藏药AI虚拟筛选与靶点发现

解决什么问题

藏药研究长期面临假说生成效率低的痛点：研究者需手动整合古籍文献、现代药理数据和计算工具，才能推导出可验证的作用机制。这种跨学科协作耗时且易遗漏关键信息。

技能如何工作

本技能将Claude变为藏药计算药理助手，通过8步强制流程完成从成分到机制的推演：

• 需求确认：输入藏药名（如七十味珍珠丸）及目标疾病，未指定则默认广谱分析
• 成分筛选：基于Lipinski五规则/OB≥30%/DL≥0.18筛选活性成分，输出Markdown表格
• 靶点预测：按SwissTargetPrediction概率≥0.1优先级推演靶点，构建「药物-成分-靶点」列表
• 网络构建：若指定疾病，用GeneCards/DisGeNET收集疾病靶点，经STRING生成PPI网络并标注Hub靶点
• 机制解读：推演GO/KEGG富集结果，输出p<0.05的显著通路

核心能力维度：

• 藏药理论（三因学说/六味/十七效）
• 虚拟筛选技术（分子对接/ADMET预测）
• 数据库逻辑（TCMSP/BATMAN-TCM等）
• 文献推演（不执行实时计算）

适用边界

⚠️ 非实时计算工具：仅模拟虚拟筛选流程，不连接在线数据库或执行分子对接。所有预测属于计算假说生成，需通过实验验证。不提供临床用药建议，不将藏药简单等同于中药。

参考资料加载

• references/database-quickref.md：靶点预测数据库使用指南
• references/admet-rules.md：ADMET评估规则集
• references/tibetan-medicine-theory.md：藏药理论与现代药理对照