Imported from patsnap/skills (open-platform/drug-potential-assessment/SKILL.md). Install upstream with npx skills add patsnap/skills --skill drug-potential-assessment. Copyright stays with the author.

成药潜力评估助手

定位

当用户输入 适应症、研究领域或靶点（可三者组合），本 Skill 自动触发全维度情报收集流程，筛选具备成药潜力的候选药物，进行多维评分，并输出结构化分析报告。

典型查询示例：

• "分析 KRAS G12C 靶点的成药潜力药物"
• "非小细胞肺癌 EGFR 领域有哪些潜力候选药物？"
• "GLP-1R 激动剂糖尿病治疗领域的成药潜力分析，投资评估视角"
• "NASH 适应症最新成药候选情报，深度研究"

MCP 工具全景（完整命名规范）

所有工具调用须使用完整命名格式 mcp_<服务名>__<工具名>，禁止使用裸工具名以避免路由歧义。

核心生命科学情报

专利深度分析

企业深度情报

工作流程

📢 执行进度反馈规范（约束 #17）

每个 Phase 开始前必须输出一行进度提示，格式如下：

• Phase 2 启动时：⏳ 情报收集中（10路并行）：药物 / 企业 / 专利 / 文献 / 临床 / 序列 / 化学结构 / BD交易 / 流行病学 / 专利格局...
• Phase 3 开始前：✅ 情报收集完毕，共获取 [X] 条候选药物 / [X] 件专利 / [X] 篇文献 / [X] 项临床试验，开始候选筛选...
• Phase 4 开始前：⚙️ 筛选完成，进入多维评分（共 [N] 个候选）...
• Phase 5 开始前：📝 评分完成，生成报告...

Phase 1：实体标准化

调用 mcp_virtual-mcp-pharma-intelligence__ls_ner_nor_normalize 对用户输入进行 NER/NOR 标准化，识别并规范化：

• 靶点（Target）
• 适应症/疾病（Disease）
• 研究领域（Therapeutic Area）
• 药物（Drug，若有）
• 公司（Company，若有）

Phase 2：多维情报并行收集

10路并行执行，各子模块职责严格分工：

2A 药物情报（pharma-intelligence）

• mcp_virtual-mcp-pharma-intelligence__ls_drug_search：检索候选药物，覆盖 preclinical → phase_3 阶段
• mcp_virtual-mcp-pharma-intelligence__ls_drug_fetch：获取候选药物详情（靶点、机制、适应症、开发状态）
• mcp_virtual-mcp-pharma-intelligence__ls_drug_milestone_fetch：获取候选药物研发里程碑时间线

2B 企业情报（pharma-intelligence + patsnap-acquisition）

职责：获取头部企业完整管线、融资能力、创新能力评估

• mcp_virtual-mcp-pharma-intelligence__ls_organization_fetch：重点企业基本信息
• mcp_virtual-mcp-pharma-intelligence__ls_organization_pipeline_fetch：【必须实际调用】 对 TOP 3~5 头部企业逐一获取管线数据，生成企业管线对比表
• mcp_patsnap-acquisition__company_financing：获取头部企业融资事件明细（轮次、金额、时间）【必须实际调用】
• mcp_patsnap-acquisition__acquisition_get_tech_eval_indicators：企业科技创新能力评估（单体企业）
• mcp_patsnap-acquisition__acquisition_get_group_tech_eval：【集团穿透】 企业集团穿透后的科技创新能力评估（适用于有母公司/集团结构的大型药企）
• mcp_patsnap-acquisition__company_tech_label：企业科技资质标签（国家级高新技术企业等）
• mcp_patsnap-acquisition__company_industry：企业行业分类（GBC/SEIC）

2C 专利情报——条目检索层（pharma-intelligence + patsnap-aggregation-data）

职责：检索具体专利条目（IDs、标题、摘要），用于候选药物证据支撑。统计分析交由 2J 执行，避免重复调用。

• mcp_virtual-mcp-pharma-intelligence__ls_patent_search：语义检索目标靶点/适应症最新专利（近3年优先）
  • 【必须加 IPC 分类约束】：优先使用 A61K、A61P、C07D、C07K 等药学/化学 IPC 作为过滤条件
  • 【相关性校验】：返回结果须通过靶点名称/适应症关键词匹配，过滤与主题无关的专利
• mcp_patsnap-aggregation-data__search_patents_v3：Patsnap 高级检索式精准检索（补充语义检索）
• mcp_patsnap-aggregation-data__search_patents_with_detail：检索同时返回首条专利全文，减少二次调用
• mcp_patsnap-aggregation-data__detail：单条核心专利完整详情（含法律状态、同族、引用）
• mcp_patsnap-aggregation-data__detail_text：核心专利全文详情（背景技术、权利要求、技术要素）
• mcp_virtual-mcp-pharma-intelligence__ls_patent_fetch：获取核心专利详情
• 专利类型重点：product_compound、sequence、crystal_form、new_use

2D 文献情报（pharma-intelligence）

职责：检索文献证据，须过滤偏题条目

• mcp_virtual-mcp-pharma-intelligence__ls_paper_search：检索靶点/适应症高引文献
  • 【相关性校验】：返回文献须与靶点/适应症直接相关，丢弃明显偏题条目
• mcp_virtual-mcp-pharma-intelligence__ls_paper_vector_search：语义搜索关键机制文献
• mcp_virtual-mcp-pharma-intelligence__ls_translational_medicine_search：转化医学证据链检索

2E 临床情报（pharma-intelligence）

• mcp_virtual-mcp-pharma-intelligence__ls_clinical_trial_search：检索相关临床试验（招募中及已完成）
• mcp_virtual-mcp-pharma-intelligence__ls_clinical_trial_result_search：获取临床结果数据

2F 序列情报（biology-modality）

• mcp_virtual-mcp-biology-modality__ls_antibody_antigen_search：靶点相关抗体-抗原关系检索
• mcp_virtual-mcp-biology-modality__ls_sequence_fetch：【必须对命中的 TOP 5 抗体序列实际调用】，获取重链/轻链序列详情
• 当靶点为蛋白/抗体类时，完整序列相似性搜索流程： mcp_virtual-mcp-biology-modality__ls_sequence_search_submit → mcp_virtual-mcp-biology-modality__ls_sequence_search_check_status（轮询至 SUCCESS）→ mcp_virtual-mcp-biology-modality__ls_sequence_search_get_results

2G 化学结构情报（chemical-molecular）

调用链：专利号 → 结构获取 → InChIKey → SMILES → ADMET预测

• mcp_virtual-mcp-chemical-molecular__ls_patent_structure_fetch：根据 2C 返回的专利号批量获取关联化学结构
• mcp_virtual-mcp-chemical-molecular__ls_structure_fetch：根据 InChIKey 获取化合物详情（SMILES/分子式/名称）
• mcp_virtual-mcp-chemical-molecular__ls_admet_predict：对获取的 SMILES 执行 ADMET 预测
• mcp_virtual-mcp-chemical-molecular__ls_sar_submit + mcp_virtual-mcp-chemical-molecular__ls_sar_fetch：SAR 构效关系提取（提交后轮询获取结果）
• mcp_virtual-mcp-chemical-molecular__ls_structure_search：结构相似性搜索（SIM模式，threshold≥0.8）
• mcp_virtual-mcp-chemical-molecular__ls_chemical_mcs_analyze：最大公共子结构分析（多候选结构对比）
• 【降级策略】：若工具调用连续失败，自动切换为 mcp_virtual-mcp-pharma-intelligence__ls_paper_vector_search 检索 ADMET 相关文献，在报告局限性中注明 [LC]

2H 交易情报（pharma-intelligence）

• mcp_virtual-mcp-pharma-intelligence__ls_drug_deal_search：BD 交易、授权、合作信息（成药潜力商业验证）

2I 流行病学情报（pharma-intelligence）

• mcp_virtual-mcp-pharma-intelligence__ls_epidemiology_vector_search：检索适应症患病率、发病率、市场规模等流行病学数据
• 【必须量化】：返回数据须直接引用作为"适应症需求强度"评分依据，不可纯主观判断

2J 专利竞争格局深度分析——统计分析层（patsnap-aggregation-data + patsnap-acquisition）

职责：统计分析层面，与 2C 条目检索层严格分工，避免重复调用

• mcp_patsnap-aggregation-data__search_patents_statistics：按申请人维度统计，识别核心专利持有方
• mcp_patsnap-aggregation-data__search_patents_facet：按法律状态/国家/年份分面统计，快速获取全景分布
• mcp_patsnap-aggregation-data__technology_life_cycle：【必须调用】 技术生命周期（近10年专利申请趋势，输出ECharts折线图）
• mcp_patsnap-aggregation-data__applicant_rank：全球 Top10 申请人及专利数量
• mcp_patsnap-aggregation-data__ipc_rank：IPC 分类排名（识别核心技术方向）
• 对 Top 3 核心专利的五维深度分析（【必须调用】）：
  • mcp_patsnap-acquisition__patent_valuation：综合五维价值评分（技术/法律/市场/战略/经济）
  • mcp_patsnap-acquisition__tech_indicators：技术价值详细指标（被引数、权利要求数、IPC分布）
  • mcp_patsnap-acquisition__legal_indicators：法律价值详情（专利年龄、剩余寿命、诉讼国家）
  • mcp_patsnap-acquisition__market_indicators：市场价值详情（同族大小、覆盖国家数）
  • mcp_patsnap-acquisition__strategic_indicators：战略价值详情（转让/质押/许可次数）
  • mcp_patsnap-acquisition__economic_indicators：经济价值详情（IPC近5年增长率、同族稳定趋势）
• mcp_patsnap-acquisition__patent_risk_warning：对涉诉/高风险专利识别风险（质押/诉讼/无效）

Phase 3：候选药物筛选

基于收集到的情报，按如下规则筛选成药潜力候选：

纳入标准：

1. 具备明确靶点-适应症关联
2. 存在专利保护或近期申请
3. 至少有一项：临床前/临床数据 OR 序列信息 OR 化学结构信息
4. 涉及活跃开发企业

排除标准：

• 已上市且非新适应症（除非用于组合/新剂型分析）
• 已明确终止/撤回

优先级加权：

• 近12个月新专利申请 → 权重提升
• Phase 2/3 临床在研 → 权重提升
• 多家企业竞争布局 → 领域热度标记
• 专利价值综合评分高（patent_valuation 返回）→ 权重提升

Phase 4：多维潜力评分

每个候选药物从以下 7个维度 打分（每维 0-10 分）：

综合潜力得分 = 加权平均（权重依用户选择的分析视角预设）

分析视角与权重模板

用户可在输入时指定 视角，缺省为「标准分析」。报告中必须展示所用视角及权重配置表：

数据置信度与覆盖率标注规则（约束 #18）

• 高置信 [HC]：来自多个独立来源交叉验证
• 中置信 [MC]：来自单一可信来源
• 低置信 [LC]：推断或间接证据，需进一步验证
• 覆盖率标注：当返回样本数 / 总量 < 10% 时，自动标注 [样本分析，覆盖率 X%]；样本数 / 总量 ≥ 50% 时标注 [较全面覆盖，覆盖率 X%]

Phase 5：报告生成

输出结构化 Markdown 报告，包含：

# 成药潜力分析报告

## 执行摘要
- 分析范围（靶点/适应症/领域）
- 分析视角 & 权重配置表
- 候选药物总数 & 高潜力候选数
- 核心发现 TOP 3

## 情报收集汇总（含数据覆盖率）
- 专利：X件（样本N件，覆盖率X%），时间范围，技术生命周期阶段
- 文献：X篇（覆盖率X%），关键期刊，核心发现
- 临床试验：X项（阶段分布）
- 序列：TOP 5 抗体重链/轻链序列详情（若适用）
- 化学结构：化合物数、ADMET亮点、SAR摘要（或降级说明）
- 企业管线对比表（TOP 3~5，含融资历史、集团创新能力评分）
- 流行病学数据（患病率/发病率/市场规模，量化引用）
- 重要BD交易

## 高潜力候选药物列表（TOP N）
[药物卡片 × N]
- 药物名称/代码 | 开发企业（融资情况）
- 机制/靶点 | 最高开发阶段
- 综合得分 & 各维度得分（含权重）[覆盖率标注]
- 核心证据（专利/文献/临床）
- 风险提示

## 竞争格局分析
- 企业管线对比表（实际调用数据）
- 企业融资能力对比（company_financing数据）
- 集团创新能力对比（group_tech_eval数据）
- 技术路线对比

## 专利格局深度分析
- 技术生命周期图（ECharts折线图，近10年申请趋势）
- 全球Top10申请人排名及专利数量
- IPC技术方向分布
- 核心专利五维价值详细分析：
  * 技术维度：被引数、权利要求数、IPC分布（tech_indicators）
  * 法律维度：专利年龄、剩余寿命、诉讼情况（legal_indicators）
  * 市场维度：同族大小、覆盖国家数（market_indicators）
  * 战略维度：转让/质押/许可次数（strategic_indicators）
  * 经济维度：IPC近5年增长率、同族稳定趋势（economic_indicators）
- 专利风险预警（涉诉/质押/无效情况）
- 核心专利清单 & 到期时间线
- 布局空白区域

## BD交易信号
- 近期重大交易 | 合作趋势

## 序列与结构亮点（若适用）
- 关键抗体重链/轻链序列特征
- 代表性化合物SMILES & ADMET数据
- SAR构效关系摘要 | MCS片段分析

## 结论与建议
- 优先关注候选（含理由）
- 投资/研发建议（短期/中期/长期）
- 数据局限性说明

## 数据来源追溯
[S1]...[S2]...

评分指引

执行约束（共20条）

1. 并行检索优先：Phase 2 各子任务必须并行执行，减少等待时间
2. 完整工具名：所有 MCP 工具调用必须使用 mcp_<服务名>__<工具名> 完整格式，禁止使用裸工具名
3. 证据追溯：每项评分依据必须标注 [S#] 来源
4. 事实与推断分离：推断性结论须明确标注 [LC] 并说明依据
5. 不生成虚假数据：若某维度数据不足，标注"数据不足，评分保守"而非捏造
6. 报告语言：中文为主，药物名称/靶点名称保留英文
7. 专利日期核验：引用专利前确认申请日/公开日，不做"无新专利"的错误结论
8. 阶段准确性：drug highest_phase 与 clinical trial phase 须区分描述
9. 相关性过滤：专利/文献检索返回结果必须经过主题匹配校验，过滤与靶点/适应症无关的条目
10. 化学结构降级策略：若 chemical-molecular 工具连续失败，自动降级为文献推断路径，须在报告局限性中说明 [LC]
11. 序列详情必须获取：命中抗体序列后须实际调用 ls_sequence_fetch 获取 TOP 5 详情
12. 企业管线必须实际调用：Phase 2B 必须对头部企业实际执行 ls_organization_pipeline_fetch，生成可对比的管线表格
13. 权重视角展示：报告中须明确展示所用分析视角及对应权重配置表
14. 流行病学数据支撑："适应症需求强度"评分须引用 ls_epidemiology_vector_search 返回的量化数据
15. 专利五维详细指标：Phase 2J 对 Top 3 核心专利必须调用 patent_valuation + tech/legal/market/strategic/economic_indicators 五个详情工具
16. 企业融资数据：Phase 2B 对头部企业必须实际调用 company_financing，融资能力须体现在企业竞争格局分析中
17. 执行进度反馈：每个 Phase 开始前必须输出进度提示
18. 数据覆盖率标注：返回样本数/总量 < 10% 时自动标注 [样本分析，覆盖率 X%]；≥ 50% 时标注 [较全面覆盖，覆盖率 X%]
19. 2C/2J 分工不重复：2C 只做条目检索，2J 只做统计分析，同一工具不在两个模块重复调用
20. 集团穿透评估：对有集团母公司结构的大型药企，优先使用 acquisition_get_group_tech_eval 而非单体评估

输入格式

用户可提供（至少一项）：

• 适应症：如"非小细胞肺癌"、"2型糖尿病"
• 靶点：如"EGFR"、"PD-1"、"KRAS G12C"
• 研究领域：如"肿瘤免疫"、"代谢疾病"
• 分析深度：快速概览 / 标准分析 / 深度研究（默认：标准分析）
• 分析视角：投资评估 / 研发立项 / 专利布局 / 竞争监控（默认：标准分析）
• 候选数量：返回 TOP N 候选（默认：TOP 10）
• 地域偏好：如"中国"、"全球"（影响专利/临床检索范围）

输出格式

• 主报告：完整 Markdown，包含结构化评分卡
• 摘要卡：执行摘要（3-5 句话）
• 数据表格：候选药物得分对比表（含视角权重）+ 数据覆盖率汇总表
• 可视化：ECharts 柱状图（综合得分对比）+ ECharts 折线图（技术生命周期趋势）