⚗️

medchem

آمن 📁 الوصول إلى نظام الملفات

依藥物相似性規則篩選分子

متاح أيضًا من: K-Dense-AI

篩選大型化合物庫以尋找藥物候選物是一項耗時的工作。此技能應用已確立的藥物化學規則,如 Lipinski 五規則、PAINS 過濾器和結構警示,自動識別有前景的化合物以供進一步研究。

يدعم: Claude Codex Code(CC)
🥉 75 برونزي
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "medchem". Check if these SMILES pass drug-likeness rules: CC(=O)OC1=CC=CC=C1C(=O)O, c1ccccc1

النتيجة المتوقعة:

  • Aspirin (CC(=O)OC1=CC=CC=C1C(=O)O): PASSES Rule of Five, PASSES Veber rules, no PAINS detected
  • Benzene (c1ccccc1): FAILS Rule of Five (MW < 200), no alerts but poor drug candidate

استخدام "medchem". Filter this compound library for leadlike properties with max 400 complexity

النتيجة المتوقعة:

  • Applied leadlike strict filter and Bertz complexity threshold
  • Results: 127 of 500 compounds passed all filters
  • Summary report saved to filtered_compounds_summary.txt

استخدام "medchem". Apply NIBR structural alerts and Lilly demerits to flag problematic molecules

النتيجة المتوقعة:

  • NIBR filter: 89 compounds flagged for structural alerts
  • Lilly demerits: 34 compounds exceed 100 demerits threshold
  • Top alert patterns: anilines, Michael acceptors, reactive carbonyls

التدقيق الأمني

آمن
v5 • 1/17/2026

Pure medicinal chemistry library for molecule filtering. All 286 static findings are false positives: markdown code block delimiters flagged as shell commands, chemical terminology (filter, DES, complexity) mistaken for weak cryptography, and legitimate file I/O for chemical data processing. No network calls, credential access, or malicious behavior detected.

5
الملفات التي تم فحصها
2,256
الأسطر التي تم تحليلها
1
النتائج
5
إجمالي عمليات التدقيق

عوامل الخطر

📁 الوصول إلى نظام الملفات (2)
تم تدقيقه بواسطة: claude عرض سجل التدقيق →

درجة الجودة

64
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
20
المجتمع
100
الأمان
83
الامتثال للمواصفات

ماذا يمكنك بناءه

優先排序虛擬篩選結果

在實驗測試前篩選大型虛擬庫以識別類藥候選物。

支援先導物優化

在先導物優化期間應用更嚴格的標準以改善化合物可開發性。

庫的品質控制

從篩選集合中移除具有反應性基團或已知檢測干擾模式的化合物。

جرّب هذه الموجهات

快速規則檢查
Check if this SMILES [SMILES_STRING] passes the Rule of Five and has no PAINS alerts using medchem.
庫篩選
Filter this list of molecules for drug-likeness. Apply rule of five, rule of cns, and flag any with common structural alerts.
先導物優化
Apply leadlike strict criteria and Lilly demerits filter to these compounds. Report which ones pass all filters.
全面分析
Run a comprehensive medchem analysis on this compound library: apply all relevant rules, check structural alerts, calculate complexity, and generate a summary report.

أفضل الممارسات

  • 對大型庫使用平行化(n_jobs=-1)以加快篩選速度
  • 結合多個過濾器(規則加上結構警示)進行全面品質控制
  • 記錄哪些化合物被篩選以及原因,以確保可重現性

تجنب

  • 盲目接受所有過濾結果而不進行領域知識審查
  • 對所有標靶類別應用相同的過濾器而不進行調整
  • 忽視已上市藥物經常違反標準規則的事實

الأسئلة المتكررة

medchem 是否適用於所有分子格式?
它透過 datamol 庫支援 SMILES 字串、SDF 檔案和包含 SMILES 欄位的 CSV。
大型庫的計算限制是什麼?
處理時間隨分子數量而擴展。在多核心系統上使用 n_jobs=-1 進行平行處理。
medchem 能否與其他化學資訊學工具整合?
是的,它可與 RDKit 分子物件和 pandas DataFrames 整合以進行下游分析。
我的化學資料會被儲存或傳輸到任何地方嗎?
不會,medchem 在本地執行。篩選操作期間不會有資料離開您的機器。
為什麼某些已知藥物無法通過過濾器?
規則是指導原則而非絕對標準。許多藥物違反五規則,特別是天然產物和抗生素。
medchem 與其他篩選工具相比如何?
Medchem 在一個庫中結合多個規則集(Lipinski、Veber、NIBR、Lilly),並支援平行處理。

تفاصيل المطور

بنية الملفات