القائمة
化合物スクリーニングスキル。ZINC データベースを活用した購入可能化合物検索、 SMILES/名前ベースの類似性検索、カタログフィルタリング、 バーチャルスクリーニング前処理パイプライン。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/nahisaho/satori --skill scientific-compound-screeningيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
استنادا إلى تصنيف SOC المهني
実験の監査レポート・データ来歴（プロベナンス）生成スキル。 データ変換履歴・使用ツールのバージョン・データ整合性チェックを 含むトレーサビリティレポートを自動生成する。 「監査レポート作成」「データ来歴を記録」「トレーサビリティ」で発火。
派生実験設計スキル。既存の実験をベースに条件を変更した派生実験を 設計する。実験計画法（DOE）に基づくパラメータ探索を支援。 「派生実験を設計して」「条件を変えて実験」「パラメータ探索」で発火。
実験テンプレート生成スキル。研究目的・仮説・手法・実験条件・評価基準・ スケジュールを構造化した実験計画書を自動作成する。 「実験テンプレート作成して」「実験計画を立てて」「実験プロトコルを作成」で発火。
عرض SKILL.md
| name | scientific-compound-screening |
| description | 化合物スクリーニングスキル。ZINC データベースを活用した購入可能化合物検索、 SMILES/名前ベースの類似性検索、カタログフィルタリング、 バーチャルスクリーニング前処理パイプライン。 |
| tu_tools | [{"key":"zinc","name":"ZINC","description":"購入可能化合物データベース"}] |
ZINC データベースを活用した化合物ライブラリ検索・ バーチャルスクリーニング前処理パイプラインを提供する。
import requests
import pandas as pd
ZINC_API = "https://zinc15.docking.org"
def zinc_search_by_name(name, max_results=20):
"""
ZINC データベースで化合物名による検索。
Parameters:
name: str — compound name (e.g., "aspirin")
max_results: int — maximum results
ToolUniverse:
ZINC_search_by_name(name=name)
"""
url = f"{ZINC_API}/substances/search"
params = {"q": name, "count": max_results}
resp = requests.get(url, params=params)
resp.raise_for_status()
data = resp.json()
results = []
for item in data:
results.append({
"zinc_id": item.get("zinc_id", ""),
"name": item.get("name", ""),
"smiles": item.get("smiles", ""),
"mwt": item.get("mwt", ""),
"logp": item.get("logp", ""),
"purchasable": item.get("purchasability", ""),
})
df = pd.DataFrame(results)
print(f"ZINC search '{name}': {len(df)} compounds")
return df
def zinc_search_by_smiles(smiles, similarity=0.7, max_results=20):
"""
ZINC で SMILES 構造式による類似性検索。
Parameters:
smiles: str — SMILES string
similarity: float — Tanimoto similarity threshold (0-1)
ToolUniverse:
ZINC_search_by_smiles(smiles=smiles)
"""
url = f"{ZINC_API}/substances/search"
params = {
"smiles": smiles,
"similarity": similarity,
"count": max_results,
}
resp = requests.get(url, params=params)
resp.raise_for_status()
data = resp.json()
results = []
for item in data:
results.append({
"zinc_id": item.get("zinc_id", ""),
"smiles": item.get("smiles", ""),
"similarity": item.get("similarity", ""),
"mwt": item.get("mwt", ""),
"logp": item.get("logp", ""),
"purchasable": item.get("purchasability", ""),
})
df = pd.DataFrame(results)
print(f"ZINC SMILES search: {len(df)} similar compounds "
f"(threshold={similarity})")
return df
def zinc_get_substance(zinc_id):
"""
ZINC ID から化合物の完全情報を取得。
Parameters:
zinc_id: str — ZINC ID (e.g., "ZINC000000000001")
ToolUniverse:
ZINC_get_substance(zinc_id=zinc_id)
"""
url = f"{ZINC_API}/substances/{zinc_id}.json"
resp = requests.get(url)
resp.raise_for_status()
data = resp.json()
info = {
"zinc_id": data.get("zinc_id", ""),
"name": data.get("name", ""),
"smiles": data.get("smiles", ""),
"inchikey": data.get("inchikey", ""),
"mwt": data.get("mwt", ""),
"logp": data.get("logp", ""),
"num_rotatable_bonds": data.get("num_rotatable_bonds", ""),
"num_hba": data.get("num_hba", ""),
"num_hbd": data.get("num_hbd", ""),
"tpsa": data.get("tpsa", ""),
"purchasable": data.get("purchasability", ""),
}
print(f"ZINC {zinc_id}: {info['name']} (MW={info['mwt']})")
return info, data
def zinc_get_catalogs():
"""
ZINC の利用可能カタログ (ベンダー) 一覧を取得。
ToolUniverse:
ZINC_get_catalogs()
"""
url = f"{ZINC_API}/catalogs.json"
resp = requests.get(url)
resp.raise_for_status()
data = resp.json()
results = []
for cat in data:
results.append({
"catalog_name": cat.get("name", ""),
"short_name": cat.get("short_name", ""),
"num_substances": cat.get("num_substances", 0),
"url": cat.get("url", ""),
})
df = pd.DataFrame(results)
print(f"ZINC catalogs: {len(df)} vendors")
return df
def virtual_screening_prep(query_smiles, lipinski=True, max_compounds=100):
"""
バーチャルスクリーニング用の化合物セット準備。
Lipinski's Rule of Five フィルタリング含む。
ToolUniverse (横断):
ZINC_search_by_smiles(smiles=query_smiles) → ZINC_get_substance(zinc_id)
"""
# Step 1: Similar compound search
df = zinc_search_by_smiles(query_smiles, similarity=0.6,
max_results=max_compounds)
if df.empty:
print("No similar compounds found")
return df
# Step 2: Lipinski filter
if lipinski:
df["mwt"] = pd.to_numeric(df["mwt"], errors="coerce")
df["logp"] = pd.to_numeric(df["logp"], errors="coerce")
before = len(df)
df = df[
(df["mwt"] <= 500)
& (df["logp"] <= 5)
]
print(f"Lipinski filter: {before} → {len(df)} compounds")
# Step 3: Sort by similarity
df["similarity"] = pd.to_numeric(df["similarity"], errors="coerce")
df = df.sort_values("similarity", ascending=False)
print(f"VS prep: {len(df)} compounds ready for screening")
return df
| ファイル | 形式 |
|---|---|
results/zinc_search.csv | CSV |
results/zinc_similar.csv | CSV |
results/zinc_substance.json | JSON |
results/zinc_catalogs.csv | CSV |
results/vs_library.csv | CSV |
| カテゴリ | 主要ツール | 用途 |
|---|---|---|
| ZINC | ZINC_search_by_name | 化合物名検索 |
| ZINC | ZINC_search_by_smiles | SMILES 類似性検索 |
| ZINC | ZINC_get_substance | 化合物詳細 |
| ZINC | ZINC_get_catalogs | カタログ一覧 |
| スキル | 関連 |
|---|---|
scientific-compound-similarity | 化合物類似性 |
scientific-pharmacology-targets | 薬理学ターゲット |
scientific-molecular-docking | 分子ドッキング |
scientific-drug-target-interaction | DTI 解析 |
scientific-admet-toxicity | ADMET 毒性 |
requests, pandas