Menu
估算实验和科研数据集所需资源、周期与成本。适用于：估算实验或训练数据集构建所需的人力、样本、试剂、设备、算力、采购和交付成本，用于预算规划与报价复核。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
在专利全景项目的环节 4/4（环节4）使用本技能。它会把环节2统计/价值信号、环节3标引体系（tech_breakdown / key_questions / patent_packages）以及 SaaS 回流的 tagged_pool 转化为技术演进路线、护城河/价值交叉解读，并生成自包含 HTML 洞察报告（report.html + report_manifest.json）。
用于专利全景项目的环节1。它构建专家级、限定领域、带主题锚点且去噪的检索配置，通过抽样验证每个分支的精度，并导出干净候选池和各分支检索式——这些是环节2（patent-panorama-insights-stats）的输入契约。统计、画像和核心专利召回属于环节2。
当用户需要基于 PatSnap 或智慧芽专利 MCP/API 数据开展专利全景、专利版图、竞争专利情报、技术路线图、组合规划、产品/R&D 策略项目时使用本技能——无论用户显式调用 /patent-panorama-insights（或 @patent-panorama-insights），还是用自然语言描述这类专利分析任务。本技能编排五层流水线：环节1检索与降噪（patent-panorama-insights-search）、环节2全景统计与价值挖掘（patent-panorama-insights-stats）、环节3标引体系推荐（patent-panorama-insights-tag）、客户 SaaS 工具中的人工标引交接，以及环节4有证据支撑的单文件 HTML 报告（patent-panorama-insights-report），并管理各层之间的检查点、人工标引交接、回滚和进度汇报。
用于专利全景项目的环节2。它消费 patent-panorama-insights-search（环节1）产出的已验证 `search_config.json`、`candidate_pool.csv` 和 `core_recall.csv`，生成全景统计（趋势、申请人格局、技术构成、竞品画像）、按分支组织的核心专利索引（默认采信环节1召回排序，仅在必要时做有边界的兜底核查）和价值信号交叉挖掘文件。所有统计直接从检索式聚合，不需要逐件专利标引。
用于专利全景项目的环节3。本 Skill 推荐标引体系，包括 4 列技术拆解表（≤40 个三级节点，彼此互斥）、≥10 个关键技术问题、≥10 个推荐专利包（每包≥3 个同族，六项推荐规则），并提供 20–30 条记录的标引示范和待标引导出文件。全量逐条标引在客户 SaaS 标引工具中完成，不在本 Skill 中完成。
持续监控ADC研发、临床、专利、交易与竞争事件。适用于：持续监控ADC或抗体药物的研发进展、临床证据、专利变化、许可交易和竞争事件，用于赛道预警和BD机会跟踪。
| name | experiment-dataset-costing |
| description | 估算实验和科研数据集所需资源、周期与成本。适用于：估算实验或训练数据集构建所需的人力、样本、试剂、设备、算力、采购和交付成本，用于预算规划与报价复核。 |
给定一个或多个药物靶点（或疾病领域），自动完成：
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
targets | List[str] | ✅ | 靶点名称列表，如 ["PD-L1", "4-1BB"] |
task_type | str | ✅ | 建模任务：regression / classification / generation / multi-target |
use_case | str | ✅ | 用途：academic（学术研究）/ commercial（商业产品） |
molecule_type | str | ✅ | 分子类型：small_molecule / antibody / fusion_protein / all |
output_language | str | ❌ | 报告语言，默认 zh（中文），支持 en |
max_patents | int | ❌ | SAR 提取最大专利件数，默认 20 |
调用 ls_ner_nor_normalize 对输入靶点名称进行标准化，获取靶点 ID、UniProt 号、别名等。
并行调用：
ls_drug_search(target=[...], highest_phase=["approved","phase_3","phase_2"]) — 统计已知活性药物数量ls_target_fetch(target=[...]) — 获取靶点结构域、表达、通路信息输出：靶点热度评分、数据稀缺性预警。
调用 ls_patent_search(target=[...], patent_core_type=["product_compound"]) 检索化合物专利数量。
对 Top-10 代表性专利依次调用：
ls_patent_structure_fetch(pn=...) — 获取专利关联化合物数ls_sar_submit(pn=...) → 轮询 ls_sar_fetch(task_id=...) — 提取 SAR 结构-活性对根据样本专利平均化合物数外推全库估算量。
对 Step 3 提取的代表性化合物 SMILES 批量调用：
ls_admet_predict(smiles=[...]) — 预测 AMES 阳性率、hERG 风险比例根据实测淘汰率推算 ADMET 净留存比例，修正最终有效数据量预测。
ls_paper_search(target=[...], limit=1) — 统计文献总量ls_translational_medicine_search(target=[...], limit=1) — 获取转化医学条目数基于数据源类型，套用 references/compliance_rules.md 规则模板，
生成每类数据源的学术 / 商业合规评级与风险等级。
读取 references/cost_benchmarks.md 中的工时基准参数，结合数据量预测，计算：
调用 Office 工作流（office plan_workspace → run_builder → finalize）生成 Word 报告，
包含：方案概述、数据来源体系、字段规范、质量控制、合规评估、成本估算表、MCP 调用路线图。
输入：
{
"targets": ["PD-L1", "4-1BB"],
"task_type": "multi-target",
"use_case": "academic",
"molecule_type": "small_molecule",
"output_language": "zh"
}
智慧芽 MCP 检索结果摘要：
| 检索维度 | 结果 |
|---|---|
| PD-L1 相关 Phase 2+ 药物 | 53 款 |
| 4-1BB 相关药物 | 245 款 |
| 双靶（PD-L1×4-1BB）药物 | 459 款 |
| 化合物专利池 | 2,025+ 件 |
| 相关文献 | 34,742 篇 |
代表性双靶药物：Acasunlimab、Opamtistomig、Sotiburafusp alfa、Cenopodlin、MAX-10181、ABSK-043
数据量估算：
| 来源 | 预估条目 |
|---|---|
| ChEMBL（PD-L1） | ~8,000 |
| ChEMBL（4-1BB） | ~2,000 |
| BindingDB | ~3,000 |
| 专利 SAR（智慧芽） | ~4,000 |
| PubChem HTS | ~2,000 |
| 负样本/ZINC | ~6,000 |
| 文献补充 | ~500 |
| 合计（ADMET 前） | ~25,500 |
| ADMET 净留存（约 65%） | ~16,575 |
成本估算（学术场景）：
| 工项 | 工时（低-高） | 中位 |
|---|---|---|
| 数据采集（脚本化） | 3–5 人天 | 4 人天 |
| 数据清洗 & 去重 | 4–7 人天 | 5.5 人天 |
| ADMET 批量预测 | 0.5–1.5 人天 | 1 人天 |
| 专利 SAR 提取 | 3–6 人天 | 4.5 人天 |
| 报告撰写 | 1–2 人天 | 1.5 人天 |
| 合计 | 11.5–21.5 人天 | 16.5 人天 |
合规评级： 学术使用 ✅ 全绿；商业使用 ⚠️ 专利 SAR 化合物需侵权评估
输出文件： pdl1-4-1bb-dataset-scheme.docx（7 章 + 附录，~44 KB）
详见 assets/example_output_pdl1_4-1bb.md。
| 文件 | 描述 |
|---|---|
{task_slug}-dataset-scheme.docx | 完整数据集构建方案 Word 报告（7 章 + 附录） |
{task_slug}-cost-summary.json | 结构化成本估算 JSON，可接入项目管理工具 |
{task_slug}-compliance-matrix.csv | 各数据源合规评级矩阵 |
{task_slug}-data-inventory.csv | 预估数据量清单（按来源分层） |
ls_sar_submit，大批量时建议分批（每批 ≤20 件），避免任务超时