Toxicity Structure Alert — 有毒性结构警报
v1.0.0使用 `toxicity-structure-alert` 进行数据分析,采用可重复的工作流程、显式验证和结构化输出,以便于审查的解释。
运行时依赖
安装命令
点击复制技能文档
毒性结构警报(Skill ID:141) 识别药物分子中的潜在毒性结构警报。 何时使用 当任务是通过扫描识别药物分子中的潜在毒性结构警报时使用此技能。对于需要显式假设、有界范围和可复现输出格式的数据分析任务,请使用此技能。当您需要为缺失输入、执行错误或部分证据提供文档化的回退路径时,请使用此技能。 关键特征 请参阅上面的##特征以获取相关详细信息。 范围集中的工作流程与以下内容对齐: 使用毒性结构警报分析数据,具有可复现的工作流程、显式验证和结构化输出,用于审查准备就绪的解释。 打包的可执行路径:scripts/main.py。 参考材料在references/中可用,用于任务特定的指导。 结构化执行路径旨在保持输出的一致性和可审查性。 依赖项 Python 3.8+ RDKit 示例用法 请参阅上面的##用法以获取相关详细信息。 cd "20260318/科学技能/数据分析/毒性结构警报" python -m py_compile scripts/main.py python scripts/main.py --help 示例运行计划: 确认用户输入、输出路径和任何所需的配置值。 编辑文件中的CONFIG块或文档化的参数,如果脚本使用固定设置。 运行python scripts/main.py,使用已验证的输入。 审查生成的输出,并返回最终的工件,包括任何假设。 实现细节 请参阅上面的##工作流程以获取相关详细信息。 执行模型:验证请求、选择打包的工作流程并生成有界的交付物。 输入控制:在运行任何脚本之前,确认源文件、范围限制、输出格式和接受标准。 主要实现表面:scripts/main.py。 参考指南:references/包含支持规则、提示或检查清单。 需要澄清的参数:输入路径、输出路径、范围过滤器、阈值和任何特定于域的约束。 输出学科:保持结果可复现,显式识别假设,避免未经文档记录的副作用。 快速检查 使用此命令验证打包的脚本入口点可以在更深入的执行之前被解析。 python -m py_compile scripts/main.py 审计准备命令 使用这些具体命令进行验证。它们故意自包含,避免占位符路径。 python -m py_compile scripts/main.py python scripts/main.py --help python scripts/main.py --input "审计验证样本,具有明确的症状、历史、评估和下一步计划。" --format json 工作流程 在进行详细工作之前,确认用户目标、所需输入和不可商量的约束。 验证请求是否与文档化的范围匹配,如果任务需要不支持的假设,请提前停止。 使用打包的脚本路径或仅使用实际可用的输入的文档化推理路径。 返回一个结构化的结果,分离假设、交付物、风险和未解决的项目。 如果执行失败或输入不完整,请切换到回退路径,并声明确切的阻止了完整完成的内容。 特征 扫描分子结构(SMILES/SMARTS) 识别已知的毒性结构警报 评估潜在的毒性风险水平 生成详细报告 支持的警报结构 警报结构 毒性类型 风险水平 芳香亚硝基 致突变性 高 芳香胺 致癌性 高 环氧化合物 烷化剂 高 醛 活性毒性 中 酰氯 活性毒性 中 迈克尔受体 电亲性毒性 中 肼 肝毒性 高 卤代烷 烷化剂 高 奎宁 氧化应激 中 硫醇反应基团 蛋白结合 低-中 用法 python -m py_compile scripts/main.py 示例调用:python scripts/main.py --input [--format json|text] 参数 --input, -i:输入SMILES字符串(必需) --format, -f:输出格式,选项json或text(默认:text) --detail, -d:详细程度,选项basic、standard、full(默认:standard) 示例 基本文本输出 python scripts/main.py -i "O=N+c1ccccc1" JSON格式输出 python scripts/main.py -i "O=C1OC1c1ccccc1" -f json 详细报告 python scripts/main.py -i "c1ccc2c(c1)ccc1c3ccccc3ccc21" -d full Python API from scripts.main import ToxicityAlertScanner scanner = ToxicityAlertScanner() result = scanner.scan("O=N+c1ccccc1") print(result.alerts) 输出格式 JSON输出 { "input": "O=N+c1ccccc1", "mol_weight": 123.11, "alert_count": 1, "risk_score": 0.85, "risk_level": "HIGH", "alerts": { "name": "芳香亚硝基", "type": "致突变性", "smarts": "[N+[O-]", "risk_level": "HIGH", "description": "可能导致DNA损伤和致突变性" } ], "recommendations": [ "建议Ames测试验证", "考虑结构优化以降低毒性" ] } 风险水平 高:已知的致突变性或致癌性结构 中:可能导致毒性或其他不良影响的结构 低:未知或不确定的结构