概览
RDKit Skill (K-Dense) 是 Scientific Agent Skills 集合中的一项独立资源。它提供说明、参考资料和可选辅助脚本，帮助将 RDKit 用于化学信息学任务；它本身不是 RDKit 库，也不是可独立运行的智能体。对于需要精细控制分子、自定义清理或使用专门算法的工作流，该指南倾向推荐 RDKit；对于标准工作流，则指出 datamol 是更简便的封装工具。
文档描述的工作流从 SMILES、SDF、MOL 或 InChI 等分子结构开始，经过解析、验证、分析和可选转换。所涵盖的输出包括分子描述符、指纹、相似性结果、子结构匹配、反应产物、坐标和可视化。附带的三个 Python 辅助工具分别用于分子性质计算、基于指纹的相似性筛选和子结构过滤。配套参考资料整理了 API 详情、描述符定义、SMARTS 模式和工作流注意事项。
化学解释仍须由使用者明确负责。规范异构 SMILES 不会自动统一互变异构体、质子化状态、盐或未指定的立体化学。辅助工具会在过滤无效记录时保留源标识符，也不会隐式脱盐或中和结构。指纹相似度不是身份判定；搜索辅助工具接受一个有效的查询分子，而不是一批查询分子。历史上的 pains 选项仅包含五个示例性基序，并非已发表的 PAINS 目录。描述符阈值、QED 和警示项属于研究启发式指标，不能作为生物活性或安全性的证据。辅助脚本需要安装 rdkit 包；Skill 提供的是操作指南，而不是该依赖项。
主要功能
- 提供分子输入/输出与验证指南，涵盖 SMILES、SDF、MOL、InChI、手动清理和化学问题检测。
- 涵盖描述符与指纹工作流，包括 MW、LogP、TPSA、氢键计数、Morgan/ECFP、MACCS、相似度指标和 Butina 聚类。
- 提供基于 SMARTS 的子结构搜索和反应 SMARTS 指南，包括匹配项获取、反应应用和反应指纹。
- 提供 2D 绘图、ETKDG 嵌入、力场优化、对齐，以及在继续处理前检查构象生成失败情况的说明。
- 附带三个 Python 辅助工具：`molecular_properties.py`、`similarity_search.py` 和 `substructure_filter.py`，可直接使用，也可作为工作流模板。
- 提供化学含义方面的保障措施说明，包括保留原始结构和源标识符、在 CXSMILES 输出中保留增强立体化学，以及明确制定标准化策略。
使用场景
- 建议的评估：在分子集合上建立描述符表，同时保留原始结构和源标识符，以便追溯。
- 建议的评估：使用指纹将化合物集合与一个查询分子进行筛选，随后检查候选匹配项，但不要将相似性视为化学身份。
- 建议的评估：使用针对任务的 SMARTS 模式过滤结构，并在解释警示或排除化合物前核验匹配结果。
- 建议的评估：为分子绘图或构象生成工作流制作原型，并在下游分析前检查解析和嵌入失败情况。
使用方式
- 阅读指定的 Skill 文件，选择相关工作流，并区分其中的说明与 RDKit 依赖项。
- 从集合仓库获取
skills/rdkit资源。按照 Skill 的环境指南安装rdkit；避免在同一环境中混用 conda 和 PyPI 安装方式。 - 以有记录的格式准备分子输入。保留原始结构和源 ID，验证解析后的分子，并明确判断是否适合进行标准化。
- 查阅源说明中列出的参考文件，然后选择一个辅助工具或改编示例工作流。相似性搜索只接受一个有效查询分子。
- 先用规模较小、便于检查的数据集进行评估。检查无效记录、立体化学处理、SMARTS 匹配和构象生成失败；将描述符和警示项视为研究启发式指标，而非经过验证的生物学结论。