Codar 预置工作流
药效团建模与筛选
当用户需要从活性配体或受体结合口袋建立三维药效团,并筛选满足关键空间特征的骨架跃迁候选物时使用。
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
定义氢键供受体、疏水、芳香、电荷等必选与可选特征数据输入
定义氢键供受体、疏水、芳香、电荷等必选与可选特征,设置几何容差、排除体积和允许缺失的特征数。
配体型模型检查活性分子对齐是否由共同结合模式支持核心分析
配体型模型检查活性分子对齐是否由共同结合模式支持;受体型模型检查残基质子化、关键水和口袋构象。
用训练外活性物和性质匹配诱饵评估召回、富集和选择性核心分析
用训练外活性物和性质匹配诱饵评估召回、富集和选择性;根据结果调整特征,但不能反复调到测试集最优。
对候选库枚举合理化学状态与构象核心分析
对候选库枚举合理化学状态与构象,保存每个命中的映射、构象和未满足特征。
用形状、二维骨架、物理碰撞、合成与采购可行性重新排序结果输出
用形状、二维骨架、物理碰撞、合成与采购可行性重新排序,保持化学多样性。
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-cb96c8abc0b1-njl4gpfl"
version: 1
name: "药效团建模与筛选"
domain: "AI药物发现"
description: "当用户需要从活性配体或受体结合口袋建立三维药效团,并筛选满足关键空间特征的骨架跃迁候选物时使用。"
---
# 药效团建模与筛选
## 流程图
```mermaid
flowchart TD
n1["定义氢键供受体、疏水、芳香、电荷等必选与可选特征"]
n2["配体型模型检查活性分子对齐是否由共同结合模式支持"]
n3["用训练外活性物和性质匹配诱饵评估召回、富集和选择性"]
n4["对候选库枚举合理化学状态与构象"]
n5["用形状、二维骨架、物理碰撞、合成与采购可行性重新排序"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 定义氢键供受体、疏水、芳香、电荷等必选与可选特征 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
定义氢键供受体、疏水、芳香、电荷等必选与可选特征,设置几何容差、排除体积和允许缺失的特征数。
### 配体型模型检查活性分子对齐是否由共同结合模式支持 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
配体型模型检查活性分子对齐是否由共同结合模式支持;受体型模型检查残基质子化、关键水和口袋构象。
### 用训练外活性物和性质匹配诱饵评估召回、富集和选择性 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
用训练外活性物和性质匹配诱饵评估召回、富集和选择性;根据结果调整特征,但不能反复调到测试集最优。
### 对候选库枚举合理化学状态与构象 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
对候选库枚举合理化学状态与构象,保存每个命中的映射、构象和未满足特征。
### 用形状、二维骨架、物理碰撞、合成与采购可行性重新排序 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
用形状、二维骨架、物理碰撞、合成与采购可行性重新排序,保持化学多样性。
## 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。