venue-templates
85准备学术投稿材料
学术投稿常常会因为不同投稿场所的格式规则不同而失败。此技能提供模板、要求和示例,帮助更快地准备材料。
分析 DrugBank 研究数据
DrugBank 数据下载、解析以及在研究工作流中的使用都很复杂。此技能可指导结构化查询、相互作用检查、靶点分析和化学属性工作流。
将此请求复制给你的智能体,其中包含权威 Skill 页面和清单。
Review the Skillstore skill "drugbank-database" from https://skillstore.io/skills/k-dense-ai-drugbank-database.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-drugbank-database/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划,并按安全策略请求必要确认。
当 AI Agent、爬虫或脚本需要干净上下文,而不是读取完整页面时,请使用这些链接。
正在使用“drugbank-database”。 查找 warfarin 的核心事实。
预期结果:
一份简洁的药物概况,包含 DrugBank ID、别名、适应症、作用机制、药代动力学说明和外部交叉引用。
正在使用“drugbank-database”。 检查三种患者用药的相互作用。
预期结果:
一份成对相互作用摘要,包含 DrugBank 描述、推断的严重程度标签、缺失数据说明和临床审核警示。
正在使用“drugbank-database”。 查找与 imatinib 相似的药物。
预期结果:
一份排序后的候选列表,包含相似性分数、共享靶点、已知适应症和所用 DrugBank 版本。
Most static findings are false positives from DrugBank XML namespace URIs, Markdown backticks, official API examples, and XML field traversal. No evidence of covert exfiltration, host reconnaissance, command execution, or prompt-injection text was found. Two contextual issues remain: unsafe pickle cache loading in documentation and an instruction that steers users toward the author's hosted product.
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据,不判断该 Skill 是否安全。
https://skillstore.io/skills/k-dense-ai-drugbank-database/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-drugbank-database?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-drugbank-database?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-drugbank-database/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-drugbank-database.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>K-Dense-AI. (2026). drugbank-database security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-drugbank-database/audits/7@techreport{k-dense-ai-k-dense-ai-drugbank-database-2026,
author = {K-Dense-AI},
title = {drugbank-database security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-drugbank-database/audits/7},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "drugbank-database security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-drugbank-database/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-drugbank-database:audit:7"
description: "Skillstore immutable audit report identifier"
每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。
为什么此变体排名第一
k-dense-ai-drugbank-database
2026-09-09
创建标识符、适应症、作用机制、药理学字段和外部数据库链接的结构化摘要。
将用药清单与 DrugBank 相互作用描述进行比较,并生成可供审核的成对发现结果。
使用结构、指纹、靶点重叠和 ADMET 属性来优先筛选研究候选药物。
使用 DrugBank 技能总结 aspirin。包括其 DrugBank ID、名称、适应症、机制、关键标识符和所用数据字段。
使用 DrugBank 相互作用指导来检查 warfarin、aspirin 和 amiodarone。报告每一对药物、相互作用文本、可能的严重程度和审核注意事项。
对于 imatinib,提取靶点、酶、转运蛋白、已知作用、UniProt 标识符和通路。解释每个字段如何支持机制分析。
为激酶抑制剂再利用设计一个可复现的 DrugBank 工作流。包括版本固定、数据提取、相似性分析、靶点重叠和相互作用检查。
作者
K-Dense-AI许可证
Unknown
Skillstore 修订
r1
版本提示
作者未声明版本。
仓库
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/drugbank-database引用
a25199bc7d6b82598536822d1738eb5d5f54025b
维护新鲜度
2026/7/18
使用量
11 次下载 · 213 次浏览
准备学术投稿材料
学术投稿常常会因为不同投稿场所的格式规则不同而失败。此技能提供模板、要求和示例,帮助更快地准备材料。
准备 ISO 13485 认证文档
医疗器械团队必须在认证审核前创建完整的 QMS 文档。此技能提供模板、检查清单和差距分析指导,帮助做好 ISO 13485 准备。
使用 PyTDC 分析治疗领域 ML 数据集
药物发现团队需要可靠的数据集和公平的评估协议。此技能帮助 Claude 使用 PyTDC 获取经过整理的治疗领域 ML 数据、基准划分、指标和分子 oracle。
运行 DiffDock 分子对接
蛋白质-配体对接需要仔细的设置、参数选择和结果解读。此技能可指导 DiffDock 工作流,用于处理构象、置信度评分和筛选。
生成可检验的科学假设
研究人员需要将观察结果转化为清晰、可检验的解释。此技能会组织证据审查、竞争性假设、预测和实验计划。
在统计指导下分析研究数据
选择检验方法和报告结果可能耗时且容易出错。此技能可指导检验选择、假设条件、效应量、功效分析、贝叶斯选项以及 APA 报告。
查询 ChEMBL 药物发现数据
由 davila7
药物发现团队需要快速访问经过整理的化合物、靶点和生物活性数据。此技能指导 Claude、Codex 和 Claude Code 使用 ChEMBL 查询模式。
筛选药物发现分子
由 davila7
化合物库在进入昂贵的审查之前需要一致的初筛。此技能有助于应用药物化学规则、结构警示和批量报告。
使用 DeepChem 构建分子 ML 工作流
由 davila7
分子 ML 项目需要谨慎进行特征化、数据划分和模型选择。此技能为 Claude、Codex 和 Claude Code 提供实用的 DeepChem 工作流,用于开展可靠的实验。
使用 BioServices 分析生物信息学数据
由 davila7
生物信息学工作通常需要在彼此分离的公共数据库之间反复查询。此技能会指导 Claude、Codex 和 Claude Code 完成 BioServices 工作流,用于蛋白质、通路、化合物和标识符相关任务。
查询 PubChem 化学数据
由 davila7
化学研究通常需要可靠的化合物标识符、性质、结构和测定链接。此技能为 Claude、Codex 和 Claude Code 提供使用 PubChemPy 和 PUG-REST 的实用 PubChem 工作流。
查询 KEGG 生物信息学数据
由 davila7
生物信息学工作通常需要来自 KEGG 的通路、基因、化合物和药物映射。此技能可帮助 Claude、Codex 和 Claude Code 查询 KEGG REST APIs 并解读结果。