Codar 预置工作流
ADMET性质与毒性预测
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。
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
使用统一的父分子、质子化与互变异构规则数据输入
使用统一的父分子、质子化与互变异构规则,同时保留可能影响渗透、代谢或离子通道的主要化学状态。
区分理化规则、结构警报和机器学习预测核心分析
区分理化规则、结构警报和机器学习预测;为每个端点记录模型版本、训练端点、单位、适用域和不确定性。
根据项目选择溶解度、渗透、血浆蛋白结合、代谢稳定性、C…核心分析
根据项目选择溶解度、渗透、血浆蛋白结合、代谢稳定性、CYP、转运体、BBB、hERG、AMES、肝毒等端点,不用无关指标堆成总分。
对PAINS、反应性和毒性子结构回看具体SMARTS及…核心分析
对PAINS、反应性和毒性子结构回看具体SMARTS及化学环境;命中用于人工检查,不自动淘汰。
比较同系列分子时检查预测是否在适用域、是否由单一模型驱动结果输出
比较同系列分子时检查预测是否在适用域、是否由单一模型驱动,并以低成本实验优先验证会改变设计方向的端点。
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: "admet-prediction-scaffold-replace-ezt4lx5m"
version: 1
name: "ADMET性质与毒性预测"
domain: "AI药物发现"
description: "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。"
---
# ADMET性质与毒性预测
## 流程图
```mermaid
flowchart TD
n1["使用统一的父分子、质子化与互变异构规则"]
n2["区分理化规则、结构警报和机器学习预测"]
n3["根据项目选择溶解度、渗透、血浆蛋白结合、代谢稳定性、C…"]
n4["对PAINS、反应性和毒性子结构回看具体SMARTS及…"]
n5["比较同系列分子时检查预测是否在适用域、是否由单一模型驱动"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 使用统一的父分子、质子化与互变异构规则 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
使用统一的父分子、质子化与互变异构规则,同时保留可能影响渗透、代谢或离子通道的主要化学状态。
### 区分理化规则、结构警报和机器学习预测 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
区分理化规则、结构警报和机器学习预测;为每个端点记录模型版本、训练端点、单位、适用域和不确定性。
### 根据项目选择溶解度、渗透、血浆蛋白结合、代谢稳定性、C… {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
根据项目选择溶解度、渗透、血浆蛋白结合、代谢稳定性、CYP、转运体、BBB、hERG、AMES、肝毒等端点,不用无关指标堆成总分。
### 对PAINS、反应性和毒性子结构回看具体SMARTS及… {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
对PAINS、反应性和毒性子结构回看具体SMARTS及化学环境;命中用于人工检查,不自动淘汰。
### 比较同系列分子时检查预测是否在适用域、是否由单一模型驱动 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
比较同系列分子时检查预测是否在适用域、是否由单一模型驱动,并以低成本实验优先验证会改变设计方向的端点。
## 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
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。
化合物信息检索与身份核对
AI药物发现当用户按名称、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。