Codar 预置工作流
化学骨架与SAR分析
当用户需要用Bemis–Murcko骨架、匹配分子对、R基团分解或Free–Wilson模型分析化学系列、构效关系与活性悬崖时使用。
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
提取Bemis–Murcko或项目定义骨架数据输入
提取Bemis–Murcko或项目定义骨架,说明环、连接子和取代基的切分规则,统计每个系列与单例的覆盖。
在同一测定口径内做匹配分子对核心分析
在同一测定口径内做匹配分子对,记录具体结构变换、样本数、活性差方向及不确定性,避免把相关变换重复计数为独立证据。
有共同核心和足够组合覆盖时做R基团分解核心分析
有共同核心和足够组合覆盖时做R基团分解;只有设计近似正交且样本充足时才使用Free–Wilson,检查共线性和未观测组合。
标记活性悬崖并回查测定误差、化合物身份、溶解度和立体化学核心分析
标记活性悬崖并回查测定误差、化合物身份、溶解度和立体化学,再判断是否值得提出机制假设。
将活性、选择性、理化性质和ADMET并排展示结果输出
将活性、选择性、理化性质和ADMET并排展示,形成可合成、可验证的下一轮结构改造,而不是单指标优化。
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-7d4b069d201e-lwtr5cma"
version: 1
name: "化学骨架与SAR分析"
domain: "AI药物发现"
description: "当用户需要用Bemis–Murcko骨架、匹配分子对、R基团分解或Free–Wilson模型分析化学系列、构效关系与活性悬崖时使用。"
---
# 化学骨架与SAR分析
## 流程图
```mermaid
flowchart TD
n1["提取Bemis–Murcko或项目定义骨架"]
n2["在同一测定口径内做匹配分子对"]
n3["有共同核心和足够组合覆盖时做R基团分解"]
n4["标记活性悬崖并回查测定误差、化合物身份、溶解度和立体化学"]
n5["将活性、选择性、理化性质和ADMET并排展示"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 提取Bemis–Murcko或项目定义骨架 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
提取Bemis–Murcko或项目定义骨架,说明环、连接子和取代基的切分规则,统计每个系列与单例的覆盖。
### 在同一测定口径内做匹配分子对 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
在同一测定口径内做匹配分子对,记录具体结构变换、样本数、活性差方向及不确定性,避免把相关变换重复计数为独立证据。
### 有共同核心和足够组合覆盖时做R基团分解 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
有共同核心和足够组合覆盖时做R基团分解;只有设计近似正交且样本充足时才使用Free–Wilson,检查共线性和未观测组合。
### 标记活性悬崖并回查测定误差、化合物身份、溶解度和立体化学 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
标记活性悬崖并回查测定误差、化合物身份、溶解度和立体化学,再判断是否值得提出机制假设。
### 将活性、选择性、理化性质和ADMET并排展示 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
将活性、选择性、理化性质和ADMET并排展示,形成可合成、可验证的下一轮结构改造,而不是单指标优化。
## 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。