분자동역학 시뮬레이션 (Molecular Dynamics)
OpenMM으로 단백질·리간드 MD 시뮬레이션을 돌리고 MDAnalysis로 궤적을 분석하게 해주는 스킬입니다.
데이터·분석고급★ 33,030⑂ 3,248AI 점수 8/10마지막 업데이트: 2026. 8. 9.
무엇을 해주나
Claude가 분자동역학(MD) 시뮬레이션의 전 과정을 코드로 안내하고 실행 스크립트를 작성해 줍니다.
- 시스템 준비: PDB 로드, PDBFixer로 결손 잔기·수소 보정, 물/이온(150 mM NaCl) 박스 솔베이션
- 역장 선택: AMBER14, CHARMM36m, ff19SB, OpenFF/GAFF2(저분자 파라미터화) 가이드 표 제공
- 시뮬레이션 실행: 에너지 최소화 → NVT 평형 → NPT 평형/프로덕션, GPU(CUDA/OpenCL) 자동 폴백, 체크포인트 저장
- 궤적 분석: MDAnalysis로 RMSD, 잔기별 RMSF, 단백질–리간드 접촉 맵, matplotlib 시각화
- 모범 사례: 2 fs 타임스텝, HBonds 구속, PME 정전기, 평형 구간 제외 등 실무 팁 정리
이런 분께 추천
- 구조생물학·전산화학 연구자, 대학원생
- 신약 개발에서 리간드 결합 모드와 안정성을 검증하려는 분
- 변이 단백질의 유연성 변화를 정량화하려는 분
- GROMACS/NAMD 대신 파이썬 기반 워크플로를 원하는 분
활용 예시
- "1UBQ 구조를 받아서 물 박스에 넣고 1 ns NPT 프로덕션 MD를 돌리는 스크립트를 만들어줘" → PDBFixer 정리 + 솔베이션 + 최소화 + 평형 + 프로덕션 전체 코드 생성
- "npt_traj.dcd의 백본 RMSD와 잔기별 RMSF를 그려줘" → MDAnalysis 정렬 후 RMSD/RMSF 계산 및 PNG 플롯 출력
- "SMILES로 준 리간드를 OpenFF로 파라미터화하고 결합 포켓 접촉 잔기를 프레임별로 추적해줘" → 리간드 파라미터화 + 4.5 Å 접촉 분석 코드 제공
· · · 설치 가이드 · · ·
Claude 앱에 설치 (터미널 필요 없음)
- 아래 버튼으로 ZIP 파일을 받으세요.
- Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
- Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
Claude Code에 설치
Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요
클로드스킬마트에서 찾은 스킬을 설치해줘. GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/molecular-dynamics 폴더를 내 ~/.claude/skills/molecular-dynamics/ 에 그대로 복사해줘. 설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.
직접 명령으로 설치하기
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/molecular-dynamics ~/.claude/skills/⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.
- 터미널을 엽니다.
- 스킬 폴더를 준비합니다:
mkdir -p ~/.claude/skills - 저장소를 내려받습니다:
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git - 스킬만 복사합니다:
cp -r scientific-agent-skills/skills/molecular-dynamics ~/.claude/skills/ - 계산 환경을 설치합니다:
conda install -c conda-forge openmm mdanalysis pdbfixer nglview(GPU 사용 시 CUDA 드라이버 확인) - Claude Code를 다시 실행하고 "분자동역학 시뮬레이션 준비해줘" 같이 요청하면 스킬이 활성화됩니다.
- 첫 실행은 짧은 시간(예: 100 ps)으로 테스트한 뒤 프로덕션 길이를 늘리는 것을 권장합니다.
GitHub에서 원본 보기 ↗라이선스: MIT