科研 Skill
AI蛋白质-配体对接
22-ai-ai-drug-discovery-docking-ai
在AI药物发现领域开展“对接AI”任务时使用;根据输入、科学假设和运行环境,在虚拟筛选下已保留的方法实现之间路由。
官方收录发布者 Codar安全审核通过v0.1.1更新于 2026-09-04
SKILL.md
AI蛋白质-配体对接
与经典对接的边界
本入口处理蛋白质—小分子的AI姿势生成、共折叠或AI评分。若任务只是设置Vina等经典对接网格、参数和评分,转用结构生物学的“经典蛋白质-配体分子对接”;若目标是蛋白质—蛋白质、蛋白质—核酸等大分子装配体,转用“生物大分子复合物结构预测”。
模型选择与输入
- 核对蛋白序列/结构、缺失残基、寡聚状态、辅因子、金属、配体化学状态和已知结合位点。
- 已知受体结构与口袋时优先选择可约束口袋的姿势模型;只有序列或需要共折叠时使用支持该输入的模型,并标记结构不确定区域。
- 生成多个随机种子、受体构象和配体状态下的候选,保留模型版本、模板信息、置信度和失败输出。
姿势审查
用PoseBusters或等价规则检查碰撞、键长、平面性、手性、构象应变、金属配位和关键相互作用;必要时做局部最小化及GNINA等独立重评分。使用已知复合物重对接、交叉对接或经典对接基线评估模型,检查训练集相似结构导致的过度乐观。
交付
交付多姿势结构、化学状态、模型置信度、物理有效性、基线比较和需实验验证的相互作用。AI置信度与姿势排名都不是结合亲和力。
所属插件
安装该插件会一并获得同领域的 25 个 Skill / MCP。
同插件的其他科研 Skill
- 药物-靶点结合活性数据检索在AI药物发现领域开展“DTI预测”任务时使用;根据输入、科学假设和运行环境,在药物-靶点相互作用下已保留的方法实现之间路由。
- 生成式分子设计与ADMET优化在AI药物发现领域开展“分子生成”任务时使用;根据输入、科学假设和运行环境,在分子生成下已保留的方法实现之间路由。
- 逆合成路线规划在AI药物发现领域开展“逆合成规划”任务时使用;根据输入、科学假设和运行环境,在逆合成与合成规划下已保留的方法实现之间路由。
- 药物再利用候选排序当用户需要依据疾病机制、靶点、转录特征、现有药理和临床可行性,为已知药物寻找新适应证并排序时使用。
- ADMET性质与毒性预测在AI药物发现领域开展“ADMET预测”任务时使用;根据输入、科学假设和运行环境,在ADMET-药代毒理性质下已保留的方法实现之间路由。
- 化合物信息检索与身份核对当用户按名称、CAS、CID、ChEMBL ID、SMILES或InChI查找化合物,并需要确认准确结构、盐型、立体化学或基础属性时使用。
- 非房室药代动力学分析当用户需要从给药后的浓度-时间数据计算Cmax、Tmax、AUC、半衰期、清除率和表观分布容积时使用。
- 抗菌肽活性与MIC预测当用户需要使用 APEX 对不超过 50 个氨基酸的肽序列预测内置病原体特异性抗菌活性或 MIC 时使用;新肽生成、分子对接和内置病原体以外的外推不使用本 Skill。
- 化合物商业可获得性检索当用户需要查找化合物供应商、货号、实时库存与价格,寻找可购买类似物,或构建可采购虚拟化合物库时使用。
- 共价抑制剂设计当用户需要围绕可反应残基设计可逆或不可逆共价抑制剂,并联合优化非共价定位、反应动力学和蛋白组选择性时使用。
- 三维构象与形状相似性当用户需要生成分子三维构象集合、进行能量优化,或开展三维形状与静电相似性搜索时使用。
- GPCR配体药理分析当用户需要分析GPCR配体的激动、拮抗、反向激动、偏向信号、亚型选择性或正构/变构机制时使用。
- 候选化合物毒理风险评估当用户需要在药物发现阶段整合结构警报、体外实验、动物毒理、毒理组学和暴露数据,判断候选化合物的器官与机制风险时使用。
- 分子相似性与子结构检索当用户需要用Tanimoto、Tversky、Dice或SMARTS,从化合物库中查找类似物、包含特定子结构的分子、结构警报或活性悬崖时使用。
- 分子结构标准化与格式转换当用户需要清洗盐、溶剂、价态、互变异构体和立体化学,或在SMILES、InChI、SDF、MOL2、PDB等分子格式间转换时使用。
- 化学骨架与SAR分析当用户需要用Bemis–Murcko骨架、匹配分子对、R基团分解或Free–Wilson模型分析化学系列、构效关系与活性悬崖时使用。
- 靶向蛋白降解剂设计当用户需要设计PROTAC、分子胶或其他靶向蛋白降解剂,并评估E3连接酶、连接子、三元复合物和细胞降解证据时使用。
- 药效团建模与筛选当用户需要从活性配体或受体结合口袋建立三维药效团,并筛选满足关键空间特征的骨架跃迁候选物时使用。
- 结合自由能与对接姿势验证当用户需要检查对接或生成姿势的几何与物理有效性,或用RBFE/ABFE对类似物亲和力进行定量排序时使用。
- 分子描述符与指纹计算当用户需要为QSAR、相似性检索或虚拟筛选计算理化描述符、Morgan/ECFP、MACCS及其他分子指纹时使用。
- 药物靶点证据整合与验证当用户需要综合疾病关联、人类遗传、功能实验、可成药性、安全性、结构和临床先例,对候选药物靶点作GO/NO-GO判断时使用。
- 靶点到先导化合物发现开展分子对接、亲和力预测、虚拟筛选、分子动力学、小分子表征或ADMET分析时使用。
- QSAR与QSPR建模在AI药物发现领域开展“QSAR建模”任务时使用;根据输入、科学假设和运行环境,在QSAR-定量构效关系下已保留的方法实现之间路由。
- 结构基础虚拟筛选在AI药物发现领域开展“虚拟筛选”任务时使用;根据输入、科学假设和运行环境,在虚拟筛选下已保留的方法实现之间路由。
常见问题
AI蛋白质-配体对接能做什么?
在AI药物发现领域开展“对接AI”任务时使用;根据输入、科学假设和运行环境,在虚拟筛选下已保留的方法实现之间路由。
如何安装AI蛋白质-配体对接?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「AI蛋白质-配体对接」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
AI蛋白质-配体对接需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
AI蛋白质-配体对接经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。