Coding

药物组合协同分析(Drug Combination Synergy Analysis)

Try it

分析药物组合机制、协同证据与联合开发策略

What it does

分析药物组合机制、协同证据与联合开发策略。适用于:研究两个或多个药物的互补机制、协同证据、耐药克服逻辑和组合开发策略,用于联合用药假设形成和实验优先级排序。

The skill document

适用场景

  • 两种小分子药物(天然产物、化学药、中药单体)的协同抗肿瘤/抗炎/抗菌等作用探究
  • 需要快速梳理联用文献证据、ADMET互补性、机制靶点覆盖差异
  • 需要生成实验设计方案(体外CI测定→体内动物模型→制剂优化)
  • 需要输出可直接投递或汇报的Word文档报告

输入参数

参数说明示例
drug_A药物A名称(中英文均可)或SMILES肉桂酸 / Cinnamic Acid
drug_B药物B名称(中英文均可)或SMILES黄连素 / Berberine
indication探究的适应症/疾病领域抗肿瘤 / anti-tumor
tumor_types(可选)具体肿瘤类型,逗号分隔肝癌, 乳腺癌, 肺癌
output_lang报告语言cn(中文,默认)/ en

工作流步骤

Step 1:实体标准化与SMILES获取

工具mcp_virtual-mcp-pharma-intelligence__ls_ner_nor_normalize

  • 输入两个药物名称,获取标准化实体ID、规范英文名
  • 若用户仅提供名称而非SMILES,通过结构检索获取SMILES

操作要点

user_input = "{drug_A} {drug_B} {indication}"
→ 提取 Drug / Disease 实体
→ 记录 normalized_id 供后续检索

Step 2:化学结构检索与SMILES获取

工具mcp_virtual-mcp-pharma-intelligence__ls_drug_fetch
备用mcp_tool-collection-chemical-molecular__ls_structure_search

  • 通过标准化药物名或ID获取 canonical SMILES
  • 渲染分子结构(在报告中用 ```smiles 代码块展示)

Step 3:ADMET 预测对比

工具mcp_tool-collection-chemical-molecular__ls_admet_predict

输入两个分子的 SMILES,获取并对比以下核心属性:

属性组具体指标
物化性质molecular_weight, logP, tpsa, Solubility_AqSolDB
吸收Bioavailability_Ma, Caco2_Wang
分布BBB_Martins, VDss_Lombardo
代谢CYP1A2_Veith, CYP2C9_Veith, CYP3A4_Substrate_CarbonMangels
排泄Clearance_Hepatocyte_AZ, Clearance_Microsome_AZ
毒性AMES, hERG

分析重点:识别互补性(一方弥补另一方短板)与叠加风险(两者共同的毒性)。


Step 4:文献检索(多源并行)

并行调用以下工具:

4a. 学术文献
mcp_virtual-mcp-pharma-intelligence__ls_paper_search

drug=[drug_A, drug_B], disease=[indication]
→ 检索两药联用直接证据

4b. 语义文献搜索
mcp_virtual-mcp-pharma-intelligence__ls_paper_vector_search

query="{drug_A} AND {drug_B} synergistic {indication} mechanism"
lang="EN"

4c. 专利检索
mcp_patent-search__patsnap_search

keywords=[drug_A, drug_B, indication, "combination", "synergy"]
search_strategy=["keyword", "filter"]

4d. 转化医学证据
mcp_virtual-mcp-pharma-intelligence__ls_translational_medicine_search

drug=[drug_A, drug_B], disease=[indication]

检索结果处理

  • 筛选直接联用证据(优先)、单药机制证据(次要)
  • 提取 DOI、发表年份、期刊、关键数据
  • 建立 DOI 索引表,供后续内联引用使用

Step 5:协同机制分析

基于 Step 3–4 的数据,从以下维度构建机制矩阵:

5a. ADMET 互补性分析

  • 生物利用度互补(一方高弥补另一方低)
  • 毒性风险互补(联合降低单药剂量以减毒)
  • 代谢通路差异(避免竞争同一 CYP 酶)
  • 溶解度差异对共递送制剂设计的启示

5b. 靶点覆盖矩阵(雷达图)

  • 凋亡通路(Bax/Bcl-2/Caspase)
  • 氧化应激(ROS/GSH/MDA)
  • 炎症信号(NF-κB/IL-6/TNF-α)
  • 增殖信号(PI3K/Akt/mTOR)
  • 细胞周期(G1/S vs G2/M)
  • 血管生成(VEGF/HIF-1α)

5c. 协同假说生成(至少3个可检验假说)

  • H1(主假说):药效学协同靶点
  • H2:ADMET/药代动力学互补假说
  • H3:细胞周期/氧化还原互补假说

Step 6:实验设计方案

第一阶段:体外细胞实验

  • 细胞系选择:基于适应症推荐 3–4 个细胞系
  • Chou-Talalay CI 法:IC₅₀ 测定 → 剂量矩阵 → CompuSyn 分析
  • 机制验证:凋亡(Annexin V/PI)、细胞周期(PI 染色)、Western Blot 通路蛋白、ROS/GSH 氧化应激

第二阶段:体内动物实验

  • 模型选择:异种移植瘤 / 同系瘤 / Ehrlich 腹水瘤
  • 分组设计:单药组 × 2 + 联合组(低/高剂量)+ 阳性对照 + Vehicle
  • 观察指标:肿瘤体积/重量、体重、TGI、IHC(Ki-67/Caspase-3/VEGF)、血清毒性指标

第三阶段(可选):制剂优化

  • 基于 ADMET 溶解度/清除率差异,设计 LNP/PLGA 共递送纳米制剂
  • 统一 PK 曲线,实现靶向协同释放

Step 7:质控与安全性警示

根据 ADMET 结果自动生成以下警示(如适用):

  • AMES 阳性(> 0.5)→ 建议遗传毒性测试
  • hERG 风险(> 0.5)→ 建议心电图监测 + 联合减量
  • CYP 强抑制(> 0.8)→ 提示 DDI 风险,建议检查合并用药
  • 高肝清除率 → 建议制剂改造或频繁给药方案

Step 8:Word 报告导出

工具链office (plan_workspace → check_runtime → run_builder → render_inspect → finalize)

报告结构

  1. 封面(药物名称、适应症、生成日期)
  2. 分子结构与基本信息(含 SMILES 渲染说明)
  3. ADMET 预测对比表(含互补性解读)
  4. 协同机制分析(体内直接证据 + 机制矩阵 + 假说)
  5. 实验设计方案(三阶段)
  6. 质控与安全性警示
  7. 完整参考文献列表

格式要求

  • 中文字体:楷体(KaiTi)
  • 英文字体:Times New Roman
  • 参考文献内联标注:DOI 号,红色上标,嵌入对应段落/表格行末
  • 文末完整参考文献列表与内联标注一一对应

工具调用清单(按顺序)

步骤工具必选/可选
Step 1ls_ner_nor_normalize必选
Step 2ls_drug_fetch必选
Step 3ls_admet_predict(两个SMILES同批提交)必选
Step 4als_paper_search必选
Step 4bls_paper_vector_search必选
Step 4cpatsnap_search(专利)推荐
Step 4dls_translational_medicine_search推荐
Step 5综合分析(基于上述数据,LLM推理)必选
Step 6综合分析(LLM生成实验方案)必选
Step 7综合分析(ADMET结果驱动安全警示)必选
Step 8office 工具链必选

输出物

输出格式说明
协同机制分析Markdown(聊天内)含雷达图(ECharts)、机制矩阵表
ADMET 对比Markdown 表格含互补性解读
实验设计方案Markdown(聊天内)三阶段分层设计
Word 报告.docx带DOI内联引用,楷体+TNR字体

示例案例:肉桂酸(Cinnamic Acid)× 黄连素(Berberine)抗肿瘤协同探究

输入

drug_A: 肉桂酸(Cinnamic Acid)
SMILES_A: OC(=O)/C=C/c1ccccc1
drug_B: 黄连素(Berberine)
SMILES_B: COc1ccc2cc3ccc(O)c(OC)c3[n+](C)c2c1
indication: 抗肿瘤(anti-tumor)
tumor_types: 肝癌, 乳腺癌, 肺癌, 结直肠癌, Ehrlich实体瘤

ADMET 预测核心结论

属性肉桂酸黄连素协同意义
口服生物利用度91%67%CA弥补BER生物利用度不足
hERG 心脏毒风险0.005⚠️ 0.573联合减量BER可降低心脏毒
AMES 致突变0.018⚠️ 0.657联合降低BER暴露剂量
肝细胞清除率极低高(141.4)CA有助于延缓联用半衰期
水溶性 logS−2.36−3.46CA溶解度更好,利于共递送制剂化

关键文献证据(DOI索引)

DOI证据内容
10.2174/1871520618666181116162441Ehrlich 实体瘤模型:BER+CA单独及联合顺铂,肿瘤体积缩小74–92%,Bax/Bcl-2↑74倍,Caspase-3↑14倍
10.3390/cancers16162777PI3K/Akt/mTOR 通路协同抑制证据(CRPC模型)
10.7150/ijbs.18969BER逆转缺氧耐药(AMPK-HIF-1α-P-gp轴),CA可减少BER剂量
10.1002/mco2.693细胞周期与凋亡通路综述(G2/M阻滞BER,G1/S阻滞CA)
10.1124/pr.58.3.10Chou-Talalay CI法方法学依据
10.3892/or.2014.3520BER抑制MDA-MB-231细胞侵袭转移
10.1208/s12249-019-1497-6纳米共递送制剂设计参考(脂质体共载策略)

协同机制矩阵(简版)

机制层面肉桂酸贡献黄连素贡献协同类型
促凋亡↑Bax/Bcl-2, ↑Caspase-3↑Bax/Bcl-2, ↑Caspase-3/9叠加/协同
细胞周期阻滞G1/S 期G2/M 期互补(双期阻滞)
NF-κB 抑制抑制转录激活抑制p65核转位叠加
PI3K/Akt/mTOR下调p-Akt抑制p85 PI3K协同双节点
耐药逆转减少BER用量AMPK-HIF-1α-P-gp轴补强
抗血管生成抑制VEGF抑制HIF-1α/VEGF叠加

核心可检验假说

  • H1:CA + BER 通过协同调控 PI3K/Akt/NF-κB 轴与线粒体凋亡通路,产生 CI < 1 的药效学协同 [DOI: 10.3390/cancers16162777; 10.2174/1871520618666181116162441]
  • H2:CA(高生物利用度)弥补 BER 快速肝清除,实现 PK 互补,降低 hERG/AMES 风险剂量 [DOI: 10.2174/1871520618666181116162441]
  • H3:BER(G2/M)+ CA(G1/S)双重细胞周期阻滞触发更彻底的凋亡瀑布 [DOI: 10.1002/mco2.693]

实验设计要点

  • 体外:HepG2/MCF-7/A549/HCT116;Chou-Talalay CI 法(BER:CA = 1:1, 1:2, 2:1);Western Blot p-Akt/p-NF-κB/Bax/Bcl-2/Caspase-3
  • 体内:HepG2 皮下异种移植瘤(BALB/c 裸鼠);6组 × 8只;肿瘤体积/TGI/IHC
  • 制剂:PLGA 或 LNP 共载纳米粒(参考 [DOI: 10.1208/s12249-019-1497-6])

安全性警示

  • ⚠️ BER AMES = 0.657 → 建议遗传毒性测试(Ames test)
  • ⚠️ BER hERG = 0.573 → 动物实验同步监测 QT 间期,联合设计降低 BER 绝对剂量
  • ⚠️ BER CYP1A2 抑制 = 0.970 → 合并经 CYP1A2 代谢的化疗药时需检查 DDI

输出文档

  • 已生成 Word 报告(v3):中文楷体 + 英文 Times New Roman,全文 DOI 内联标注,完整参考文献列表

注意事项与局限性

  1. 文献证据等级:本工作流优先检索 PubMed/PatSnap 收录文献,部分冷门联用组合可能缺乏直接证据,此时以单药机制推导协同假说,需在报告中明确标注"推断"而非"已证实"
  2. ADMET 为计算预测值:仅用于方向性判断,不替代实验测定;高风险信号(AMES/hERG)须实验验证
  3. DOI 可信度:所有 DOI 来自检索工具返回的元数据;若 DOI 无法解析,在报告中标注"DOI待核实"
  4. 图表渲染:雷达图为 ECharts JSON 格式,在 Eureka 聊天界面内可直接渲染;Word 报告中以数据表格替代
  5. 字体兼容性:Word 报告依赖系统已安装的楷体(KaiTi)和 Times New Roman;若目标系统无楷体,建议改用宋体(SimSun)

版本历史

版本日期说明
v1.02026-06-30初始版本,基于肉桂酸×黄连素抗肿瘤协同探究案例构建

Related skills

药企药物研发辅助临床试验数据统计。参考 Statistical Analysis skill 的 descriptive statistics 与 group comparison 部分,构建试验分析支持能力。

13 installs

当参数多、环境多、"全组合测不完"时运用正交试验法、Pairwise和判定表来解决组合爆炸问题。如果系统有多个输入字段的组合依赖关系(如"A=1且B=2时C不能为3")、或者需要适配多浏览器多操作系统多语言,一定要用此技能来设计高效的组合覆盖方案。不要试图全覆盖——组合测试的核心是用最少的用例达到最高的组合覆盖率。输出组合覆盖矩阵并标注覆盖遗漏。 本技能属于 QA Test Skills 技能集(49 个技能之一),完整工作流体验需安装全套:npx skills add Kokxi/qa-test-skills

2 installs