Menú
分析小分子结构、性质、合成路线和研发风险。适用于：分析小分子结构、理化性质、作用机制、合成路线和研发风险，用于化合物档案、项目评审和药化团队信息准备。
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
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 | small-molecule-rd-analysis |
| description | 分析小分子结构、性质、合成路线和研发风险。适用于：分析小分子结构、理化性质、作用机制、合成路线和研发风险，用于化合物档案、项目评审和药化团队信息准备。 |
本技能是化学分子领域的专业情报分析平台，通过集成 MCP 工具（https://connect.zhihuiya.com/713886/logic-mcp?apikey=sk-3F0NsY7KOt2ZyO72XkgwUIwD80xSfBjCNKp7juA92d0HWpKu）访问智慧芽化学分子数据库，为用户提供：
lifescience-target-intelligencelifescience-clinical-outcome-analysislifescience-regulatory-analysismaterials-* 技能MCP 端点：https://connect.zhihuiya.com/713886/logic-mcp?apikey=sk-3F0NsY7KOt2ZyO72XkgwUIwD80xSfBjCNKp7juA92d0HWpKu
调用前必须先通过 activate_skill 激活本技能，并按照 MCP 工具返回的可用工具列表选择合适的工具执行任务。
从用户输入中提取：
若化合物名称存在拼写歧义，静默修正并备注："将 '[输入]' 解释为 '[修正]'——如有误请告知。"
根据用户意图，选择以下一个或多个分析模块：
适用场景：按名称/CAS/SMILES检索化合物基本信息
MCP 调用策略：
输出格式：
| 字段 | 内容 |
|------|------|
| 化合物名称 | ... |
| CAS号 | ... |
| 分子式 | ... |
| 分子量 | ... |
| SMILES | ... |
| 数据库来源 | ... |
适用场景：相似性搜索、子结构搜索、骨架分析
MCP 调用策略：
输出要点：
适用场景：获取化合物的物理化学参数
核心参数列表：
| 参数 | 说明 |
|---|---|
| 分子量 (MW) | g/mol |
| LogP | 脂水分配系数 |
| 水溶解度 | mg/mL 或 log(mol/L) |
| 极性表面积 (PSA) | Ų |
| 氢键供体 (HBD) | 个数 |
| 氢键受体 (HBA) | 个数 |
| 可旋转键数 (RotBond) | 个数 |
| pKa | 酸解离常数 |
| 熔点/沸点 | °C |
| 折射率 | - |
Lipinski Ro5 合规性自动评估（药物化学场景）：
适用场景：靶点结合预测、ADMET评估、毒性分析
D1 — ADMET 预测：
D2 — 靶点结合分析：
D3 — 药物-药物相互作用 (DDI)：
工具调用原则：
1. 每次调用前确认所需参数是否齐全
2. 优先使用结构化标识符（SMILES/CAS）而非模糊名称
3. 单次查询不超过 10 个化合物（批量需分批）
4. 工具调用失败时，最多重试 2 次，失败后降级说明
根据查询类型，整合 MCP 返回数据，生成结构化分析报告：
单化合物详情报告结构：
多化合物对比报告结构：
<refer e_id="..." e_type="COMPOUND" /> 标注化合物数据来源<refer e_id="..." e_type="PATENT" /><refer e_id="..." e_type="PAPER" />| 下游需求 | 推荐技能 |
|---|---|
| 化合物靶点的竞争管线分析 | lifescience-target-intelligence |
| 化合物的临床试验疗效数据 | lifescience-clinical-outcome-analysis |
| 化合物的专利到期/FTO分析 | lifescience-patent-intelligence |
| 化合物的监管审批状态 | lifescience-regulatory-analysis |
| 化合物配方优化 | formulation-skill |
| 化合物结构的专利新颖性 | novelty-search |
用户："查一下伊马替尼（Imatinib）的理化性质和ADMET特征"
处理流程：
1. 实体提取：Imatinib（CAS: 152459-95-5）
2. 模块选择：模块C（理化性质）+ 模块D（ADMET）
3. MCP调用：按CAS号检索，获取性质数据
4. 输出：理化性质表 + ADMET预测摘要
用户："基于这个SMILES找相似化合物：CC1=CC=C(C=C1)NC2=NC=CC(=N2)NC3=CC=CC=C3"
处理流程：
1. 实体提取：SMILES字符串
2. 模块选择：模块B（结构分析）
3. MCP调用：相似性搜索，Tanimoto ≥ 0.7
4. 输出：Top 10相似化合物列表，含相似度分数和关键结构差异
用户："对比阿司匹林、布洛芬、萘普生的理化性质"
处理流程：
1. 实体提取：3个化合物（均为NSAIDs）
2. 模块选择：模块A（搜索）+ 模块C（理化性质）
3. MCP调用：分别检索3个化合物
4. 输出：对比矩阵表 + 成药性差异分析
用户："查找能与EGFR结合的化合物，IC50 < 10nM"
处理流程：
1. 实体提取：靶点=EGFR，活性阈值=IC50 < 10nM
2. 模块选择：模块D2（靶点结合分析）
3. MCP调用：靶点活性化合物检索
4. 输出：化合物活性列表 + 结构多样性分析