Codar 预置工作流
药物靶点证据整合与验证
当用户需要综合疾病关联、人类遗传、功能实验、可成药性、安全性、结构和临床先例,对候选药物靶点作GO/NO-GO判断时使用。
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
核对靶点身份和疾病定义数据输入
核对靶点身份和疾病定义,明确基因—疾病效应方向、组织与细胞类型,处理同源蛋白和命名歧义。
分开整理人类遗传、患者组学、扰动实验、动物模型和临床证据核心分析
分开整理人类遗传、患者组学、扰动实验、动物模型和临床证据;为每项记录因果接近度、方向、模型适用性和重复性。
评估口袋、已知配体、抗体或其他模态的可成药性核心分析
评估口袋、已知配体、抗体或其他模态的可成药性,同时检查同源选择性、正常组织表达、遗传耐受性和机制性安全风险。
检查已有药物或临床项目的成功与失败原因核心分析
检查已有药物或临床项目的成功与失败原因,区分靶点失败、分子失败、剂量/暴露不足和试验设计问题。
按预先声明的权重生成证据矩阵结果输出
按预先声明的权重生成证据矩阵;冲突证据不以总分掩盖,单列会改变决策的关键假设与补充实验。
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-fe472e506807-icr55deq"
version: 1
name: "药物靶点证据整合与验证"
domain: "AI药物发现"
description: "当用户需要综合疾病关联、人类遗传、功能实验、可成药性、安全性、结构和临床先例,对候选药物靶点作GO/NO-GO判断时使用。"
---
# 药物靶点证据整合与验证
## 流程图
```mermaid
flowchart TD
n1["核对靶点身份和疾病定义"]
n2["分开整理人类遗传、患者组学、扰动实验、动物模型和临床证据"]
n3["评估口袋、已知配体、抗体或其他模态的可成药性"]
n4["检查已有药物或临床项目的成功与失败原因"]
n5["按预先声明的权重生成证据矩阵"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 核对靶点身份和疾病定义 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
核对靶点身份和疾病定义,明确基因—疾病效应方向、组织与细胞类型,处理同源蛋白和命名歧义。
### 分开整理人类遗传、患者组学、扰动实验、动物模型和临床证据 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
分开整理人类遗传、患者组学、扰动实验、动物模型和临床证据;为每项记录因果接近度、方向、模型适用性和重复性。
### 评估口袋、已知配体、抗体或其他模态的可成药性 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
评估口袋、已知配体、抗体或其他模态的可成药性,同时检查同源选择性、正常组织表达、遗传耐受性和机制性安全风险。
### 检查已有药物或临床项目的成功与失败原因 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
检查已有药物或临床项目的成功与失败原因,区分靶点失败、分子失败、剂量/暴露不足和试验设计问题。
### 按预先声明的权重生成证据矩阵 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
按预先声明的权重生成证据矩阵;冲突证据不以总分掩盖,单列会改变决策的关键假设与补充实验。
## 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。