·tooluniverse-drug-target-validation
</>

tooluniverse-drug-target-validation

Convalida computazionale completa degli obiettivi farmacologici per la scoperta di farmaci in fase iniziale. Valuta gli obiettivi in ​​10 dimensioni (disambiguazione, associazione di malattie, farmacoducibilità, sostanza chimica, precedenti clinici, sicurezza, contesto del percorso, prove di validazione, approfondimenti strutturali, roadmap di validazione) utilizzando oltre 60 strumenti ToolUniverse. Produce un punteggio di convalida target quantitativo (0-100) con raccomandazione GO/NO-GO. Da utilizzare quando gli utenti chiedono informazioni sulla convalida del target, sulla valutazione della farmacoducibilità, sulla definizione delle priorità del target o "X è un buon target del farmaco per Y?"

95Installazioni·2Tendenza·@mims-harvard

Installazione

$npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-drug-target-validation

Come installare tooluniverse-drug-target-validation

Installa rapidamente la skill AI tooluniverse-drug-target-validation nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-drug-target-validation
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: mims-harvard/tooluniverse.

Validate drug target hypotheses using multi-dimensional computational evidence before committing to wet-lab work. Produces a quantitative Target Validation Score (0-100) with priority tier classification and GO/NO-GO recommendation.

| target | Yes | Gene symbol, protein name, or UniProt ID | EGFR, P00533, Epidermal growth factor receptor | | disease | No | Disease/indication for context | Non-small cell lung cancer, Pancreatic cancer | | modality | No | Preferred therapeutic modality | small molecule, antibody, protein therapeutic, PROTAC |

| 80-100 | Tier 1 | Highly validated - proceed with confidence | | 60-79 | Tier 2 | Good target - needs focused validation | | 40-59 | Tier 3 | Moderate risk - significant validation needed | | 0-39 | Tier 4 | High risk - consider alternatives |

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-drug-target-validation
Categoria
</>Sviluppo
Verificato
Prima apparizione
2026-02-20
Aggiornato
2026-03-10

Browse more skills from mims-harvard/tooluniverse

Risposte rapide

Che cos'è tooluniverse-drug-target-validation?

Convalida computazionale completa degli obiettivi farmacologici per la scoperta di farmaci in fase iniziale. Valuta gli obiettivi in ​​10 dimensioni (disambiguazione, associazione di malattie, farmacoducibilità, sostanza chimica, precedenti clinici, sicurezza, contesto del percorso, prove di validazione, approfondimenti strutturali, roadmap di validazione) utilizzando oltre 60 strumenti ToolUniverse. Produce un punteggio di convalida target quantitativo (0-100) con raccomandazione GO/NO-GO. Da utilizzare quando gli utenti chiedono informazioni sulla convalida del target, sulla valutazione della farmacoducibilità, sulla definizione delle priorità del target o "X è un buon target del farmaco per Y?" Fonte: mims-harvard/tooluniverse.

Come installo tooluniverse-drug-target-validation?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-drug-target-validation Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/mims-harvard/tooluniverse