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。

Audits

Pending

ClawScanPass

Agentic behavior and permission review.

Static analysisReview

Pattern checks against bundled files.

VirusTotalPending

Multi-engine malware detections and file reputation.

Install

openclaw skills install unisound-target-screening

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 / MD	key: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 STRING：txt/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。