PharmaAI Skill
智能药物发现工作流，整合数据增强、分子性质预测、毒性预测、ADMET预测和虚拟筛选。
核心功能
1. 分子毒性预测
- hERG心脏毒性: 预测QT间期延长风险 (ROC-AUC 0.852)
- 肝毒性: 预测肝损伤风险
- Ames致突变性: 预测基因突变风险
2. ADMET性质预测
- 溶解度: 水溶性等级预测
- 代谢稳定性: 半衰期预测
- CYP450抑制: 药物相互作用风险
3. 虚拟筛选
- 综合评分系统
- Top N候选筛选
- 分子结构可视化
使用方式
预测单个分子
import { predictMolecule } from './src/commands/predict';
const result = await predictMolecule('CC(C)Cc1ccc(cc1)C(C)C(=O)O');
console.log(result);
// {
// smiles: 'CC(C)Cc1ccc(cc1)C(C)C(=O)O',
// hERG: { risk: 'Low', probability: 0.05 },
// hepatotoxicity: { risk: 'Low', probability: 0.10 },
// ames: { risk: 'Low', probability: 0.05 },
// overall: 'Safe'
// }
批量预测
import { batchPredict } from './src/commands/predict';
const results = await batchPredict([
'CCO',
'CC(C)O',
'c1ccccc1'
]);
虚拟筛选
import { virtualScreen } from './src/commands/screen';
const topCandidates = await virtualScreen('molecules.csv', 10);
模型性能
| 模型 | ROC-AUC | 描述 |
|---|---|---|
| hERG | 0.852 | 心脏毒性预测 |
| 肝毒性 | 1.000 | 肝损伤预测 |
| Ames | 1.000 | 致突变性预测 |
技术架构
User Request
↓
OpenClaw Agent
↓
pharma-ai Skill (Node.js)
↓ [Python Bridge]
Python Core (RDKit + scikit-learn)
↓
Return Result
- Node.js层: Skill接口、命令处理、结果格式化
- Python层: RDKit化学计算、ML模型推理
依赖
- Node.js:
onnxruntime-node(可选ONNX模型) - Python:
rdkit,scikit-learn,pandas,numpy
参考文档
- 详细使用说明:
references/manual.md - 开发路线图:
references/roadmap.md