Codar 预置工作流
药物-靶点结合活性数据检索
当用户需要检索化合物与靶点之间的Ki、Kd、IC50、EC50等活性数值,并核对实验体系、单位和文献时使用。
AI药物发现5 个步骤v1更新于 2026-11-19
流程图
- 数据输入
- 核心分析
- 结果输出
步骤说明5 步
统一化合物与靶点标识后检索BindingDB、ChEM…数据输入
统一化合物与靶点标识后检索BindingDB、ChEMBL或其他原始可追溯数据源,并保存记录ID、论文和查询日期。
每条记录保留端点类型、关系符号、数值、单位、pChEM…核心分析
每条记录保留端点类型、关系符号、数值、单位、pChEMBL换算条件、实验体系、物种、构建体和底物或配体条件。
将Ki、Kd、IC50和EC50分层汇总核心分析
将Ki、Kd、IC50和EC50分层汇总;只有在模型假设与实验条件充分时才做换算,不默认IC50等于结合常数。
规范化单位但保留原始值核心分析
规范化单位但保留原始值;对“>”“<”等删失数据使用区间语义,不擅自替换为边界数值。
依据结构、实验和文献识别重复记录结果输出
依据结构、实验和文献识别重复记录,冲突值按测定体系拆分并报告,而不是取无条件平均。
使用原则
- 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
- 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
- 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。
workflow.md
查看工作流源文件
---
format: codar-workflow
schemaVersion: 1
layoutDirection: TD
id: "22-ai-ai-drug-discovery-dti-prediction-pstqupzf"
version: 1
name: "药物-靶点结合活性数据检索"
domain: "AI药物发现"
description: "当用户需要检索化合物与靶点之间的Ki、Kd、IC50、EC50等活性数值,并核对实验体系、单位和文献时使用。"
---
# 药物-靶点结合活性数据检索
## 流程图
```mermaid
flowchart TD
n1["统一化合物与靶点标识后检索BindingDB、ChEM…"]
n2["每条记录保留端点类型、关系符号、数值、单位、pChEM…"]
n3["将Ki、Kd、IC50和EC50分层汇总"]
n4["规范化单位但保留原始值"]
n5["依据结构、实验和文献识别重复记录"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 统一化合物与靶点标识后检索BindingDB、ChEM… {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
统一化合物与靶点标识后检索BindingDB、ChEMBL或其他原始可追溯数据源,并保存记录ID、论文和查询日期。
### 每条记录保留端点类型、关系符号、数值、单位、pChEM… {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
每条记录保留端点类型、关系符号、数值、单位、pChEMBL换算条件、实验体系、物种、构建体和底物或配体条件。
### 将Ki、Kd、IC50和EC50分层汇总 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
将Ki、Kd、IC50和EC50分层汇总;只有在模型假设与实验条件充分时才做换算,不默认IC50等于结合常数。
### 规范化单位但保留原始值 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
规范化单位但保留原始值;对“>”“<”等删失数据使用区间语义,不擅自替换为边界数值。
### 依据结构、实验和文献识别重复记录 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
依据结构、实验和文献识别重复记录,冲突值按测定体系拆分并报告,而不是取无条件平均。
## 使用原则
- 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
- 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
- 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。
相关工作流全部工作流
ADMET性质与毒性预测
AI药物发现当用户需要用规则或计算模型预测吸收、分布、代谢、排泄、毒性、药物相似性和结构警报,并为早期化合物排序时使用。
GPCR配体药理分析
AI药物发现当用户需要分析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。
QSAR与QSPR建模
AI药物发现当用户需要从分子结构和实验标签建立活性、理化性质或ADMET预测模型,并评估外部性能、不确定性与适用域时使用。
三维构象与形状相似性
AI药物发现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。
候选化合物毒理风险评估
AI药物发现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。
共价抑制剂设计
AI药物发现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。