Codar 预置工作流
生成式分子设计与ADMET优化
当用户需要进行从头分子生成、骨架或连接子改造,并在活性、选择性、ADMET、可合成性和多样性之间做多目标优化时使用。
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
选择与任务匹配的从头生成、片段生长、骨架修饰、连接子设…数据输入
选择与任务匹配的从头生成、片段生长、骨架修饰、连接子设计或遗传优化方法,并设置简单枚举或已知类似物基线。
每轮检查价态、立体化学、去重、训练集近邻、化学状态和新…核心分析
每轮检查价态、立体化学、去重、训练集近邻、化学状态和新颖性;保存父分子、变换与分数形成分子谱系。
将模型适用域和不确定性纳入目标核心分析
将模型适用域和不确定性纳入目标,使用独立模型或规则复核关键性质,防止通过异常结构、极端电荷等方式“刷分”。
同时评估反应性警报、可合成性、构建块可得性和系列多样性核心分析
同时评估反应性警报、可合成性、构建块可得性和系列多样性;对接或性质预测只用于排序,不视为实验事实。
用帕累托前沿与化学家复核选择少量互补系列结果输出
用帕累托前沿与化学家复核选择少量互补系列,经过合成与实验反馈再更新模型,保留失败数据。
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-molecular-generation-oig6ruhw"
version: 1
name: "生成式分子设计与ADMET优化"
domain: "AI药物发现"
description: "当用户需要进行从头分子生成、骨架或连接子改造,并在活性、选择性、ADMET、可合成性和多样性之间做多目标优化时使用。"
---
# 生成式分子设计与ADMET优化
## 流程图
```mermaid
flowchart TD
n1["选择与任务匹配的从头生成、片段生长、骨架修饰、连接子设…"]
n2["每轮检查价态、立体化学、去重、训练集近邻、化学状态和新…"]
n3["将模型适用域和不确定性纳入目标"]
n4["同时评估反应性警报、可合成性、构建块可得性和系列多样性"]
n5["用帕累托前沿与化学家复核选择少量互补系列"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 选择与任务匹配的从头生成、片段生长、骨架修饰、连接子设… {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
选择与任务匹配的从头生成、片段生长、骨架修饰、连接子设计或遗传优化方法,并设置简单枚举或已知类似物基线。
### 每轮检查价态、立体化学、去重、训练集近邻、化学状态和新… {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
每轮检查价态、立体化学、去重、训练集近邻、化学状态和新颖性;保存父分子、变换与分数形成分子谱系。
### 将模型适用域和不确定性纳入目标 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
将模型适用域和不确定性纳入目标,使用独立模型或规则复核关键性质,防止通过异常结构、极端电荷等方式“刷分”。
### 同时评估反应性警报、可合成性、构建块可得性和系列多样性 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
同时评估反应性警报、可合成性、构建块可得性和系列多样性;对接或性质预测只用于排序,不视为实验事实。
### 用帕累托前沿与化学家复核选择少量互补系列 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
用帕累托前沿与化学家复核选择少量互补系列,经过合成与实验反馈再更新模型,保留失败数据。
## 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。