Medchem 화합물 필터링

무엇을 해주나

• datamol-io의 medchem 라이브러리를 활용해 화합물 라이브러리를 약물유사성(drug-likeness) 기준으로 걸러냅니다.
• Lipinski Ro5, Veber, CNS, lead-like 등 문헌 기반 규칙을 단일 분자 또는 대량 배치로 적용하고, 결과를 pandas DataFrame(pass_all, pass_any)으로 정리합니다.
• PAINS·Brenk·ChEMBL Common Alerts·NIBR(노바티스 스크리닝 덱) 구조 경고, ZINC-15 백분위 기반 복잡도(bertz, sas, qed 등), 화학 그룹(privileged scaffolds, 공유결합 warhead) 검출을 지원합니다.
• MATCHRULE, HASALERT, HASPROP, HASGROUP, HASSUBSTRUCTURE + AND/OR/NOT 로 구성된 medchem 쿼리 언어로 다중 조건 필터를 한 줄에 작성합니다.
• 반환 타입(DataFrame vs 불리언 마스크) 차이, n_jobs=-1 병렬화, Lilly demerit 필터의 별도 설치 필요성 같은 실무 주의점을 함께 안내합니다.

이런 분께 추천

• 신약개발 초기 단계에서 hit-to-lead / lead optimization 후보를 선별하는 메디시널 케미스트
• SMILES 기반 대규모 라이브러리를 정제해야 하는 케미인포매틱스·계산화학 연구자
• 생성 모델이 만든 분자를 합성 가능성·독성 경고 기준으로 후처리하는 AI 신약개발 엔지니어

활용 예시

1. compounds.csv의 수만 개 SMILES에 Ro5 + Veber 규칙과 PAINS 제외 쿼리를 적용해 filtered_compounds.csv로 저장.
2. lead 후보군에 rule_of_leadlike_soft, NIBR severity < 10, Bertz 복잡도 95백분위 미만 조건을 결합해 최종 통과 마스크 생성.
3. common_warhead_covalent_inhibitors 그룹 매칭으로 공유결합 억제제 warhead를 포함한 분자만 추출해 별도 검토.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/medchem/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/medchem 폴더를 내 ~/.claude/skills/medchem/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.