Codar 预置工作流
候选化合物毒理风险评估
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。
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
按结构身份和暴露口径整理离子通道、遗传毒性、肝毒性、线…数据输入
按结构身份和暴露口径整理离子通道、遗传毒性、肝毒性、线粒体、免疫、反应性代谢物及其他器官端点,不能混合母体、代谢物或不同盐型。
为体外结果记录游离浓度、细胞体系、时间、细胞毒背景和阴…核心分析
为体外结果记录游离浓度、细胞体系、时间、细胞毒背景和阴阳性对照,检查选择性与重复性。
将分子起始事件、细胞反应、毒理组学、临床化学、组织病理…核心分析
将分子起始事件、细胞反应、毒理组学、临床化学、组织病理和器官结局按时间与剂量串联,明确支持与反驳证据。
用游离Cmax/AUC和组织暴露比较体外与动物结果核心分析
用游离Cmax/AUC和组织暴露比较体外与动物结果,评估安全窗、物种代谢差异、可逆性和暴露是否充分。
与备选化学系列比较结构结果输出
与备选化学系列比较结构—毒性关系,提出可验证的去风险改造、确认实验和预设停止条件。
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-453f712bccd5-j3ogfllt"
version: 1
name: "候选化合物毒理风险评估"
domain: "AI药物发现"
description: "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。"
---
# 候选化合物毒理风险评估
## 流程图
```mermaid
flowchart TD
n1["按结构身份和暴露口径整理离子通道、遗传毒性、肝毒性、线…"]
n2["为体外结果记录游离浓度、细胞体系、时间、细胞毒背景和阴…"]
n3["将分子起始事件、细胞反应、毒理组学、临床化学、组织病理…"]
n4["用游离Cmax/AUC和组织暴露比较体外与动物结果"]
n5["与备选化学系列比较结构"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 按结构身份和暴露口径整理离子通道、遗传毒性、肝毒性、线… {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
按结构身份和暴露口径整理离子通道、遗传毒性、肝毒性、线粒体、免疫、反应性代谢物及其他器官端点,不能混合母体、代谢物或不同盐型。
### 为体外结果记录游离浓度、细胞体系、时间、细胞毒背景和阴… {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
为体外结果记录游离浓度、细胞体系、时间、细胞毒背景和阴阳性对照,检查选择性与重复性。
### 将分子起始事件、细胞反应、毒理组学、临床化学、组织病理… {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
将分子起始事件、细胞反应、毒理组学、临床化学、组织病理和器官结局按时间与剂量串联,明确支持与反驳证据。
### 用游离Cmax/AUC和组织暴露比较体外与动物结果 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
用游离Cmax/AUC和组织暴露比较体外与动物结果,评估安全窗、物种代谢差异、可逆性和暴露是否充分。
### 与备选化学系列比较结构 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
与备选化学系列比较结构—毒性关系,提出可验证的去风险改造、确认实验和预设停止条件。
## 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。
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。