Codar 预置工作流
结构基础虚拟筛选
当用户需要围绕蛋白质口袋,对化合物库执行受体准备、分阶段对接/重评分、富集验证和实验命中选择时使用。
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
评估受体分辨率、缺失环、质子化、金属、关键水和口袋状态数据输入
评估受体分辨率、缺失环、质子化、金属、关键水和口袋状态;需要时构建多个有生物学依据的受体构象。
统一配体标准化核心分析
统一配体标准化,枚举合理质子化、互变异构和立体状态,过滤无法处理的元素与明显反应性结构并记录原因。
用活性物与诱饵验证网格和流程核心分析
用活性物与诱饵验证网格和流程,报告早期富集、排名稳定性与结构泄漏;验证不合格时先修正流程。
分阶段进行快速筛选、精细对接、独立重评分和姿势物理检查核心分析
分阶段进行快速筛选、精细对接、独立重评分和姿势物理检查,记录每一层输入、输出和阈值。
按化学系列、多样性、相互作用假设、ADMET、可采购性…结果输出
按化学系列、多样性、相互作用假设、ADMET、可采购性和合成可行性选择实验候选,不只取单一最高分。
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: "virtual-screening-scaffold-replace-ls4annxp"
version: 1
name: "结构基础虚拟筛选"
domain: "AI药物发现"
description: "当用户需要围绕蛋白质口袋,对化合物库执行受体准备、分阶段对接/重评分、富集验证和实验命中选择时使用。"
---
# 结构基础虚拟筛选
## 流程图
```mermaid
flowchart TD
n1["评估受体分辨率、缺失环、质子化、金属、关键水和口袋状态"]
n2["统一配体标准化"]
n3["用活性物与诱饵验证网格和流程"]
n4["分阶段进行快速筛选、精细对接、独立重评分和姿势物理检查"]
n5["按化学系列、多样性、相互作用假设、ADMET、可采购性…"]
n1 --> n2
n2 --> n3
n3 --> n4
n4 --> n5
```
## 节点
### 评估受体分辨率、缺失环、质子化、金属、关键水和口袋状态 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
评估受体分辨率、缺失环、质子化、金属、关键水和口袋状态;需要时构建多个有生物学依据的受体构象。
### 统一配体标准化 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
统一配体标准化,枚举合理质子化、互变异构和立体状态,过滤无法处理的元素与明显反应性结构并记录原因。
### 用活性物与诱饵验证网格和流程 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
用活性物与诱饵验证网格和流程,报告早期富集、排名稳定性与结构泄漏;验证不合格时先修正流程。
### 分阶段进行快速筛选、精细对接、独立重评分和姿势物理检查 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
分阶段进行快速筛选、精细对接、独立重评分和姿势物理检查,记录每一层输入、输出和阈值。
### 按化学系列、多样性、相互作用假设、ADMET、可采购性… {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
按化学系列、多样性、相互作用假设、ADMET、可采购性和合成可行性选择实验候选,不只取单一最高分。
## 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。