这是一套面向“计算与数字化药物研发”的 ChatGPT Skills 组合包。设计原则是：
- DrugClaw 直接覆盖的阶段，优先用 DrugClaw 的任务边界来做 skill；
- DrugClaw 不直接覆盖的阶段，用 GitHub 上仍活跃、社区可见度较高的开源项目做替代性 skill 设计；
- 每个 skill 都是“给另一个 ChatGPT 使用的说明书”，重点是触发条件、输入输出、判断逻辑、交付模板，而不是把第三方项目代码直接打包进去。
- 靶点发现与验证
- 机制与证据综合
- 药物重定位 / 适应症扩展
- ADR / DDI / PGx / Label / Clinical evidence 风险综合
- 结构预测与结构准备：OpenFold, PaddleHelix
- 虚拟筛选与 docking runbook：DockM8, EasyDock, QVina
- ADMET / 分子性质建模：Chemprop, DeepChem, TorchDrug
- de novo 分子生成：DrugGEN
- 临床采集与 CDM：OpenClinica
- 实验记录与知识沉淀：eLabFTW, AI4Green
| 阶段 | Skill | 主要来源 |
|---|---|---|
| 靶点发现 / 验证 | target-evidence-triage | DrugClaw |
| 重定位 / 适应症扩展 | repurposing-hypothesis-screen | DrugClaw |
| 安全性 / PGx / 标签 | safety-pgx-brief | DrugClaw |
| 结构建模 | structure-folding-planner | OpenFold, PaddleHelix |
| 虚拟筛选 / 命中发现 | virtual-screening-orchestrator | DockM8, EasyDock, QVina |
| Lead 优化 / ADMET | admet-property-modeler | Chemprop, DeepChem, TorchDrug |
| 从头生成 | de-novo-molecule-generator | DrugGEN |
| 临床数据运营 | clinical-study-ops | OpenClinica |
| 实验记录 / 知识沉淀 | lab-knowledge-capture | eLabFTW, AI4Green |
每个 skill 子目录都已经单独打成了 skill.zip，可直接选择你想要的那个上传。
先看每个 skill 目录下的 SKILL.md 和来源说明，确认它适合你的团队当前阶段，再上传。
- 早研策略组合：target-evidence-triage + repurposing-hypothesis-screen + safety-pgx-brief
- 结构药设组合：structure-folding-planner + virtual-screening-orchestrator + admet-property-modeler
- 生成式设计组合：de-novo-molecule-generator + virtual-screening-orchestrator + admet-property-modeler
- 转化与执行组合：clinical-study-ops + lab-knowledge-capture
本套 skill 更偏向：
- 计算生物学
- 药物知识检索与证据综合
- 虚拟筛选 / 设计 / 建模
- 临床数据流程和实验知识沉淀
本次没有单独生成 CMC / 制剂工艺 / GMP 生产 / eCTD 申报写作 skill。原因不是不能写，而是这些阶段更依赖企业 SOP、法规模板、QMS 与私有系统，单靠当前这一轮 GitHub 热门项目检索，不足以稳定地产生一个高可信的“通用技能包”。