rdkit
使用 RDKit 進行分子化學資訊分析
Auch verfügbar von: K-Dense-AI
RDKit 是一個強大的開源化學資訊庫，可用於分子分析。此技能提供全面的指導，包括計算分子性質、執行相似性搜索、按子結構篩選化合物，以及視覺化化學結構。
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "rdkit". Analyze aspirin (CC(=O)Oc1ccccc1C(=O)O) for drug-likeness
Erwartetes Ergebnis:
- Molecular Weight: 180.16 g/mol
- LogP: 1.19
- TPSA: 63.60 A²
- H-Bond Donors: 1
- H-Bond Acceptors: 3
- QED Score: 0.79
- Lipinski Pass: Yes (all criteria met)
Verwendung von "rdkit". Find molecules similar to benzene (c1ccccc1) with Tanimoto similarity above 0.6
Erwartetes Ergebnis:
- Rank 1: Toluene (CC1=CC=CC=C1) - Similarity: 0.89
- Rank 2: Phenol (OC1=CC=CC=C1) - Similarity: 0.78
- Rank 3: Aniline (NC1=CC=CC=C1) - Similarity: 0.71
- Rank 4: Benzonitrile (N#CC1=CC=CC=C1) - Similarity: 0.65
Sicherheitsaudit
SicherThis is a legitimate RDKit cheminformatics skill containing documentation, API references, and example scripts. All 900 static findings are FALSE POSITIVES caused by the scanner's inability to distinguish between: (1) markdown code fences and shell backticks, (2) chemistry terminology (C2, C3 carbons) and crypto/C2 malware, (3) CSV file output and credential files, and (4) SMARTS patterns and command injection. The Python scripts only perform standard cheminformatics operations: reading/writing molecular files (SDF, SMILES), calculating molecular descriptors, and performing substructure searches.
Risikofaktoren
Qualitätsbewertung
Was du bauen kannst
類藥性篩選
計算分子性質並根據 Lipinski 五規則標準篩選化合物，用於藥物開發項目
相似性搜索
使用指紋相似性指標在化合物庫中查找相似分子，用於虛擬篩選
子結構篩選
使用 SMARTS 模式按官能團或不需要的子結構篩選大型分子數據集
Probiere diese Prompts
Calculate molecular weight, LogP, TPSA, hydrogen bond donors and acceptors, and drug-likeness for the SMILES: CC(=O)Oc1ccccc1C(=O)O
Find molecules similar to caffeine (SMILES: CN1C=NC2=C1C(=O)N(C(=O)N2C)C) with Tanimoto similarity above 0.7 using Morgan fingerprints
Identify all molecules containing a carboxylic acid group (SMARTS: C(=O)[OH]) from the provided SMILES list or SDF file
Calculate QED score and check Lipinski compliance for this set of molecules. Report MW, LogP, HBD, HBA, TPSA, and which compounds pass all four rules
Bewährte Verfahren
- 解析分子時務必檢查 None - 無效的 SMILES 會返回 None
- 對於大型數據集，使用批次操作和 MultithreadedSDMolSupplier 來提高效能
- 在應用到大型庫之前，先在已知分子上驗證 SMARTS 模式
Vermeiden
- 跳過 MolFromSmiles() 後的 None 檢查會導致靜默失敗
- 處理大型 SDF 文件時不使用 ForwardSDMolSupplier 會導致記憶體問題
- 在可能損壞的分子資料上使用預設 sanitization 而沒有錯誤處理