基化遮蔽将免疫应答聚焦到保守表位生物类似药表征比较参比药与生物类似药之间的糖型模式药物靶点分析判断糖基化是否影响受体与靶点的结合蛋白稳定性N-糖链常可稳定蛋白结构据此识别用于稳定化突变的位置从仓库结构看该技能以分析工具 知识库的形式组织主文档 SKILL.md 提供可运行代码与策略表格配套的 glycan_databases.md 则沉淀了糖数据库、预测服务器、质谱糖蛋白组学工具与糖命名体系等参考资料。N-糖基化 Sequon 分析扫描 N-糖基化位点N-糖基化发生在N-X-[S/T]序列sequon上其中 X ≠ 脯氨酸。核心扫描逻辑在 SKILL.md 中通过标准库re与滑动窗口方式实现import re from typing import List, Tuple def find_n_glycosylation_sequons(sequence: str) - List[dict]: Scan a protein sequence for canonical N-linked glycosylation sequons. Motif: N-X-[S/T], where X ≠ Proline. Args: sequence: Single-letter amino acid sequence Returns: List of dicts with position (1-based), motif, and context seq sequence.upper() results [] i 0 while i len(seq) - 3: triplet seq[i:i3] if triplet[0] N and triplet[1] ! P and triplet[2] in {S, T}: context seq[max(0, i-3):i6] # ±3 residue context results.append({ position: i 1, # 1-based motif: triplet, context: context, sequon_type: NXS if triplet[2] S else NXT }) i 3 else: i 1 return results实现要点解读序列统一转为大写后再匹配避免大小写字母导致漏检三重条件判断N、X≠P、第三位为S或T严格对应经典 sequon 定义命中后记录±3 残基上下文seq[max(0, i-3):i6]便于评估位点是否处于柔性环区或 β-转角等可及区域匹配成功后指针前进 3i 3避免重叠窗口重复计数未命中则单步前进输出采用1-based 位置与文献和 UniProt 中的编号习惯一致便于与实验数据对照。summarize_glycosylation_sites函数进一步将扫描结果整理为可写进实验记录research log的结构化摘要区分 N-X-S 与 N-X-T 两类位点并输出位置详情def summarize_glycosylation_sites(sequence: str, protein_name: str ) - str: Generate a research log summary of N-glycosylation sites. sequons find_n_glycosylation_sequons(sequence) lines [f# N-Glycosylation Sequon Analysis: {protein_name or Protein}] lines.append(fSequence length: {len(sequence)}) lines.append(fTotal N-glycosylation sequons: {len(sequons)}) if sequons: lines.append(f\nN-X-S sites: {sum(1 for s in sequons if s[sequon_type] NXS)}) lines.append(fN-X-T sites: {sum(1 for s in sequons if s[sequon_type] NXT)}) lines.append(f\nSite details:) for s in sequons: lines.append(f Position {s[position]}: {s[motif]} (context: ...{s[context]}...)) else: lines.append(No canonical N-glycosylation sequons detected.) return \n.join(lines) # Example: IgG1 Fc region fc_sequence APELLGGPSVFLFPPKPKDTLMISRTPEVTCVVVDVSHEDPEVKFNWYVDGVEVHNAKTKPREEQYNSTYRVVSVLTVLHQDWLNGKEYKCKVSNKALPAPIEKTISKAKGQPREPQVYTLPPSREEMTKNQVSLTCLVKGFYPSDIAVEWESNGQPENNYKTTPPVLDSDGSFFLYSKLTVDKSRWQQGNVFSCSVMHEALHNHYTQKSLSLSPGK print(summarize_glycosylation_sites(fc_sequence, IgG1 Fc))示例中直接内置了IgG1 Fc 区序列含 N297 所在区域运行后即可看到该序列中的 N-X-S/T 位点及其上下文——这是抗体工程最常用的起点数据。突变 N-糖基化位点糖基化工程的核心操作之一是定点消除或引入糖基化位点。SKILL.md 提供了两个可直接使用的工具函数① 消除位点Asn → Gln 保守替换def eliminate_glycosite(sequence: str, position: int, replacement: str Q) - str: Eliminate an N-glycosylation site by substituting Asn → Gln (conservative). Args: sequence: Protein sequence position: 1-based position of the Asn to mutate replacement: Amino acid to substitute (default Q Gln; similar size, not glycosylated) Returns: Mutated sequence seq list(sequence.upper()) idx position - 1 assert seq[idx] N, fPosition {position} is {seq[idx]}, not N seq[idx] replacement.upper() return .join(seq)默认将 Asn 替换为GlnQ两者侧链大小相近、形状相似属于保守替换同时 Gln 不会被糖基化因此 N297Q 是抗体工程中经典的去糖基化突变。函数内断言目标位置确实是 N防止误操作。② 引入位点定向创建 N-X-S/Tdef add_glycosite(sequence: str, position: int, flanking_context: str S) - str: Introduce an N-glycosylation site by mutating a residue to Asn, and ensuring X ≠ Pro and 2 S/T. Args: position: 1-based position to introduce Asn flanking_context: S or T at position2 (if modification needed) seq list(sequence.upper()) idx position - 1 # Mutate to Asn seq[idx] N # Ensure X1 ! Pro (mutate to Ala if needed) if idx 1 len(seq) and seq[idx 1] P: seq[idx 1] A # Ensure X2 S or T if idx 2 len(seq) and seq[idx 2] not in (S, T): seq[idx 2] flanking_context return .join(seq)该函数同时处理三个必要条件将目标位置突变为 Asn、将 1 位的 Pro 替换为 AlaX≠P 约束、将 2 位补齐为 S 或 T。这在疫苗设计中用于在表面创建 glycan shield 非常实用——把原本暴露的脆弱表位用新引入的糖链盖住。O-糖基化分析启发式热点预测与 N-糖基化不同O-糖基化没有严格的共有基序因此 SKILL.md 提供了一种基于局部 S/T 密度的启发式热点评分方法作为快速基线并明确提示不能替代 NetOGlycdef predict_o_glycosylation_hotspots( sequence: str, window: int 7, min_st_fraction: float 0.4, disallow_proline_next: bool True ) - List[dict]: Heuristic O-glycosylation hotspot scoring based on local S/T density. Not a substitute for NetOGlyc; use as fast baseline. Rules: - O-GalNAc glycosylation clusters on Ser/Thr-rich segments - Flag Ser/Thr residues in windows enriched for S/T - Avoid S/T immediately followed by Pro (TP/SP motifs inhibit GalNAc-T) Args: window: Odd window size for local S/T density min_st_fraction: Minimum fraction of S/T in window to flag site if window % 2 0: window 7 seq sequence.upper() half window // 2 candidates [] for i, aa in enumerate(seq): if aa not in (S, T): continue if disallow_proline_next and i 1 len(seq) and seq[i1] P: continue start max(0, i - half) end min(len(seq), i half 1) segment seq[start:end] st_count sum(1 for c in segment if c in (S, T)) frac st_count / len(segment) if frac min_st_fraction: candidates.append({ position: i 1, residue: aa, st_fraction: round(frac, 3), window: f{start1}-{end}, segment: segment }) return candidates参数与规则说明参数默认值含义window7局部 S/T 密度统计的滑动窗口大小奇数偶数时自动回退为 7min_st_fraction0.4窗口内 S/T 占比达到该阈值才标记为热点disallow_proline_nextTrue跳过后接 Pro 的 S/TTP/SP 基序抑制 GalNAc-TO-GalNAc 糖基化倾向于簇集在 S/T 富集区段因此以窗口内 S/T 占比作为打分依据是合理的快速基线同时排除 SP/TP 抑制基序与 GalNAc-T 酶学的已知底物偏好一致。外部糖基化工程工具链SKILL.md 系统性汇总了五类外部工具配套的 glycan_databases.md 提供了更完整的数据库与服务器清单。这些外部服务以官方地址为准建议直接通过 Web 界面或各服务官方 API 使用1. NetOGlyc 4.0O-糖基化预测用途高精度 O-GalNAc 位点预测输入FASTA 蛋白序列输出逐残基 O-糖基化概率分数方法在实验验证的 O-GalNAc 位点数据上训练的神经网络技能内置了提交封装示例结果通常需要 1–5 分钟返回参数可能随 Web 服务版本变化多数场景建议直接使用 Web 界面。同系列的NetNGlyc 1.0用于 N-糖基化预测输出逐天冬酰胺概率阈值约 0.5见 glycan_databases.md。2. GlycoShield-MD糖链遮蔽分析用于分析分子动力学MD模拟轨迹中糖链对蛋白表面的遮蔽程度# Installation uv pip install glycoshield # Basic usage: analyze glycan shielding from glycosylated protein MD trajectory glycoshield \ --topology glycoprotein.pdb \ --trajectory glycoprotein.xtc \ --glycan_resnames BGLCNA FUC \ --output shielding_analysis/参数含义--topology指定糖基化蛋白结构PDB 格式、--trajectory指定 MD 轨迹XTC 格式、--glycan_resnames列出糖残基名称如 BGLCNAβ-GlcNAc、FUC岩藻糖、--output指定输出目录。输出为逐残基遮蔽分数及可视化结果。该包已被列入仓库测试依赖清单 tests/skill-requirements.tomlglycoshield、pandas、requests说明它是本技能的官方推荐依赖。3. GlycoWorkbench糖链结构绘制与分析用途绘制糖链结构、计算质量、标注 MS 谱图支持格式GlycoCT、IUPAC 压缩糖命名法补充能力MS/MS 谱图碎片离子的标注见 glycan_databases.md4. GlyConnect糖蛋白数据库用途检索经实验验证的糖蛋白及其糖基化位点查询方式按蛋白UniProt ID、糖链结构或组织查询集成将 UniProt 蛋白与实验验证的糖基化数据关联import requests def query_glyconnect(uniprot_id: str) - dict: Query GlyConnect for glycosylation data for a protein. url fhttps://glyconnect.expasy.org/api/proteins/uniprot/{uniprot_id} response requests.get(url, headers{Accept: application/json}) if response.status_code 200: return response.json() return {} # Example: query EGFR glycosylation egfr_glyco query_glyconnect(P00533)配套参考文档 glycan_databases.md 还提供了更完整的 GlyConnect API 封装get_glycoprotein_info按 UniProt ID 取糖基化数据与get_glycan_compositions按 GlyConnect 蛋白条目取全部糖型组成。5. UniCarbKB糖链结构数据库用途浏览糖链结构按质量或组成检索格式GlycoCT 或 IUPAC 命名法补充组织/细胞类型特异的糖型数据与质谱数据见 glycan_databases.md此外glycan_databases.md 还补充了 GlyTouCan糖链结构登记库GTC 唯一编号支持 GlycoCT/WURCS/IUPAC 三种格式并给出api.glytoucan.org查询示例、KEGG Glycan糖链与生物合成通路、CAZy糖活性酶数据库用于挑选糖基化工程所需的酶等资源以及 GlycoMine、SymLink 等机器学习预测服务器。核心糖基化工程策略治疗性抗体优化策略SKILL.md 给出了抗体场景的工程目标与对应策略目标策略说明增强 ADCCFc Asn297 去岩藻糖基化非岩藻糖基化 IgG1 对 FcγRIIIa 的结合力约提升 50 倍降低免疫原性移除非人源糖链消除 α-Gal、NGNA 表位改善 PK 半衰期唾液酸化Sialylation唾液酸修饰可延长半衰期降低炎症高唾液酸化HypersialylationIVIG 抗炎机制之一创建糖基化遮蔽表面引入 N-糖基化位点掩盖易感表位疫苗设计常用突变位点突变效应N297A/QIgG1移除 Fc 糖基化无糖基化aglycosylN297DIgG1移除 Fc 糖基化S298A/E333A/K334A增强 FcγRIIIa 结合F243LIgG1增强去岩藻糖基化T299A移除 Fc 糖基化glycan_databases.md 进一步汇总了治疗性糖蛋白及其关键糖基化位点IgG1 抗体 Fc 区 N297决定 ADCC/CDC 效应功能、促红细胞生成素EPO的 N24/N38/N83 与 O-糖链影响药代、依那西普Etanercept的 N420、tPA 的 N117/N184/N448纤溶结合以及凝血因子 VIII 的 25 个 N-糖基化位点影响清除率——可作为糖基化工程改造的参考靶标集合。糖链命名与表示法IUPAC 压缩命名法单糖缩写符号全称类型Glc葡萄糖HexoseGlcNAcN-乙酰氨基葡萄糖HexNAcMan甘露糖HexoseGal半乳糖HexoseFuc岩藻糖DeoxyhexoseNeu5AcN-乙酰神经氨酸唾液酸Sialic acidGalNAcN-乙酰半乳糖胺HexNAc复杂 N-糖链结构示例典型双天线复杂型 N-糖链复杂 biantennary N-glycan的线性表示Neu5Ac-Gal-GlcNAc-Man\ Man-GlcNAc-GlcNAc-[Asn] Neu5Ac-Gal-GlcNAc-Man/ (±Core Fuc at innermost GlcNAc)牛津命名法N-糖glycan_databases.md 补充了糖蛋白组学中广泛使用的牛津命名法将复杂 N-糖链编码为文本字符串G0F Core-fucosylated, biantennary, no galactose G1F Core-fucosylated, one galactose G2F Core-fucosylated, two galactoses G2FS1 Core-fucosylated, two galactoses, one sialic acid G2FS2 Core-fucosylated, two galactoses, two sialic acids M5 High mannose 5 (Man5GlcNAc2) M9 High mannose 9 (Man9GlcNAc2)以及出版级插图的SNFG 符号命名法蓝圆葡萄糖、绿圆甘露糖、黄圆半乳糖、蓝方N-乙酰氨基葡萄糖、黄方N-乙酰半乳糖胺、紫菱N-乙酰神经氨酸唾液酸、红三角岩藻糖。质谱糖蛋白组学工具如需实验验证glycan_databases.md 推荐Byonic基于 MS2 谱图的 de novo 糖肽鉴定位点特异性糖型归属、Mascot糖链特异搜索参数bottom-up 糖蛋白组学常用、Skyline糖肽靶向定量。批量糖基化分析示例将 N-糖基化扫描与 O-糖基化热点预测组合可对多个蛋白批量生成糖基化景观glycosylation landscape总览。此示例来自配套参考文档 glycan_databases.mdfrom glycoengineering_tools import find_n_glycosylation_sequons, predict_o_glycosylation_hotspots import pandas as pd def analyze_glycosylation_landscape(sequences_dict: dict) - pd.DataFrame: Batch analysis of glycosylation for multiple proteins. Args: sequences_dict: {protein_name: sequence} Returns: DataFrame with glycosylation summary per protein results [] for name, seq in sequences_dict.items(): n_sites find_n_glycosylation_sequons(seq) o_sites predict_o_glycosylation_hotspots(seq) results.append({ protein: name, length: len(seq), n_glycosites: len(n_sites), o_glyco_hotspots: len(o_sites), n_glyco_density: len(n_sites) / len(seq) * 100, n_glyco_positions: [s[position] for s in n_sites] }) return pd.DataFrame(results)输出包含每蛋白的 N-糖基化位点数、O-糖基化热点数、N-糖密度位点数/长度 × 100与具体位点位置列表适合做生物类似药或候选抗体序列的初步筛选与横向对比。最佳实践清单综合 SKILL.md 与配套参考文档糖基化工程项目的推荐流程为先用 NetNGlyc / NetOGlyc 做计算预测再做实验验证——快速基线可用本技能的启发式函数高精度结论依赖神经网络服务器用质谱验证采用糖蛋白组学方法Byonic、Mascot进行位点特异性糖型谱分析考虑位点上下文并非所有预测出的 sequon 都实际发生糖基化受可及性、细胞类型、蛋白构象影响抗体项目优先表征 Fc N297 糖链这是决定效应功能的关健位点务必最先分析先用 GlyConnect 查目标蛋白是否已有实验验证的糖基化数据避免重复劳动注意阈值语义NetNGlyc/NetOGlyc 的逐残基概率阈值约 0.5glycan_databases.md解读输出时以此为准。与本仓库技能的集成方式本技能遵循仓库统一的 Agent Skills 规范README.md 说明每个SKILL.md含 YAML frontmattername、description、license、metadata.version仓库的skills/目录下每个子目录对应一个技能。安装方式包括标准安装器npx skills add K-Dense-AI/scientific-agent-skills适用于 Claude Code、Codex、Gemini CLI、Cursor 等支持 Agent Skills 标准的宿主单技能安装gh skill install K-Dense-AI/scientific-agent-skills glycoengineering。技能运行所需的 Python 依赖glycoshield、pandas、requests已登记在 tests/skill-requirements.toml 的[skills.glycoengineering]条目下安装时可参考该清单准备环境。仓库的测试契约tests/_contract会对所有带scripts/的技能执行--help行为与脚本一致性检查本技能以文档内嵌代码 参考文档的形式提供分析能力脚本依赖较轻属于零门槛可直接在任意 Python 环境运行的类型。一句话总结糖基化工程 以 N-X-S/T sequon 扫描和 S/T 密度热点预测为分析底座以定点突变N→Q 消除、定点引入为改造手段以 NetOGlyc/NetOGlyc、GlycoShield-MD、GlyConnect 等外部工具为精度补充最终服务于抗体功能优化、疫苗免疫聚焦与治疗性蛋白稳定性设计。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/10 9:19:51 · 阅读 1.2k Glycoengineering 糖基化工程实战指南：N/O-糖基化位点扫描、突变设计与治疗性抗体优化（scientific-agent-skills 仓库实践）
Glycoengineering 糖基化工程实战指南N/O-糖基化位点扫描、突变设计与治疗性抗体优化scientific-agent-skills 仓库实践【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills本指南以 scientific-agent-skills 仓库中 glycoengineering 技能模块为核心系统讲解蛋白质 N-糖基化 sequonN-X-S/T扫描、O-糖基化热点预测、糖基化位点的定向引入与消除以及 NetOGlyc、GlycoShield-MD、GlyConnect 等外部工具链的使用方法。读完本文你将能独立完成治疗性抗体 Fc 区糖基化分析、疫苗抗原糖基化遮蔽设计、生物类似药糖型比较等典型糖基化工程任务并可直接将文中 Python 代码应用于你自己的蛋白序列分析。糖基化工程概述为什么糖修饰如此关键糖基化Glycosylation是蛋白质最常见也最复杂的翻译后修饰PTM影响超过 50% 的人类蛋白。糖链glycan调控蛋白折叠、稳定性、免疫识别、受体相互作用以及治疗性蛋白的药代动力学。糖基化工程Glycoengineering正是通过理性修改糖基化模式来提升治疗效力、稳定性或实现免疫逃逸。在 glycoengineering 技能 中明确区分了两种主要的糖基化类型N-糖基化N-glycosylation连接在天冬酰胺AsnN上识别序列为N-X-[S/T]其中 X ≠ 脯氨酸 Pro发生在内质网/高尔基体ER/Golgi中。O-糖基化O-glycosylation连接在丝氨酸SerS或苏氨酸ThrT上没有严格的共有基序consensus motif主要以 GalNAcN-乙酰半乳糖胺起始。从技能 frontmatter 元数据看该技能当前版本为1.1作者为 Kuan-lin Huanglicense 标注为Unknown——在安装该技能前应核实其许可条款这也是仓库 README.md 对每个SKILL.md中license字段的通用要求。何时使用糖基化工程技能该技能适用于以下六类典型场景对应 SKILL.md 的 When to Use This Skill场景目标抗体工程优化 Fc 糖基化以增强 ADCC、CDC或降低免疫原性治疗性蛋白设计识别影响半衰期、稳定性或免疫原性的糖基化位点疫苗抗原设计工程化 glycan shield糖基化遮蔽将免疫应答聚焦到保守表位生物类似药表征比较参比药与生物类似药之间的糖型模式药物靶点分析判断糖基化是否影响受体与靶点的结合蛋白稳定性N-糖链常可稳定蛋白结构据此识别用于稳定化突变的位置从仓库结构看该技能以分析工具 知识库的形式组织主文档 SKILL.md 提供可运行代码与策略表格配套的 glycan_databases.md 则沉淀了糖数据库、预测服务器、质谱糖蛋白组学工具与糖命名体系等参考资料。N-糖基化 Sequon 分析扫描 N-糖基化位点N-糖基化发生在N-X-[S/T]序列sequon上其中 X ≠ 脯氨酸。核心扫描逻辑在 SKILL.md 中通过标准库re与滑动窗口方式实现import re from typing import List, Tuple def find_n_glycosylation_sequons(sequence: str) - List[dict]: Scan a protein sequence for canonical N-linked glycosylation sequons. Motif: N-X-[S/T], where X ≠ Proline. Args: sequence: Single-letter amino acid sequence Returns: List of dicts with position (1-based), motif, and context seq sequence.upper() results [] i 0 while i len(seq) - 3: triplet seq[i:i3] if triplet[0] N and triplet[1] ! P and triplet[2] in {S, T}: context seq[max(0, i-3):i6] # ±3 residue context results.append({ position: i 1, # 1-based motif: triplet, context: context, sequon_type: NXS if triplet[2] S else NXT }) i 3 else: i 1 return results实现要点解读序列统一转为大写后再匹配避免大小写字母导致漏检三重条件判断N、X≠P、第三位为S或T严格对应经典 sequon 定义命中后记录±3 残基上下文seq[max(0, i-3):i6]便于评估位点是否处于柔性环区或 β-转角等可及区域匹配成功后指针前进 3i 3避免重叠窗口重复计数未命中则单步前进输出采用1-based 位置与文献和 UniProt 中的编号习惯一致便于与实验数据对照。summarize_glycosylation_sites函数进一步将扫描结果整理为可写进实验记录research log的结构化摘要区分 N-X-S 与 N-X-T 两类位点并输出位置详情def summarize_glycosylation_sites(sequence: str, protein_name: str ) - str: Generate a research log summary of N-glycosylation sites. sequons find_n_glycosylation_sequons(sequence) lines [f# N-Glycosylation Sequon Analysis: {protein_name or Protein}] lines.append(fSequence length: {len(sequence)}) lines.append(fTotal N-glycosylation sequons: {len(sequons)}) if sequons: lines.append(f\nN-X-S sites: {sum(1 for s in sequons if s[sequon_type] NXS)}) lines.append(fN-X-T sites: {sum(1 for s in sequons if s[sequon_type] NXT)}) lines.append(f\nSite details:) for s in sequons: lines.append(f Position {s[position]}: {s[motif]} (context: ...{s[context]}...)) else: lines.append(No canonical N-glycosylation sequons detected.) return \n.join(lines) # Example: IgG1 Fc region fc_sequence APELLGGPSVFLFPPKPKDTLMISRTPEVTCVVVDVSHEDPEVKFNWYVDGVEVHNAKTKPREEQYNSTYRVVSVLTVLHQDWLNGKEYKCKVSNKALPAPIEKTISKAKGQPREPQVYTLPPSREEMTKNQVSLTCLVKGFYPSDIAVEWESNGQPENNYKTTPPVLDSDGSFFLYSKLTVDKSRWQQGNVFSCSVMHEALHNHYTQKSLSLSPGK print(summarize_glycosylation_sites(fc_sequence, IgG1 Fc))示例中直接内置了IgG1 Fc 区序列含 N297 所在区域运行后即可看到该序列中的 N-X-S/T 位点及其上下文——这是抗体工程最常用的起点数据。突变 N-糖基化位点糖基化工程的核心操作之一是定点消除或引入糖基化位点。SKILL.md 提供了两个可直接使用的工具函数① 消除位点Asn → Gln 保守替换def eliminate_glycosite(sequence: str, position: int, replacement: str Q) - str: Eliminate an N-glycosylation site by substituting Asn → Gln (conservative). Args: sequence: Protein sequence position: 1-based position of the Asn to mutate replacement: Amino acid to substitute (default Q Gln; similar size, not glycosylated) Returns: Mutated sequence seq list(sequence.upper()) idx position - 1 assert seq[idx] N, fPosition {position} is {seq[idx]}, not N seq[idx] replacement.upper() return .join(seq)默认将 Asn 替换为GlnQ两者侧链大小相近、形状相似属于保守替换同时 Gln 不会被糖基化因此 N297Q 是抗体工程中经典的去糖基化突变。函数内断言目标位置确实是 N防止误操作。② 引入位点定向创建 N-X-S/Tdef add_glycosite(sequence: str, position: int, flanking_context: str S) - str: Introduce an N-glycosylation site by mutating a residue to Asn, and ensuring X ≠ Pro and 2 S/T. Args: position: 1-based position to introduce Asn flanking_context: S or T at position2 (if modification needed) seq list(sequence.upper()) idx position - 1 # Mutate to Asn seq[idx] N # Ensure X1 ! Pro (mutate to Ala if needed) if idx 1 len(seq) and seq[idx 1] P: seq[idx 1] A # Ensure X2 S or T if idx 2 len(seq) and seq[idx 2] not in (S, T): seq[idx 2] flanking_context return .join(seq)该函数同时处理三个必要条件将目标位置突变为 Asn、将 1 位的 Pro 替换为 AlaX≠P 约束、将 2 位补齐为 S 或 T。这在疫苗设计中用于在表面创建 glycan shield 非常实用——把原本暴露的脆弱表位用新引入的糖链盖住。O-糖基化分析启发式热点预测与 N-糖基化不同O-糖基化没有严格的共有基序因此 SKILL.md 提供了一种基于局部 S/T 密度的启发式热点评分方法作为快速基线并明确提示不能替代 NetOGlycdef predict_o_glycosylation_hotspots( sequence: str, window: int 7, min_st_fraction: float 0.4, disallow_proline_next: bool True ) - List[dict]: Heuristic O-glycosylation hotspot scoring based on local S/T density. Not a substitute for NetOGlyc; use as fast baseline. Rules: - O-GalNAc glycosylation clusters on Ser/Thr-rich segments - Flag Ser/Thr residues in windows enriched for S/T - Avoid S/T immediately followed by Pro (TP/SP motifs inhibit GalNAc-T) Args: window: Odd window size for local S/T density min_st_fraction: Minimum fraction of S/T in window to flag site if window % 2 0: window 7 seq sequence.upper() half window // 2 candidates [] for i, aa in enumerate(seq): if aa not in (S, T): continue if disallow_proline_next and i 1 len(seq) and seq[i1] P: continue start max(0, i - half) end min(len(seq), i half 1) segment seq[start:end] st_count sum(1 for c in segment if c in (S, T)) frac st_count / len(segment) if frac min_st_fraction: candidates.append({ position: i 1, residue: aa, st_fraction: round(frac, 3), window: f{start1}-{end}, segment: segment }) return candidates参数与规则说明参数默认值含义window7局部 S/T 密度统计的滑动窗口大小奇数偶数时自动回退为 7min_st_fraction0.4窗口内 S/T 占比达到该阈值才标记为热点disallow_proline_nextTrue跳过后接 Pro 的 S/TTP/SP 基序抑制 GalNAc-TO-GalNAc 糖基化倾向于簇集在 S/T 富集区段因此以窗口内 S/T 占比作为打分依据是合理的快速基线同时排除 SP/TP 抑制基序与 GalNAc-T 酶学的已知底物偏好一致。外部糖基化工程工具链SKILL.md 系统性汇总了五类外部工具配套的 glycan_databases.md 提供了更完整的数据库与服务器清单。这些外部服务以官方地址为准建议直接通过 Web 界面或各服务官方 API 使用1. NetOGlyc 4.0O-糖基化预测用途高精度 O-GalNAc 位点预测输入FASTA 蛋白序列输出逐残基 O-糖基化概率分数方法在实验验证的 O-GalNAc 位点数据上训练的神经网络技能内置了提交封装示例结果通常需要 1–5 分钟返回参数可能随 Web 服务版本变化多数场景建议直接使用 Web 界面。同系列的NetNGlyc 1.0用于 N-糖基化预测输出逐天冬酰胺概率阈值约 0.5见 glycan_databases.md。2. GlycoShield-MD糖链遮蔽分析用于分析分子动力学MD模拟轨迹中糖链对蛋白表面的遮蔽程度# Installation uv pip install glycoshield # Basic usage: analyze glycan shielding from glycosylated protein MD trajectory glycoshield \ --topology glycoprotein.pdb \ --trajectory glycoprotein.xtc \ --glycan_resnames BGLCNA FUC \ --output shielding_analysis/参数含义--topology指定糖基化蛋白结构PDB 格式、--trajectory指定 MD 轨迹XTC 格式、--glycan_resnames列出糖残基名称如 BGLCNAβ-GlcNAc、FUC岩藻糖、--output指定输出目录。输出为逐残基遮蔽分数及可视化结果。该包已被列入仓库测试依赖清单 tests/skill-requirements.tomlglycoshield、pandas、requests说明它是本技能的官方推荐依赖。3. GlycoWorkbench糖链结构绘制与分析用途绘制糖链结构、计算质量、标注 MS 谱图支持格式GlycoCT、IUPAC 压缩糖命名法补充能力MS/MS 谱图碎片离子的标注见 glycan_databases.md4. GlyConnect糖蛋白数据库用途检索经实验验证的糖蛋白及其糖基化位点查询方式按蛋白UniProt ID、糖链结构或组织查询集成将 UniProt 蛋白与实验验证的糖基化数据关联import requests def query_glyconnect(uniprot_id: str) - dict: Query GlyConnect for glycosylation data for a protein. url fhttps://glyconnect.expasy.org/api/proteins/uniprot/{uniprot_id} response requests.get(url, headers{Accept: application/json}) if response.status_code 200: return response.json() return {} # Example: query EGFR glycosylation egfr_glyco query_glyconnect(P00533)配套参考文档 glycan_databases.md 还提供了更完整的 GlyConnect API 封装get_glycoprotein_info按 UniProt ID 取糖基化数据与get_glycan_compositions按 GlyConnect 蛋白条目取全部糖型组成。5. UniCarbKB糖链结构数据库用途浏览糖链结构按质量或组成检索格式GlycoCT 或 IUPAC 命名法补充组织/细胞类型特异的糖型数据与质谱数据见 glycan_databases.md此外glycan_databases.md 还补充了 GlyTouCan糖链结构登记库GTC 唯一编号支持 GlycoCT/WURCS/IUPAC 三种格式并给出api.glytoucan.org查询示例、KEGG Glycan糖链与生物合成通路、CAZy糖活性酶数据库用于挑选糖基化工程所需的酶等资源以及 GlycoMine、SymLink 等机器学习预测服务器。核心糖基化工程策略治疗性抗体优化策略SKILL.md 给出了抗体场景的工程目标与对应策略目标策略说明增强 ADCCFc Asn297 去岩藻糖基化非岩藻糖基化 IgG1 对 FcγRIIIa 的结合力约提升 50 倍降低免疫原性移除非人源糖链消除 α-Gal、NGNA 表位改善 PK 半衰期唾液酸化Sialylation唾液酸修饰可延长半衰期降低炎症高唾液酸化HypersialylationIVIG 抗炎机制之一创建糖基化遮蔽表面引入 N-糖基化位点掩盖易感表位疫苗设计常用突变位点突变效应N297A/QIgG1移除 Fc 糖基化无糖基化aglycosylN297DIgG1移除 Fc 糖基化S298A/E333A/K334A增强 FcγRIIIa 结合F243LIgG1增强去岩藻糖基化T299A移除 Fc 糖基化glycan_databases.md 进一步汇总了治疗性糖蛋白及其关键糖基化位点IgG1 抗体 Fc 区 N297决定 ADCC/CDC 效应功能、促红细胞生成素EPO的 N24/N38/N83 与 O-糖链影响药代、依那西普Etanercept的 N420、tPA 的 N117/N184/N448纤溶结合以及凝血因子 VIII 的 25 个 N-糖基化位点影响清除率——可作为糖基化工程改造的参考靶标集合。糖链命名与表示法IUPAC 压缩命名法单糖缩写符号全称类型Glc葡萄糖HexoseGlcNAcN-乙酰氨基葡萄糖HexNAcMan甘露糖HexoseGal半乳糖HexoseFuc岩藻糖DeoxyhexoseNeu5AcN-乙酰神经氨酸唾液酸Sialic acidGalNAcN-乙酰半乳糖胺HexNAc复杂 N-糖链结构示例典型双天线复杂型 N-糖链复杂 biantennary N-glycan的线性表示Neu5Ac-Gal-GlcNAc-Man\ Man-GlcNAc-GlcNAc-[Asn] Neu5Ac-Gal-GlcNAc-Man/ (±Core Fuc at innermost GlcNAc)牛津命名法N-糖glycan_databases.md 补充了糖蛋白组学中广泛使用的牛津命名法将复杂 N-糖链编码为文本字符串G0F Core-fucosylated, biantennary, no galactose G1F Core-fucosylated, one galactose G2F Core-fucosylated, two galactoses G2FS1 Core-fucosylated, two galactoses, one sialic acid G2FS2 Core-fucosylated, two galactoses, two sialic acids M5 High mannose 5 (Man5GlcNAc2) M9 High mannose 9 (Man9GlcNAc2)以及出版级插图的SNFG 符号命名法蓝圆葡萄糖、绿圆甘露糖、黄圆半乳糖、蓝方N-乙酰氨基葡萄糖、黄方N-乙酰半乳糖胺、紫菱N-乙酰神经氨酸唾液酸、红三角岩藻糖。质谱糖蛋白组学工具如需实验验证glycan_databases.md 推荐Byonic基于 MS2 谱图的 de novo 糖肽鉴定位点特异性糖型归属、Mascot糖链特异搜索参数bottom-up 糖蛋白组学常用、Skyline糖肽靶向定量。批量糖基化分析示例将 N-糖基化扫描与 O-糖基化热点预测组合可对多个蛋白批量生成糖基化景观glycosylation landscape总览。此示例来自配套参考文档 glycan_databases.mdfrom glycoengineering_tools import find_n_glycosylation_sequons, predict_o_glycosylation_hotspots import pandas as pd def analyze_glycosylation_landscape(sequences_dict: dict) - pd.DataFrame: Batch analysis of glycosylation for multiple proteins. Args: sequences_dict: {protein_name: sequence} Returns: DataFrame with glycosylation summary per protein results [] for name, seq in sequences_dict.items(): n_sites find_n_glycosylation_sequons(seq) o_sites predict_o_glycosylation_hotspots(seq) results.append({ protein: name, length: len(seq), n_glycosites: len(n_sites), o_glyco_hotspots: len(o_sites), n_glyco_density: len(n_sites) / len(seq) * 100, n_glyco_positions: [s[position] for s in n_sites] }) return pd.DataFrame(results)输出包含每蛋白的 N-糖基化位点数、O-糖基化热点数、N-糖密度位点数/长度 × 100与具体位点位置列表适合做生物类似药或候选抗体序列的初步筛选与横向对比。最佳实践清单综合 SKILL.md 与配套参考文档糖基化工程项目的推荐流程为先用 NetNGlyc / NetOGlyc 做计算预测再做实验验证——快速基线可用本技能的启发式函数高精度结论依赖神经网络服务器用质谱验证采用糖蛋白组学方法Byonic、Mascot进行位点特异性糖型谱分析考虑位点上下文并非所有预测出的 sequon 都实际发生糖基化受可及性、细胞类型、蛋白构象影响抗体项目优先表征 Fc N297 糖链这是决定效应功能的关健位点务必最先分析先用 GlyConnect 查目标蛋白是否已有实验验证的糖基化数据避免重复劳动注意阈值语义NetNGlyc/NetOGlyc 的逐残基概率阈值约 0.5glycan_databases.md解读输出时以此为准。与本仓库技能的集成方式本技能遵循仓库统一的 Agent Skills 规范README.md 说明每个SKILL.md含 YAML frontmattername、description、license、metadata.version仓库的skills/目录下每个子目录对应一个技能。安装方式包括标准安装器npx skills add K-Dense-AI/scientific-agent-skills适用于 Claude Code、Codex、Gemini CLI、Cursor 等支持 Agent Skills 标准的宿主单技能安装gh skill install K-Dense-AI/scientific-agent-skills glycoengineering。技能运行所需的 Python 依赖glycoshield、pandas、requests已登记在 tests/skill-requirements.toml 的[skills.glycoengineering]条目下安装时可参考该清单准备环境。仓库的测试契约tests/_contract会对所有带scripts/的技能执行--help行为与脚本一致性检查本技能以文档内嵌代码 参考文档的形式提供分析能力脚本依赖较轻属于零门槛可直接在任意 Python 环境运行的类型。一句话总结糖基化工程 以 N-X-S/T sequon 扫描和 S/T 密度热点预测为分析底座以定点突变N→Q 消除、定点引入为改造手段以 NetOGlyc/NetOGlyc、GlycoShield-MD、GlyConnect 等外部工具为精度补充最终服务于抗体功能优化、疫苗免疫聚焦与治疗性蛋白稳定性设计。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考