企业官网建设流程全解析

Science Skills药物化学技能集：ChEMBL、PubChem与openFDA如何驱动AI智能体完成药物研发数据查询

【免费下载链接】science-skillsGDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30+ other databases and tools.项目地址: https://gitcode.com/gh_mirrors/sc/science-skills

Science Skills是谷歌 DeepMind 开源的科学智能体技能集，其中ChEMBL、PubChem、openFDA三大药物化学技能可以让 AI 智能体直接完成分子结构检索、生物活性数据（IC50/Ki）查询、化学品安全信息获取和 FDA 不良反应统计等药物研发数据查询任务——你只需要用自然语言提问，无需自己写 API 调用代码。

🧰 一套技能集，覆盖三大数据库

做药物研发数据查询的传统方式，是分别对接多个数据库的 API、处理鉴权、限流和 JSON 解析。Science Skills 把这些工作封装成了"技能（Skill）"：每个技能目录都包含三类文件，智能体读取指令后就能按最佳实践操作 📦

• SKILL.md—— 给 AI 智能体的操作指令（含前置条件和核心规则）
• scripts/—— 封装好的查询脚本（自动处理限流、重试、输出落盘）
• references/—— API 参考、查询配方等文档

💡 项目整体结构说明见 README.md，它还集成了 UniProt、AlphaGenome 等 30+ 其他数据库与工具。

🎯 ChEMBL 技能：药物靶点与生物活性数据一步查

ChEMBL 是全球最大的生物活性小分子数据库之一，这个技能通过单一入口脚本 scripts/chembl_api.py 提供 9 大类查询能力。

分子、靶点、活性三大核心入口

• 分子查询：按 ChEMBL ID、名称（如 "aspirin"）搜索，或直接按分子量等属性过滤
• 靶点查询：按名称搜索蛋白靶点（如 "EGFR"），支持批量 ID 拉取
• 活性数据：查询 IC50、Ki、EC50 等生物活性记录；--normalize参数可把不同单位（nM/µM/pM）统一换算为 nM，方便跨研究比较

结构相似性搜索与 2D 结构图

• 相似性搜索：给出一个 SMILES 字符串和相似度阈值（0-100），直接在服务端完成检索，无需本地安装 RDKit
• 子结构搜索：查找包含指定子结构（如苯环c1ccccc1）的所有分子
• 结构图下载：image子命令可下载 2D 结构图（SVG 矢量格式，适合论文出版）

跨库交叉引用

ChEMBL 技能可与 UniProt、PubChem 等互相打通：例如用 UniProt 登录号（如P00533）反查 ChEMBL 靶点。完整的端点列表与 Django 风格过滤操作符（__range、__flexmatch等）见 references/api_endpoints.md。

💊 PubChem 技能：从化学名称到完整档案卡

PubChem 是 NCBI 的化学品数据库，该技能通过 scripts/pubchem_api.py 封装了 12 项能力，智能体按"先解析、再取数"的路径完成查询。

名称解析与理化性质

安全、药理与结构检索

• safety：获取 GHS（全球统一制度）危害声明与操作注意事项
• pharmacology：获取 FDA 药理数据、作用机制和治疗用途
• similarity/substructure：结构相似性与子结构搜索，配合assays子命令可找出这些化合物相互作用的基因/蛋白靶点
• range：按分子量、重原子数、XLogP 等性质区间筛选候选化合物

内置查询工作流清单

技能内置了面向复杂任务的操作清单（见 references/workflows.md）：

1. 化学品完整画像：名称解析 → 理化性质 → GHS 安全 → 药理信息 → 汇总成报告，共 5 步
2. 结构导向的靶点发现：结构相似性搜索 → 筛选 Top 5-10 个 CID → 批量查 BioAssay → 归纳共同靶点

技能还有一条重要规则：凡用户问具体事实，智能体必须用数据库查询验证，不能只靠模型记忆——这对药物研发场景至关重要。

📋 openFDA 技能：美国 FDA 不良反应与药品标签查询

openFDA 提供 FDA 监管数据的开放 API，该技能通过 scripts/openfda_query.py 覆盖全部 28 个端点，横跨药品（drug）、器械（device）、食品（food）、烟草（tobacco）、化妆品（cosmetic）等 8 大类。

三大命令：search、count、download

• search：按查询串检索记录，如patient.drug.medicinalproduct:aspirin
• count：对某个字段做去重计数并给出 Top-N 高频值——统计"二甲双胍最常见的不良反应"就用它
• download：自动翻页批量下载，单次下载有 2.5 万条的安全上限，常见药物可加日期范围限流

精确匹配与不良反应术语解读

• 搜索药品名、品牌名时使用.exact后缀可得到精确匹配（如openfda.brand_name.exact:"ADVIL"），避免分词带来的噪声结果
• 不良反应数据使用MedDRA术语（Preferred Term），智能体可联动 embl_ebi_ols 等本体技能查询术语的层级分类
• 现成的查询配方（NDC 查询、短缺药物、药物-药物共现、召回类型统计等 18 种）都在 references/recipes.md，端点与字段语法见 references/api_endpoints.md

API Key 与速率限制

⚠️ 无 Key 时每日仅 1,000 次请求，智能体一次研究会很快耗尽；配置免费FDA_API_KEY后可提升至 12 万次/天。技能会调用 credentials 技能的安全凭证协议引导用户把 Key 写入.env，全程不用手动操作。

🔗 三技能联动：一条典型的药物研发数据查询流水线

三个技能各有分工，联动起来就是一条完整的"从分子到上市后安全"的数据流水线：

1. PubChemresolve：把药物名称解析为 CID 和标准 SMILES
2. ChEMBLactivity：用该结构查询靶点生物活性（IC50/Ki，--normalize统一单位）
3. PubChemsafety/pharmacology：补充 GHS 危害声明与药理机制
4. openFDAcount：统计上市后不良反应分布、适应症分布、报告国分布
5. openFDAsearch（label 端点）：核对官方药品标签

例：问智能体"查一下阿司匹林的靶点活性、安全信息和 FDA 不良反应 Top5"，它会自动按上述路径依次调用三个技能，并把 JSON 结果汇总成一份带引用出处的报告。

🧬 向上延伸：药物靶点基因的调控变异分析

药物研发不只是查数据——当靶点基因本身存在遗传变异时，还会直接影响药物疗效。Science Skills 的 AlphaGenome 技能可对靶点基因的调控变异做基因组多轨道分析。下图是APOA1（脂蛋白代谢相关基因、心血管药物的经典靶点）启动子区域变异的分析图：

同一变异的肝脏组织多轨道细节视图（21 条 ChIP-seq/DNASE 轨道），可见变异位点在启动子区引起局部染色质状态改变：

完整分析示例见 apoa1_promoter/report.md，该目录还收录了剪接变异（外显子跳跃、外显子扩展）等更多案例。

🚀 快速上手：如何一步启用三大药物化学技能

一键安装

在终端执行（README 推荐方式）：

npx skills add google-deepmind/science-skills/

也可以先克隆仓库浏览技能源码：

git clone https://gitcode.com/gh_mirrors/sc/science-skills

前置条件

• uv包管理器：首次触发技能时智能体会请求批准并自动安装（流程见 skills/uv/SKILL.md）
• API Key：ChEMBL、PubChem 无需 Key 即可使用；openFDA 强烈建议配置免费FDA_API_KEY以提升速率上限
• 各数据源均有自己的许可条款，技能首次使用时会提示用户确认，并记录在.licenses/目录

📁 核心文件速查表

总结

Science Skills 用"指令 + 脚本 + 参考文档"三件套，把 ChEMBL、PubChem、openFDA 三大药物研发数据库变成 AI 智能体的"随取随用工具"：查生物活性、看安全声明、统计 FDA 不良反应，都从"写代码调 API"变成了"一句话提问"。对新手和科研团队来说，这是把药物研发数据查询效率提升一个量级的实用方案 🚀

【免费下载链接】science-skillsGDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30+ other databases and tools.项目地址: https://gitcode.com/gh_mirrors/sc/science-skills