Virtual Screening

介绍

该Skill解决了药物研发早期阶段从海量化合物库中快速筛选潜在活性分子的痛点。传统实验筛选成本高、周期长，而本工作流通过计算化学方法，将Transformer深度学习模型与分子对接（Docking）技术结合，显著提升虚拟筛选效率和通量。

使用方式非常直观：用户只需提供化合物库文件（如SMILES或SDF格式），Skill会自动调用SciMiner引擎执行筛选流程。支持两种模式——基于Transformer的序列特征预测和基于结构的分子对接打分，最终输出排序后的候选化合物列表及置信度评分。

适合药物化学家、计算化学研究者、生物信息学分析师以及从事先导化合物发现的高校实验室。尤其适合需要快速评估大规模化合物库（数十万至数百万分子）但缺乏本地高性能计算资源的团队。

建议在使用前准备好标准化的化合物结构数据，并确保安装了RDKit等化学信息学依赖。对于非专业用户，可先从内置的小型演示库开始测试流程。注意：该Skill的预测结果仅为初步筛选，最终仍需湿实验验证。