Agent Skills
返回列表
藏药质量标志物Q-marker智能发现

藏药质量标志物Q-marker智能发现

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_c160f2b7/tibet-qmarker-discovery。

技能介绍

藏药质量控制需要一个可量化的指标集合,但Q-marker发现往往从大量成分开始,实验逐一验证成本高;还要处理多基原导致的“同名不同谱”问题(如藏茵陈涉及川西獐牙菜、印度獐牙菜等)。藏药质量标志物Q-marker智能发现将流程搬到计算侧:先从数据库和文献构建“成分–靶点–通路”知识网络,再依据刘昌孝院士提出的Q-marker“五原则”对候选物赋分排序,形成可追溯的优先清单。

工作方式与能力范围

  • 输入为藏药单味药或复方名称,输出Top 5候选Q-marker及推荐理由、检测建议和局限性说明。
  • 有效性以网络药理学为核心(成分–靶点–通路拓扑 + 通路富集),特有性通过与常见中药成分交叉比对打分,可测性结合ADME预测与色谱行为评估,安全性用于剔除含明显毒性基团的成分;复方还额外评估配伍环境下的传递性。
  • 综合评分采用固定权重:有效性 40%、特有性 25%、可测性 20%、安全性 15%;评分维度均为0–10,便于横向比较。
  • 为降低“看起来可行但测不了”的风险,候选物会按HPLC-MS/MS等方法的可测性分级;ADME阈值包括口服生物利用度(OB)与类药性(DL)等常用判据。

从问题到候选清单的关键步骤

  1. 数据与文献初始化:在TCMSP、TCMID、PubChem、CNKI、PubMed、BATMAN-TCM、ETCM、SwissTargetPrediction、HERB等来源检索成分、靶点与理化性质,并构建初始知识图谱。
  2. 多基原处理规范化:优先标注藏区或青藏高原特有物种,无法判定时优先采用药典收载品;报告中区分“多基原共有”与“某物种特有”。
  3. “五原则”筛选引擎:特有性、可测性、有效性分别打分,复方加入配伍传递性评估,并将安全性作为排除/扣分项。
  4. 虚拟筛选与ADME验证:对候选物进行类药性与ADME评价,并用分子对接等方式提供结构层面的佐证。
  5. 加权排序与理由输出:按权重汇总四维得分,给出Top 5推荐理由(特有性/药理学/可测性/安全性)与对照品建议。
  6. 可视化与报告:以Venn交集、网络核心节点、四维评分对比(文字/表格)与≤500字结论摘要呈现,并明确哪些结论来自 (in silico) 预测。

适用边界与注意点

  • 仅适用于藏药体系药材与复方;人参、黄芪、甘草等非藏药不纳入分析。
  • 结论是候选优先列表而非最终标准:涉及入血成分、代谢转化、真实样本含量差异等问题时,仍需实验复核。
  • 若某步骤缺少数据(如数据库无返回),报告会标注“该步骤无数据”,不会跳过;所有预测信息均需保留来源标注(含(in silico))。
  • 当前版本以计算筛选(干实验)为主,更偏网络药理学与虚拟评估;血清药物化学、谱效关系等湿实验请在请求中说明。
  • 分析结果附带版本标识 tibet-qmarker-discovery v1.0,便于追溯方法口径。

使用场景

  • 为红景天建立质量控制指标时,从成分库中筛选可用Q-marker候选并排序。
  • 分析二十五味珊瑚丸复方时,需在配伍环境下评估候选质量标志物传递性并输出Top 5。
  • 藏药质量研究中面对藏茵陈多基原,要区分共有成分与特有成分并分别赋分。
  • 当实验资源有限、需优先验证入血活性成分时,生成可测性高且安全风险低的候选清单。

适合人员

  • 藏药企业质量控制人员:需要为药材和复方建立可检测的质量标志物候选清单。
  • 藏药研究者:在设计实验前,希望先用网络药理学和ADME预测缩小候选化合物范围。
  • 中药质量检测工程师:需要针对HPLC-MS/MS方法评估候选成分可测性并选择对照品。
  • 多基原藏药审评人员:需要区分共有与特有成分,为标准制定或复核提供依据。