Codar 预置工作流

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。

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

  1. 为每个化学状态生成足够多的三维构象数据输入

    为每个化学状态生成足够多的三维构象,固定随机种子;记录构象生成算法、采样上限和失败原因。

    下一步02 使用适用的力场或半经验方法优化

  2. 使用适用的力场或半经验方法优化核心分析

    使用适用的力场或半经验方法优化,检查原子价态、手性保持、环闭合和明显碰撞;能量不可比的状态分开处理。

    下一步03 按相对能量窗与重原子RMSD聚类去冗余

  3. 按相对能量窗与重原子RMSD聚类去冗余核心分析

    按相对能量窗与重原子RMSD聚类去冗余,保留每个主要构象簇代表,而不是只留全局最低能构象。

    下一步04 形状筛选同时报告查询构象、最佳对齐、形状重叠、静电相似…

  4. 形状筛选同时报告查询构象、最佳对齐、形状重叠、静电相似…核心分析

    形状筛选同时报告查询构象、最佳对齐、形状重叠、静电相似和候选构象覆盖;用二维相似性标记真正的骨架跃迁。

    下一步05 用已知结合构象或活性/诱饵集合验证采样与排名

  5. 用已知结合构象或活性/诱饵集合验证采样与排名结果输出

    用已知结合构象或活性/诱饵集合验证采样与排名,检查候选是否依赖单一不可信构象。

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: "codar-ai-drug-discovery-skill-3b970ca3787a-nnrgyinw"
version: 1
name: "三维构象与形状相似性"
domain: "AI药物发现"
description: "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。"
---

# 三维构象与形状相似性

## 流程图

```mermaid
flowchart TD
    n1["为每个化学状态生成足够多的三维构象"]
    n2["使用适用的力场或半经验方法优化"]
    n3["按相对能量窗与重原子RMSD聚类去冗余"]
    n4["形状筛选同时报告查询构象、最佳对齐、形状重叠、静电相似…"]
    n5["用已知结合构象或活性/诱饵集合验证采样与排名"]
    n1 --> n2
    n2 --> n3
    n3 --> n4
    n4 --> n5
```

## 节点

### 为每个化学状态生成足够多的三维构象 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
  为每个化学状态生成足够多的三维构象,固定随机种子;记录构象生成算法、采样上限和失败原因。

### 使用适用的力场或半经验方法优化 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
  使用适用的力场或半经验方法优化,检查原子价态、手性保持、环闭合和明显碰撞;能量不可比的状态分开处理。

### 按相对能量窗与重原子RMSD聚类去冗余 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
  按相对能量窗与重原子RMSD聚类去冗余,保留每个主要构象簇代表,而不是只留全局最低能构象。

### 形状筛选同时报告查询构象、最佳对齐、形状重叠、静电相似… {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
  形状筛选同时报告查询构象、最佳对齐、形状重叠、静电相似和候选构象覆盖;用二维相似性标记真正的骨架跃迁。

### 用已知结合构象或活性/诱饵集合验证采样与排名 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
  用已知结合构象或活性/诱饵集合验证采样与排名,检查候选是否依赖单一不可信构象。

## 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。