第 1 步 · sa.rdkit
准备结构或分子输入
发给 Agent 的任务
用 rdkit/datamol 清洗 SMILES/SDF，生成描述符、指纹、构象和相似性矩阵，并标记不可用输入。建议产出
标准化分子表描述符矩阵无效输入清单
chem-materials
我要做蛋白、分子、药物或材料方向的计算研究
把结构预测、分子描述符、对接、药物发现和材料科学工具组织成能筛选、建模、解释和汇报的流程。
适合谁
药物发现和化学生物学研究者蛋白设计团队材料计算研究者
准备这些材料
蛋白序列、PDB、SMILES、SDF 或 CIF筛选目标或性质指标候选分子/材料列表已有实验约束
会调用的 Skills
cs.boltzcs.diffdocksa.rdkitsa.datamolsa.pymatgen
开始前
先安装这个工作流需要的 Skills
选择你的系统和 Agent，复制命令到终端运行。安装完成后，再把下方提示词交给 Agent。
curl -sSL https://paperskills.com/scripts/paperskills-install.sh | bash -s -- \
--tool codex \
--skills cs.boltz,cs.diffdock,sa.rdkit,sa.datamol,sa.pymatgen \
--registry https://paperskills.com/api/registry推荐工作流
查看 Skill
第 2 步 · cs.diffdock
预测结构或对接姿势
发给 Agent 的任务
用 diffdock/boltz 为候选蛋白-配体组合预测结合姿势或复合体结构，输出置信度、失败案例和后续验证建议。建议产出
结构预测置信度评分验证建议
第 3 步 · sa.pymatgen
扩展到材料或性质分析
发给 Agent 的任务
如果对象是材料结构，用 pymatgen 读取 CIF/POSCAR，计算基础结构信息、相图/能带相关输入和 Materials Project 查询计划。建议产出
结构摘要材料查询计划性质分析路径
boltz
用 Boltz-2 预测蛋白质、核酸与小分子复合物结构（Passaro & Wohlwend 等 2025），可选结合亲和力预测。用于验证设计的结合体、与 SMILES/CCD 配体共折叠，或作为开源的 AlphaFold3 替代方案。
查看 Skilldiffdock
用 DiffDock-L 预测小分子结合位姿（Corso 等 2023/2024）——无需预定义搜索框的盲扩散对接，并用学习到的置信度模型对样本排序。用于将 SMILES/SDF 对接到 PDB、为小型片段库生成排序的 3D 位姿，或作为对接起点。
查看 Skillrdkit
用于细粒度分子控制的化学信息学工具包。 SMILES/SDF 解析、描述符（MW、LogP、TPSA）、指纹、子结构搜索、2D/3D 生成、相似性、反应。对于具有更简单界面的标准工作流程，请使用 datamol（RDKit 的包装器）。使用 rdkit 进行高级控制、自定义清理和专用算法。
查看 Skilldatamol
RDKit 的 Pythonic 包装器，具有简化的界面和合理的默认值。标准药物发现的首选，包括 SMILES 解析、标准化、描述符、指纹、聚类、3D 构象异构体、并行处理。返回本机 rdkit.Chem.Mol 对象。对于高级控制或自定义参数，直接使用rdkit。
查看 Skillpymatgen
材料科学工具包。晶体结构（CIF、POSCAR）、相图、能带结构、DOS、材料项目集成、格式转换，用于计算材料科学。
查看 Skill