技能介绍

你在解决什么问题

药物发现、虚拟筛选和计算化学流水线里，大量工作落在「把结构读进来 → 算性质 → 按子结构或相似性筛一遍 → 必要时做反应或出图」。RDKit 本身是成熟的化学信息学库，但 API 面很广：SMILES/SDF 解析失败时静默返回 None、SMARTS 的默认匹配规则、描述符与规范 SMILES 随版本漂移，都容易在脚本里变成难查的 bug。

技能如何组织工作

本技能按 RDKit 常见任务链写操作指引，而不是替你做封装：

结构与 I/O：MolFrom* / MolTo*、Supplier/Writer 批量读写，并强调导入时的自动清理（化合价、芳香性、手性）。
分析与筛选：分子描述符与 Lipinski 相关检查、多种指纹与 Tanimoto 相似性、SMARTS 子结构匹配及常见官能团模式。
几何与展示：2D/3D 坐标与构象嵌入、子结构高亮与 Notebook 绘图；化学反应用反应 SMARTS 与原子映射说明。
标准化与修饰：电荷中和、子结构替换、分子哈希与随机化 SMILES 等，便于去重与数据集对齐。

技能内 references/ 提供按模块整理的 API、描述符列表与 SMARTS 模式；scripts/ 给出属性批量计算、指纹相似性筛选、子结构过滤等可改模板。需要具体函数签名或模式示例时再查参考文件。

适用边界

解析与清理失败要用 DetectChemistryProblems() 等方式排查；依赖氢原子的性质记得 AddHs()。
规范 SMILES、描述符/哈希、绘图与 MolStandardize 在近年版本有行为变更；若结果要进持久化特征或合规报告，应固定 RDKit 版本。
数据交换优先 SMILES/SDF；不要对不可信来源用 pickle。MolSuppliers 不宜跨线程共享。