← 返回
未分类 Key

unisound-target-screening

药企药物研发辅助药物靶点筛选。参考 Open Targets Database skill 的 target-disease association 与 target prioritization 部分,构建药企研发场景下的候选靶点筛选能力。
unisound-llm
未分类 clawhub v1.0.0 100000 Key: 需要
★ 0
Stars
📥 265
下载
💾 0
安装

概述

药物靶点筛选

概述


本 skill 对应:药企 / 药物研发辅助 / 药物靶点筛选。

要求:药企研发场景。

来源核验


  • 匹配来源:Open Targets Database
  • 来源类型:公开 Agent Skill
  • 来源链接:https://agent-skills.md/skills/x-cmd/skill/opentargets-database
  • 匹配结论:匹配。该 skill 明确覆盖 target-disease association、known drugs、druggability、safety 与 target prioritization。

参考部分


只参考 Open Targets Database skill 的 target-disease association 与 target prioritization 部分:

  • 疾病/适应症与候选靶点关联
  • 证据强度整理
  • 可成药性整理
  • 安全风险整理
  • 候选靶点优先级排序

不参考部分


  • 不参考外部数据库实时查询
  • 不参考分子生成、化合物设计或合成路线
  • 不参考临床试验设计
  • 不扩展到医学事务资料生成

构建方式


OpenClaw 中应构建为一个独立的筛选型 skill:

  • 输入疾病/适应症和候选靶点列表
  • 按证据强度、可成药性、安全风险生成靶点优先级
  • 输出候选靶点筛选 JSON

建议输入字段


  • disease:疾病或适应症
  • targets:候选靶点列表
  • target:靶点名称或基因符号
  • mechanism:作用机制
  • evidence:证据描述或证据强度
  • druggability:可成药性
  • safety_risk:安全风险
  • references:来源引用

建议输出字段


  • skill药物靶点筛选
  • disease
  • ranked_targets
  • screening_basis

医疗边界


本 skill 只做药物研发候选靶点筛选整理,不构成临床诊断、治疗建议或药品有效性结论。

快速开始


从本 skill 目录执行:

python3 scripts/run.py --input input.json --output output.json --appkey YOUR_KEY

最小输入示例


{
  "disease": "非小细胞肺癌",
  "targets": [
    {
      "target": "EGFR",
      "mechanism": "抑制肿瘤驱动信号",
      "evidence": "high",
      "druggability": "high",
      "safety_risk": "medium",
      "references": ["example-ref"]
    }
  ]
}

输出约定


输出 UTF-8 JSON,采用统一格式:

{
  "skill": "技能名称",
  "status": "ok",
  "data": { /* 结构化数据 */ },
  "text": "API 生成的 Markdown/自然语言内容,OpenClaw 直接渲染给用户"
}
  • data:本地预处理得到的结构化数据
  • text:内部医疗大模型生成的自然语言解读/分析/提醒,Markdown 格式

支持的输入格式


除 JSON 外,还支持以下格式(通过 --input-type 自动检测或手动指定):

格式说明
------------
JSON默认,直接读取结构化输入
CSV / XLSX / XLS表格数据,按列头自动映射字段
TXT / MDkey:value 文本格式(支持中文/英文字段名)
PDF / DOC / DOCX文档,提取文本后解析
PNG / JPG 等图片OCR 提取文本后解析

统一入口附加参数


  • --input-type auto|pdf|doc|docx|xls|xlsx|csv|txt|json:输入类型;默认 auto
  • --sheet STRING:读取 Excel 时指定 sheet(可选)。
  • --encoding STRINGtxt/csv 编码(默认:utf-8)。
  • --save-prepared:保存预处理后的 JSON,便于调试。
  • --appkey STRING必填。内部医疗大模型鉴权 key,由用户在 OpenClaw 中调用时提供。本 skill 强制通过 API 进行靶点筛选排序,无本地透传模式。

依赖


运行环境

  • Python 3.7+

Python 第三方包(可选,按输入格式需要)

包名用途必要条件
---------------------
openpyxl读取 .xlsx 文件输入为 xlsx 时必须
pypdf提取 PDF 文本输入为 pdf 时必须

外部工具(可选,按输入格式需要)

工具用途必要条件
---------------------
LibreOffice (soffice)转换 .doc / .xls输入为 doc/xls 时必须
pdftotext(poppler-utils)提取 PDF 文本输入为 pdf 且未安装 pypdf 时
tesseract(含 chi_sim+eng)图片 OCR输入为图片时必须

> 仅使用 JSON 输入时,无需安装任何第三方包或外部工具。

模型配置


本 skill 执行时通过内部医疗大模型进行推理:

  • endpoint:https://maas-api.hivoice.cn/v1/chat/completions
  • model:u1-insuremed
  • 协议:OpenAI Chat Completions(兼容标准 /v1/chat/completions)
  • 鉴权:通过 --appkey 参数传入 Bearer token,由用户在 OpenClaw 中调用时提供

> 本 skill 强制走 API 推理,无本地透传模式。

> 强制通过 --appkey 调用内部医疗大模型进行推理,无本地兜底模式。

版本历史

共 1 个版本

  • v1.0.0 当前
    2026-05-21 14:43 安全 安全

安全检测

暂无安全检测报告