1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | structure-based-drug-design-awslabs-hcls-agent-skills |
| 项目自述名称 | structure-based-drug-design（SKILL.md name 字段原值） |
| 作者/维护者 | AWS Labs（GitHub 认证组织 awslabs），收录于官方合集 Agent Skills for Healthcare & Life Sciences |
| 来源链接 | https://github.com/awslabs/hcls-agent-skills/tree/main/skills/structure-based-drug-design |
| 许可证 | MIT-0（仓库根 LICENSE 文件确认，GitHub API license 字段同步核实为 mit-0） |
| GitHub Stars/Forks | 所属合集仓库 12 / 4（GitHub API 实测 2026-08-05；仓库为 40 技能合集，星数不直接归属本技能个体，独立佐证见第 6 章） |
| 最新版本 | SKILL.md 声明 version: 1.0.0；子目录提交历史实测仅 1 次专属内容提交，日期 2026-06-09（首次公开发布） |
| 安装方式 | 复制该子目录（或单个 SKILL.md）至本地 agent 的 skills 目录，详见第 10 章 |
2. 功能介绍与亮点
structure-based-drug-design 是纯提示词/推理型技能，教会 agent 结构药物设计（SBDD）全流程中真正决定成败的策略性判断：靶点可成药性评估、对接方法选择、按靶点类别挑打分函数、结合位点定义、对接结果可信度判读、何时该从对接升级到分子动力学（MD）或自由能微扰（FEP）、虚拟筛选级联设计、以及片段筛选与高通量筛选（HTS）之间如何取舍。技能本身不生成代码、不调用任何对接软件，只负责在动手计算前把方法学决策讲清楚。
亮点：
- 单文件约 230 行/20KB，15 个小节完整覆盖 SBDD 决策链——从可成药性判据（口袋深度、体积、疏水比、柔性）到最终实验验证，形成一条完整决策路径。
- 按靶点类别分述打分函数选择逻辑：ATP 竞争性激酶看铰链区氢键、别构/DFG-out 激酶需构象特异模板、GPCR 要考虑跨膜疏水环境、蛋白-蛋白界面需形状互补优先于总分——这类靶点特异性经验规则是通用提示词难以覆盖的细节。
- 专设“何时升级到 MD/FEP”一节，给出可操作的量化门槛（FEP 相对 ΔΔG 精度约 1 kcal/mol、仅限同系列小幅扰动等），避免在不该用高成本方法时误用。
- 专设“本技能不适用场景”，明确排除 PROTAC/分子胶降解剂设计、抗体/生物制剂工程、无靶点结构时的配体设计——避免技能被误用到超出方法学边界的场景。
- 10 组“错误做法→正确做法→为什么”常见错误对照，覆盖对接前未验证、单一刚性结构套用柔性靶点、忽略质子化状态、跨骨架直接比较打分等静默失败模式。
- 文末列出 4 条同行评审文献引用（可成药性 Halgren 2009、fpocket Le Guilloux 2009、Vina 打分 Trott & Olson 2010、FEP 精度 Cournia 2017，均为可点击 DOI 链接），方法学有据可查。
3. 适用场景
固定分类：数据分析与可视化。适合计算化学与结构生物学团队在拿到靶点晶体结构或冷冻电镜结构后判断该靶点是否可成药、在刚性/柔性/系综对接之间做选择、按靶点家族挑选合适的打分函数、诊断“对接打分与实际活性不相关”这类常见问题、规划从虚拟筛选到湿实验验证的完整级联、或在片段筛选与高通量筛选之间做资源取舍的场景。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——仓库 README 标注“Works with: Amazon Quick | Kiro | Claude Code | Codex”，遵循开放 Agent Skills 标准（agentskills.io），SKILL.md 为标准 YAML frontmatter + Markdown 正文，无平台专属代码；提供
./install.sh --target claude-code专用安装路径 - Codex：✅ 原生支持——同一份 README 同时点名 Codex，并可用通用 CLI
npx skills add .安装 - OpenClaw：❓ 未验证——公开材料未提及，但技能零代码执行、零平台专属依赖，迁移摩擦理论上很低
- Hermes Agent：❓ 未验证——公开材料未提及
5. 推荐理由
结构药物设计项目失败的原因，大多不是计算跑不动，而是策略选错了：用刚性对接处理会变构的靶点、拿蛋白-蛋白界面训练出的打分函数去排一个变构口袋、把未经验证的对接协议直接用于排序、或是在骨架完全不同的化合物之间直接比较打分。这份技能把这些决定结果好坏的策略判断——从可成药性量化判据到升级 MD/FEP 的具体门槛——固化成一份自包含文档，零外部依赖、零代码执行，复制即用，还专门列出常见错误的“为什么”，帮助 agent 在做对接策略建议时有据可依而不是给出似是而非的姿态。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7.0 | AWS Labs（GitHub 认证组织 awslabs）官方出品；合集仓库整体仅 12 星，该数字不代表本技能个体热度；暂无独立第三方对本技能的讨论证据 |
| 可用性 | 8.0 | 单文件 SKILL.md、零外部工具依赖，复制进 skills 目录即可用；15 个小节完整覆盖决策链，附常见错误对照与文献引用，文档深度与同合集技能持平；仓库最近推送 2026-07-22，本子目录内容自 2026-06-09 首次发布后未再变更；无付费依赖 |
| 安全性 | 9.0 | 见下方安全检查清单 |
| 综合 | 8.0 | 三项均值，超过 7.0 达标线，安全性远超一票否决线 |
安全检查清单：
- Shell/权限范围：无——纯提示词/推理技能，不含任何脚本或命令，不执行任何操作
- 联网外发：无——不发起任何网络请求，完全基于用户在对话中提供的靶点/结构信息推理
- API Key/凭据：不需要
- 可疑指令/注入迹象：全文通读未发现任何要求执行流程外操作、访问文件或凭据的可疑指令
- 作者/组织信誉：AWS Labs，GitHub 认证官方组织，无造假迹象
- License：MIT-0，仓库根 LICENSE 文件明确声明，条款清晰、完全开源可审计
- 维护时间：首次发布 2026-06-09，仓库最近推送 2026-07-22
7. 跟同类 Skills 相比的优势
| 产品 | 定位 | 核心差异 |
|---|---|---|
| structure-based-drug-design（本推荐） | 结构药物设计策略层的纯方法学推理框架 | 管的是“该用什么对接方法、什么打分函数、什么时候升级到 MD/FEP”这类策略判断，不涉及具体计算 |
| molecular-docking-awslabs-hcls-agent-skills | 同合集的 AutoDock Vina 操作层技能 | pipeline 型，覆盖受体/配体准备、grid box 设置等具体操作步骤，管的是“怎么把对接软件跑起来”，与本推荐互补——本推荐决定策略，它执行策略 |
| drug-repurposing-awslabs-hcls-agent-skills | 同合集的药物重定位推理技能 | 同为 reasoning 型，但聚焦靶点导向 vs 表型导向的重定位路径选择，不涉及结构对接或打分函数 |
对需要判断靶点可成药性、选择对接策略与打分函数、或规划虚拟筛选级联的场景，本推荐直接命中；若已确定策略、只需具体跑通 AutoDock Vina 操作步骤，或场景是重定位已上市药物而非从头对接，宜搭配 molecular-docking 或 drug-repurposing 使用。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
所属合集 awslabs/hcls-agent-skills 在“蛋白质结构”领域下还收录 protein-structure-analysis、molecular-docking 两个操作层技能，风格与文档深度一致；合集整体覆盖基因组学、单细胞分析、医学影像、蛋白质结构、药物流行病学等 13 个领域共 40 个技能，其中 genomic-variant-interpretation、pharmacoepidemiology、translational-research、imaging-study-design、clinical-data-standards、aws-genai-ml-architect 已先后收录，供同一团队按需继续挑选。
10. 安装使用方式
- 克隆或下载仓库，将
skills/structure-based-drug-design/子目录复制到本地 agent 的 skills 目录（Claude Code 为.claude/skills/） - 也可只下载单个
SKILL.md文件放入 skills 目录，无需仓库其余部分 - 触发方式：对话中提及可成药性评估、对接策略、打分函数、结合位点、分子动力学、FEP、虚拟筛选、片段筛选等关键词，或直接问“这个靶点适合刚性对接还是柔性对接”即会被路由到该技能
- 无需重启、无需安装依赖、无需 API Key，安装后立即可用
11. 注意事项
- 技能只提供策略判断，不执行实际计算——具体的对接、分子动力学、FEP 计算仍需 AutoDock Vina、Schrödinger、GROMACS 等外部软件配合
- 技能给出的量化门槛（口袋深度、体积、RMSD 阈值等）是通用经验值，具体靶点仍需结合实测数据验证，不能替代有经验的计算化学家判断
- 所属合集仓库整体仅 12 星，创建时间较新，尚未经过大规模社区验证