Fähigkeiten medchem
⚗️

medchem

Sicher ⚙️ Externe Befehle📁 Dateisystemzugriff🌐 Netzwerkzugriff

Moleküle nach Arzneimittelähnlichkeitsregeln filtern

Auch verfügbar von: davila7

Die Arzneimittelentwicklung erfordert das Filtern großer Verbindungsbibliotheken nach arzneimittelähnlichen Eigenschaften. Diese Fähigkeit wendet etablierte medizinisch-chemische Regeln an, einschließlich Rule of Five, Veber und PAINS-Filter, um Verbindungen zu priorisieren und strukturelle Warnmeldungen effizient zu identifizieren.

Unterstützt: Claude Codex Code(CC)
🥉 75 Bronze
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "medchem". Diese SMILES-Liste auf Arzneimittelähnlichkeit filtern: CC(=O)OC1=CC=CC=C1C(=O)O, c1ccccc1, CCN

Erwartetes Ergebnis:

  • Aspirin: Besteht Rule of Five
  • Benzol: Besteht Ro5, erfüllt aber H-Bindungsdonor-/Akzeptor-Anforderungen nicht
  • Ethylamin: Besteht Rule of Five
  • Zusammenfassung: 2 von 3 Molekülen erfüllen Arzneimittelähnlichkeitskriterien

Verwendung von "medchem". Auf PAINS-Muster in diesen Molekülen prüfen

Erwartetes Ergebnis:

  • Keine PAINS-Muster im ersten Molekül erkannt
  • Zweites Molekül enthält Rhodanine-Substruktur (PAINS-Warnmeldung)
  • Drittes Molekül wegen Catechol-Muster markiert

Sicherheitsaudit

Sicher
v4 • 1/17/2026

All 288 static findings are false positives. The static analyzer misidentified markdown code fences (backticks) as shell execution, Python file operations as Node.js fs, medicinal chemistry terminology (MD5, DES) as cryptographic weaknesses, and molecule validation as reconnaissance. This is a legitimate drug discovery library with no malicious code.

5
Gescannte Dateien
3,480
Analysierte Zeilen
3
befunde
4
Gesamtzahl Audits

Risikofaktoren

⚙️ Externe Befehle (3)
SKILL.md:27-396 references/api_guide.md:12-581 references/rules_catalog.md:31-577
📁 Dateisystemzugriff (1)
scripts/filter_molecules.py:209-392
🌐 Netzwerkzugriff (1)
SKILL.md:402-403
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

64
Architektur
100
Wartbarkeit
85
Inhalt
20
Community
100
Sicherheit
83
Spezifikationskonformität

Was du bauen kannst

Lead-Verbindungen priorisieren

Virtuelle Screening-Treffer filtern, um arzneimittelähnliche Kandidaten für die Synthese zu identifizieren.

Verbindungsqualität bewerten

Synthetisierte Verbindungen anhand etablierter medizinisch-chemischer Regeln bewerten.

Bibliotheksdesign

Fokussierte Verbindungsbibliotheken mit optimalen physikochemischen Eigenschaften entwerfen.

Probiere diese Prompts

Grundlegendes Filtern 
Diese Liste von SMILES mit der Rule of Five filtern und Verbindungen identifizieren, die bestehen.
Strukturelle Warnmeldungen 
Diese Moleküle auf PAINS-Muster und häufige strukturelle Warnmeldungen überprüfen. Gefundene Warnmeldungen melden.
Lead-Optimierung 
Lead-ähnliche Kriterien und Lilly-Demerits-Filter anwenden, um Verbindungen für die Optimierung zu priorisieren.
Umfassende Analyse 
Mehrere Filter anwenden, einschließlich Rule of Five, NIBR-Filter und Komplexitätsmetriken auf meine Verbindungsbibliothek.

Bewährte Verfahren

  • Mehrere Filtertypen für umfassende Bewertung kombinieren
  • Parallele Verarbeitung für große Verbindungsbibliotheken verwenden
  • Filterentscheidungen für Reproduzierbarkeit dokumentieren

Vermeiden

  • Verblindend Verbindungen nur basierend auf Regel-Bestehen/-Nichtbestehen akzeptieren oder ablehnen
  • Strukturelle Warnmeldungen zugunsten von rein regelbasierten Eigenschaftsfiltern ignorieren
  • Strenge Filter zu früh in der Entdeckungspipeline anwenden

Häufig gestellte Fragen

Was ist die Rule of Five?
Lipinskis Rule of Five sagt die orale Bioverfügbarkeit basierend auf MW ≤ 500, LogP ≤ 5, HBD ≤ 5, HBA ≤ 10 voraus.
Was sind PAINS-Filter?
Pan Assay Interference Compounds sind Moleküle, die Aktivität durch unspezifische Mechanismen zeigen.
Kann ich dies für kovalentes Inhibitor-Design verwenden?
Ja, die Fähigkeit kann Michael-Akzeptoren und andere reaktive Gruppen für kovalente Inhibitoren identifizieren.
Welche Dateiformate werden unterstützt?
Unterstützte Eingabeformate umfassen CSV, TSV, SDF und einfache Textdateien mit SMILES.
Erfordert dies RDKit?
Ja, medchem ist auf RDKit für molekulare Operationen angewiesen. Installieren Sie es via pip install medchem.
Wie sind Ergebnisse strukturiert?
Ergebnisse umfassen Bestanden-/Nichtbestanden-Status für jede Regel, detaillierte Verstöße und Demerit-Scores.

Entwicklerdetails

Lizenz

Apache-2.0 license

Repository

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/medchem

Ref

main

Dateistruktur

📁 references/

📄 api_guide.md

📄 rules_catalog.md

📁 scripts/

📄 filter_molecules.py

📄 SKILL.md