Integrate target, pipeline, clinical, patent, scientific, and deal evidence for R&D and BD decisions.
Data & analysis
unisound-target-screening
Try it药企药物研发辅助药物靶点筛选。参考 Open Targets Database skill 的 target-disease association 与 target prioritization 部分,构建药企研发场景下的候选靶点筛选能力。
What it does
药企药物研发辅助药物靶点筛选。参考 Open Targets Database skill 的 target-disease association 与 target prioritization 部分,构建药企研发场景下的候选靶点筛选能力。
The skill document
药物靶点筛选
概述
本 skill 对应:药企 / 药物研发辅助 / 药物靶点筛选。
要求:药企研发场景。
来源核验
- 匹配来源:Open Targets Database
- 来源类型:公开 Agent Skill
- 来源链接:https://agent-skills.md/skills/x-cmd/skill/opentargets-database
- 匹配结论:匹配。该 skill 明确覆盖 target-disease association、known drugs、druggability、safety 与 target prioritization。
参考部分
只参考 Open Targets Database skill 的 target-disease association 与 target prioritization 部分:
- 疾病/适应症与候选靶点关联
- 证据强度整理
- 可成药性整理
- 安全风险整理
- 候选靶点优先级排序
不参考部分
- 不参考外部数据库实时查询
- 不参考分子生成、化合物设计或合成路线
- 不参考临床试验设计
- 不扩展到医学事务资料生成
构建方式
OpenClaw 中应构建为一个独立的筛选型 skill:
- 输入疾病/适应症和候选靶点列表
- 按证据强度、可成药性、安全风险生成靶点优先级
- 输出候选靶点筛选 JSON
建议输入字段
disease:疾病或适应症targets:候选靶点列表target:靶点名称或基因符号mechanism:作用机制evidence:证据描述或证据强度druggability:可成药性safety_risk:安全风险references:来源引用
建议输出字段
skill:药物靶点筛选diseaseranked_targetsscreening_basis
医疗边界
本 skill 只做药物研发候选靶点筛选整理,不构成临床诊断、治疗建议或药品有效性结论。
快速开始
从本 skill 目录执行:
python3 scripts/run.py --input input.json --output output.json --appkey YOUR_KEY
最小输入示例
{
"disease": "非小细胞肺癌",
"targets": [
{
"target": "EGFR",
"mechanism": "抑制肿瘤驱动信号",
"evidence": "high",
"druggability": "high",
"safety_risk": "medium",
"references": ["example-ref"]
}
]
}
输出约定
输出 UTF-8 JSON,采用统一格式:
{
"skill": "技能名称",
"status": "ok",
"data": { /* 结构化数据 */ },
"text": "API 生成的 Markdown/自然语言内容,OpenClaw 直接渲染给用户"
}
data:本地预处理得到的结构化数据text:内部医疗大模型生成的自然语言解读/分析/提醒,Markdown 格式
支持的输入格式
除 JSON 外,还支持以下格式(通过 --input-type 自动检测或手动指定):
| 格式 | 说明 |
|---|---|
| JSON | 默认,直接读取结构化输入 |
| CSV / XLSX / XLS | 表格数据,按列头自动映射字段 |
| TXT / MD | key:value 文本格式(支持中文/英文字段名) |
| PDF / DOC / DOCX | 文档,提取文本后解析 |
| PNG / JPG 等图片 | OCR 提取文本后解析 |
统一入口附加参数
--input-type auto|pdf|doc|docx|xls|xlsx|csv|txt|json:输入类型;默认auto。--sheet STRING:读取 Excel 时指定 sheet(可选)。--encoding STRING:txt/csv编码(默认:utf-8)。--save-prepared:保存预处理后的 JSON,便于调试。--appkey STRING:必填。内部医疗大模型鉴权 key,由用户在 OpenClaw 中调用时提供。本 skill 强制通过 API 进行靶点筛选排序,无本地透传模式。
依赖
运行环境
- Python 3.7+
Python 第三方包(可选,按输入格式需要)
| 包名 | 用途 | 必要条件 |
|---|---|---|
openpyxl | 读取 .xlsx 文件 | 输入为 xlsx 时必须 |
pypdf | 提取 PDF 文本 | 输入为 pdf 时必须 |
外部工具(可选,按输入格式需要)
| 工具 | 用途 | 必要条件 |
|---|---|---|
LibreOffice (soffice) | 转换 .doc / .xls | 输入为 doc/xls 时必须 |
pdftotext(poppler-utils) | 提取 PDF 文本 | 输入为 pdf 且未安装 pypdf 时 |
tesseract(含 chi_sim+eng) | 图片 OCR | 输入为图片时必须 |
仅使用 JSON 输入时,无需安装任何第三方包或外部工具。
模型配置
本 skill 执行时通过内部医疗大模型进行推理:
- endpoint:
https://maas-api.hivoice.cn/v1/chat/completions - model:
u2-med - 协议:OpenAI Chat Completions(兼容标准 /v1/chat/completions)
- 鉴权:通过
--appkey参数传入 Bearer token,由用户在 OpenClaw 中调用时提供
本 skill 强制走 API 推理,无本地透传模式。
强制通过
--appkey调用内部医疗大模型进行推理,无本地兜底模式。
Related skills
化合物库反向靶点发现工作流。给定化合物 SMILES,依次执行 ADMET 成药性过滤、骨架分析、结构相似检索、靶点情报验证、FTO 专利风险扫描、SAR 构效关系提取,输出优先级靶点-化合物改造方向清单,支持生成 PPT 与 PDF 报告。
整合靶点证据、药物管线、专利与交易开展BD评估
通过多维证据矩阵评估靶点药物并支持立项判断
慢病筛查辅助。输入居民健康数据(体征/检验/生活方式/家族史),评估高血压、糖尿病、心脑血管疾病等慢性病风险,给出分级和管理建议(JSON + 自然语言摘要)。
Generate and prioritize experimentally testable target hypotheses from one or more small-molecule structures. Use when a user supplies SMILES or a compound library and asks which targets the molecules may modulate, how structural neighbors and SAR support the hypotheses, which biological and competitive evidence should be checked, or which compounds and targets should advance to orthogonal validation.