技能介绍

化合物库筛选为何容易变成「黑箱」

在药物发现早期，团队要在大量 SMILES 或 SDF 记录里找出值得跟进合成的分子。手工对照 Lipinski、Veber 或 PAINS 既慢，又难统一记录「因何被剔除」。Medchem 是 datamol 生态里的 Python 库，面向可重复、可解释的批量化过滤与优先级排序——它不能替代药物化学判断，而是把常见规则与结构警示封装成可组合模块，便于在脚本或 Agent 工作流里调用。

技能如何组织工作流

库按职责拆分，可按场景拼装：

medchem.rules：五规则、Oprea、CNS、先导样（宽松/严格）、三规则、REOS、Veber、金三角、药物规则及 PAINS 等；支持单条规则，也支持通过 RuleFilters 一次跑多条，结果以字典返回各规则通过/失败及明细。
medchem.structural：通用结构警示（ChEMBL 与文献）、NIBR 过滤器、礼来 Lilly 扣分体系（275 条规则，超过约 100 分即拒）。
medchem.functional：常见流程上的快捷过滤函数，减少样板代码。
medchem.groups：铰链/磷酸盐结合基团、Michael 受体、反应性基团及自定义 SMARTS。
medchem.catalogs：官能团、保护基、常用试剂与标准片段等命名目录。
medchem.complexity：Bertz、Whitlock、Barone 等近似合成可及性复杂度指标。
medchem.constraints：分子量、LogP、TPSA、可旋转键数量等属性边界。
Medchem 查询语言：用于表达多条件组合过滤。

资料中描述的典型模式包括：大型化合物库初筛（偏 Ro5 等宽规则）、先导优化阶段加严（CNS、先导样），以及按特定官能团或骨架检索。技能还引用批处理脚本 scripts/filter_molecules.py 及 references/api_guide.md、references/rules_catalog.md，便于对接 CSV、SDF、SMILES 等输入并核对规则阈值与文献出处。

边界与注意点

所有过滤器都带上下文——应结合生物靶点与化学空间理解结果；已上市药物也常通不过「标准」规则，宜作指南而非绝对门禁，前药还可能有意违反常规指标。对超过约一千分子的数据集，文档建议并行处理（如 n_jobs=-1）。更稳妥的做法是组合规则、结构警示与领域知识，并记录被剔除分子及原因，以便复现与审计。