Codar 预置工作流
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。
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
将结合亲和力、功能效力、最大效能、拮抗常数和内在活性分…数据输入
将结合亲和力、功能效力、最大效能、拮抗常数和内在活性分开整理,统一单位但保留实验体系。
判定激动、部分激动、拮抗或反向激动时使用适当基线和阳性…核心分析
判定激动、部分激动、拮抗或反向激动时使用适当基线和阳性对照,检查受体组成性活性与信号放大。
偏向性比较必须在同一细胞背景、时间尺度和参考配体下核心分析
偏向性比较必须在同一细胞背景、时间尺度和参考配体下,使用可解释的操作模型估计相对转导系数及不确定性。
亚型选择性同时比较亲和力与功能效应核心分析
亚型选择性同时比较亲和力与功能效应,核对受体表达量、保守口袋和离靶亚型,避免跨平台直接相除。
正构/变构机制结合竞争、饱和、动力学和功能协同性数据结果输出
正构/变构机制结合竞争、饱和、动力学和功能协同性数据;结构模型只用于提出可检验的口袋与构象假设。
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-3ff1730281b2-uucvawkr"
version: 1
name: "GPCR配体药理分析"
domain: "AI药物发现"
description: "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。"
---
# GPCR配体药理分析
## 流程图
```mermaid
flowchart TD
n1["将结合亲和力、功能效力、最大效能、拮抗常数和内在活性分…"]
n2["判定激动、部分激动、拮抗或反向激动时使用适当基线和阳性…"]
n3["偏向性比较必须在同一细胞背景、时间尺度和参考配体下"]
n4["亚型选择性同时比较亲和力与功能效应"]
n5["正构/变构机制结合竞争、饱和、动力学和功能协同性数据"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 将结合亲和力、功能效力、最大效能、拮抗常数和内在活性分… {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
将结合亲和力、功能效力、最大效能、拮抗常数和内在活性分开整理,统一单位但保留实验体系。
### 判定激动、部分激动、拮抗或反向激动时使用适当基线和阳性… {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
判定激动、部分激动、拮抗或反向激动时使用适当基线和阳性对照,检查受体组成性活性与信号放大。
### 偏向性比较必须在同一细胞背景、时间尺度和参考配体下 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
偏向性比较必须在同一细胞背景、时间尺度和参考配体下,使用可解释的操作模型估计相对转导系数及不确定性。
### 亚型选择性同时比较亲和力与功能效应 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
亚型选择性同时比较亲和力与功能效应,核对受体表达量、保守口袋和离靶亚型,避免跨平台直接相除。
### 正构/变构机制结合竞争、饱和、动力学和功能协同性数据 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
正构/变构机制结合竞争、饱和、动力学和功能协同性数据;结构模型只用于提出可检验的口袋与构象假设。
## 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。
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。