Codar 预置工作流
QSAR与QSPR建模
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。
AI药物发现6 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6 步
按部署场景选择骨架、时间、化学系列或真正外部拆分数据输入
按部署场景选择骨架、时间、化学系列或真正外部拆分;随机拆分只可作为补充基线。
所有标准化、缺失填补、特征选择和超参数搜索都限制在训练…核心分析
所有标准化、缺失填补、特征选择和超参数搜索都限制在训练折内;相同或近重复分子不得跨训练与测试。
先训练简单描述符、Morgan指纹和线性/树模型基线核心分析
先训练简单描述符、Morgan指纹和线性/树模型基线,再在同一拆分上比较GNN或预训练表示。
回归报告MAE/RMSE、相关与校准核心分析
回归报告MAE/RMSE、相关与校准,分类报告ROC-AUC之外同时给PR-AUC、灵敏度、特异度和阈值;保留重复种子或嵌套验证分布。
定义适用域与不确定性核心分析
定义适用域与不确定性,按骨架、性质区间和化学类型分析误差;域外分子应拒绝或显著警告。
最终用未参与选择的外部集或前瞻实验验证结果输出
最终用未参与选择的外部集或前瞻实验验证,并保存数据版本、模型、特征器和环境。
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: "qsar-modeling-scaffold-replace-riitmdwe"
version: 1
name: "QSAR与QSPR建模"
domain: "AI药物发现"
description: "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。"
---
# QSAR与QSPR建模
## 流程图
```mermaid
flowchart TD
n1["按部署场景选择骨架、时间、化学系列或真正外部拆分"]
n2["所有标准化、缺失填补、特征选择和超参数搜索都限制在训练…"]
n3["先训练简单描述符、Morgan指纹和线性/树模型基线"]
n4["回归报告MAE/RMSE、相关与校准"]
n5["定义适用域与不确定性"]
n6["最终用未参与选择的外部集或前瞻实验验证"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
n5 --> n6
```
## 节点
### 按部署场景选择骨架、时间、化学系列或真正外部拆分 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
按部署场景选择骨架、时间、化学系列或真正外部拆分;随机拆分只可作为补充基线。
### 所有标准化、缺失填补、特征选择和超参数搜索都限制在训练… {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
所有标准化、缺失填补、特征选择和超参数搜索都限制在训练折内;相同或近重复分子不得跨训练与测试。
### 先训练简单描述符、Morgan指纹和线性/树模型基线 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
先训练简单描述符、Morgan指纹和线性/树模型基线,再在同一拆分上比较GNN或预训练表示。
### 回归报告MAE/RMSE、相关与校准 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
回归报告MAE/RMSE、相关与校准,分类报告ROC-AUC之外同时给PR-AUC、灵敏度、特异度和阈值;保留重复种子或嵌套验证分布。
### 定义适用域与不确定性 {#n5}
- 类别: 核心分析
- 位置: 40, 584
- 说明: |
定义适用域与不确定性,按骨架、性质区间和化学类型分析误差;域外分子应拒绝或显著警告。
### 最终用未参与选择的外部集或前瞻实验验证 {#n6}
- 类别: 结果输出
- 位置: 40, 720
- 说明: |
最终用未参与选择的外部集或前瞻实验验证,并保存数据版本、模型、特征器和环境。
## 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。
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。