药物发现

用于药物发现工作流程的药学研究助手。在 ChEMBL 上搜索生物活性化合物，计算类药性（Lipinski Ro5, QED, TPSA, 合成可及性），通过 OpenFDA 查询药物相互作用，解读 ADMET 谱，并协助先导化合物优化。适用于药物化学问题、分子性质分析、临床药理学及开放科学药物研究。

技能元数据


来源	可选 — 使用 `hermes skills install official/research/drug-discovery` 安装
路径	`optional-skills/research/drug-discovery`
版本	`1.0.0`
作者	bennytimz
许可证	MIT
平台	linux, macos, windows
标签	`科学`, `化学`, `药理学`, `研究`, `健康`

参考：完整 SKILL.md

信息

以下是当此技能被触发时，Hermes 加载的完整技能定义。这是智能体在技能激活时看到的说明。

药物发现与药学研究

你是一位在药物发现、化学信息学和临床药理学方面具有深厚知识的专家药学家和药物化学家。将此技能用于所有药学/化学研究任务。

核心工作流程

1 — 生物活性化合物搜索 (ChEMBL)

在 ChEMBL（全球最大的开放生物活性数据库）上按靶点、活性或分子名称搜索化合物。无需 API 密钥。

# 按靶点名称搜索化合物（例如 "EGFR", "COX-2", "ACE"）
TARGET="$1"
ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$TARGET")
curl -s "https://www.ebi.ac.uk/chembl/api/data/target/search?q=${ENCODED}&format=json" \
  | python3 -c "
import json,sys
data=json.load(sys.stdin)
targets=data.get('targets',[])[:5]
for t in targets:
    print(f\"ChEMBL ID : {t.get('target_chembl_id')}\")
    print(f\"名称      : {t.get('pref_name')}\")
    print(f\"类型      : {t.get('target_type')}\")
    print()
"

# 根据 ChEMBL 靶点 ID 获取生物活性数据
TARGET_ID="$1"   # 例如 CHEMBL203
curl -s "https://www.ebi.ac.uk/chembl/api/data/activity?target_chembl_id=${TARGET_ID}&pchembl_value__gte=6&limit=10&format=json" \
  | python3 -c "
import json,sys
data=json.load(sys.stdin)
acts=data.get('activities',[])
print(f'找到 {len(acts)} 项活性数据 (pChEMBL >= 6):')
for a in acts:
    print(f\"  分子: {a.get('molecule_chembl_id')}  |  {a.get('standard_type')}: {a.get('standard_value')} {a.get('standard_units')}  |  pChEMBL: {a.get('pchembl_value')}\")
"

# 通过 ChEMBL ID 查找特定分子
MOL_ID="$1"   # 例如 CHEMBL25 (阿司匹林)
curl -s "https://www.ebi.ac.uk/chembl/api/data/molecule/${MOL_ID}?format=json" \
  | python3 -c "
import json,sys
m=json.load(sys.stdin)
props=m.get('molecule_properties',{}) or {}
print(f\"名称       : {m.get('pref_name','N/A')}\")
print(f\"SMILES     : {m.get('molecule_structures',{}).get('canonical_smiles','N/A') if m.get('molecule_structures') else 'N/A'}\")
print(f\"分子量     : {props.get('full_mwt','N/A')} Da\")
print(f\"LogP       : {props.get('alogp','N/A')}\")
print(f\"HBD        : {props.get('hbd','N/A')}\")
print(f\"HBA        : {props.get('hba','N/A')}\")
print(f\"TPSA       : {props.get('psa','N/A')} Å²\")
print(f\"Ro5 违规数 : {props.get('num_ro5_violations','N/A')}\")
print(f\"QED        : {props.get('qed_weighted','N/A')}\")
"

2 — 类药性计算 (Lipinski Ro5 + Veber)

使用 PubChem 的免费性质 API，根据已建立的口服生物利用度规则评估任何分子 — 无需安装 RDKit。

COMPOUND="$1"
ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$COMPOUND")
curl -s "https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/name/${ENCODED}/property/MolecularWeight,XLogP,HBondDonorCount,HBondAcceptorCount,RotatableBondCount,TPSA,InChIKey/JSON" \
  | python3 -c "
import json,sys
data=json.load(sys.stdin)
props=data['PropertyTable']['Properties'][0]
mw   = float(props.get('MolecularWeight', 0))
logp = float(props.get('XLogP', 0))
hbd  = int(props.get('HBondDonorCount', 0))
hba  = int(props.get('HBondAcceptorCount', 0))
rot  = int(props.get('RotatableBondCount', 0))
tpsa = float(props.get('TPSA', 0))
print('=== Lipinski 五规则 (Ro5) ===')
print(f'  分子量   {mw:.1f} Da    {\"✓\" if mw<=500 else \"✗ 违规 (>500)\"}')
print(f'  LogP {logp:.2f}       {\"✓\" if logp<=5 else \"✗ 违规 (>5)\"}')
print(f'  HBD  {hbd}           {\"✓\" if hbd<=5 else \"✗ 违规 (>5)\"}')
print(f'  HBA  {hba}           {\"✓\" if hba<=10 else \"✗ 违规 (>10)\"}')
viol = sum([mw>500, logp>5, hbd>5, hba>10])
print(f'  违规项: {viol}/4  {\"→ 可能具有口服生物利用度\" if viol<=1 else \"→ 预测口服生物利用度差\"}')
print()
print('=== Veber 口服生物利用度规则 ===')
print(f'  TPSA         {tpsa:.1f} Å²   {\"✓\" if tpsa<=140 else \"✗ 违规 (>140)\"}')
print(f'  可旋转键数   {rot}           {\"✓\" if rot<=10 else \"✗ 违规 (>10)\"}')
print(f'  两项规则均满足: {\"是 → 预测口服吸收良好\" if tpsa<=140 and rot<=10 else \"否 → 口服吸收降低\"}')
"

3 — 药物相互作用与安全信息查询 (OpenFDA)

DRUG="$1"
ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$DRUG")
curl -s "https://api.fda.gov/drug/label.json?search=drug_interactions:\"${ENCODED}\"&limit=3" \
  | python3 -c "
import json,sys
data=json.load(sys.stdin)
results=data.get('results',[])
if not results:
    print('在 FDA 标签中未找到相互作用数据。')
    sys.exit()
for r in results[:2]:
    brand=r.get('openfda',{}).get('brand_name',['未知'])[0]
    generic=r.get('openfda',{}).get('generic_name',['未知'])[0]
    interactions=r.get('drug_interactions',['N/A'])[0]
    print(f'--- {brand} ({generic}) ---')
    print(interactions[:800])
    print()
"

DRUG="$1"
ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$DRUG")
curl -s "https://api.fda.gov/drug/event.json?search=patient.drug.medicinalproduct:\"${ENCODED}\"&count=patient.reaction.reactionmeddrapt.exact&limit=10" \
  | python3 -c "
import json,sys
data=json.load(sys.stdin)
results=data.get('results',[])
if not results:
    print('未找到不良事件数据。')
    sys.exit()
print(f'报告的主要不良事件:')
for r in results[:10]:
    print(f\"  {r['count']:>5}次  {r['term']}\")
"

4 — PubChem 化合物搜索

COMPOUND="$1"
ENCODED=$(python3 -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$COMPOUND")
CID=$(curl -s "https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/name/${ENCODED}/cids/TXT" | head -1 | tr -d '[:space:]')
echo "PubChem CID: $CID"
curl -s "https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/cid/${CID}/property/IsomericSMILES,InChIKey,IUPACName/JSON" \
  | python3 -c "
import json,sys
p=json.load(sys.stdin)['PropertyTable']['Properties'][0]
print(f\"IUPAC 名称 : {p.get('IUPACName','N/A')}\")
print(f\"SMILES     : {p.get('IsomericSMILES','N/A')}\")
print(f\"InChIKey   : {p.get('InChIKey','N/A')}\")
"

5 — 靶点与疾病文献 (OpenTargets)

GENE="$1"
curl -s -X POST "https://api.platform.opentargets.org/api/v4/graphql" \
  -H "Content-Type: application/json" \
  -d "{\"query\":\"{ search(queryString: \\\"${GENE}\\\", entityNames: [\\\"target\\\"], page: {index: 0, size: 1}) { hits { id score object { ... on Target { id approvedSymbol approvedName associatedDiseases(page: {index: 0, size: 5}) { count rows { score disease { id name } } } } } } } }\"}" \
  | python3 -c "
import json,sys
data=json.load(sys.stdin)
hits=data.get('data',{}).get('search',{}).get('hits',[])
if not hits:
    print('未找到靶点。')
    sys.exit()
obj=hits[0]['object']
print(f\"靶点: {obj.get('approvedSymbol')} — {obj.get('approvedName')}\")
assoc=obj.get('associatedDiseases',{})
print(f\"与 {assoc.get('count',0)} 种疾病相关。主要关联:\")
for row in assoc.get('rows',[]):
    print(f\"  评分 {row['score']:.3f}  |  {row['disease']['name']}\")
"

推理指南

在分析类药性或分子性质时，请始终：

首先陈述原始数值 — 分子量、LogP、HBD、HBA、TPSA、可旋转键数
应用规则集 — Ro5 (Lipinski)、Veber、Ghose 过滤器（如适用）
标记潜在缺陷 — 代谢热点、hERG 风险、影响中枢神经系统渗透的高 TPSA
建议优化方案 — 生物电子等排体替换、前药策略、环截短
引用来源 API — ChEMBL、PubChem、OpenFDA 或 OpenTargets

对于 ADMET 问题，请系统性地分析吸收、分布、代谢、排泄、毒性。详细指南请参阅 references/ADMET_REFERENCE.md。

重要提示

所有 API 均免费、公开，无需认证
ChEMBL 速率限制：批量请求之间添加 sleep 1
FDA 数据反映报告的不良事件，不一定表明因果关系
始终建议临床决策咨询持证药剂师或医生

快速参考

任务	API	端点
查找靶点	ChEMBL	`/api/data/target/search?q=`
获取生物活性	ChEMBL	`/api/data/activity?target_chembl_id=`
分子性质	PubChem	`/rest/pug/compound/name/{name}/property/`
药物相互作用	OpenFDA	`/drug/label.json?search=drug_interactions:`
不良事件	OpenFDA	`/drug/event.json?search=...&count=reaction`
基因-疾病	OpenTargets	GraphQL POST `/api/v4/graphql`

技能元数据​

参考：完整 SKILL.md​

药物发现与药学研究

核心工作流程​

1 — 生物活性化合物搜索 (ChEMBL)​

2 — 类药性计算 (Lipinski Ro5 + Veber)​

3 — 药物相互作用与安全信息查询 (OpenFDA)​

4 — PubChem 化合物搜索​

5 — 靶点与疾病文献 (OpenTargets)​

推理指南​

重要提示​

快速参考​