用于早期药物发现的药物靶点的综合计算验证。使用 60 多种 ToolUniverse 工具从 10 个维度（消歧、疾病关联、成药性、化学物质、临床先例、安全性、路径背景、验证证据、结构见解、验证路线图）评估目标。生成定量目标验证分数 (0-100)，并给出 GO/NO-GO 建议。当用户询问靶标验证、成药性评估、靶标优先级或“X 是 Y 的良好药物靶标吗？”时使用
通过命令行快速安装 tooluniverse-drug-target-validation AI 技能到你的开发环境
来源：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 |
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-drug-target-validation用于早期药物发现的药物靶点的综合计算验证。使用 60 多种 ToolUniverse 工具从 10 个维度（消歧、疾病关联、成药性、化学物质、临床先例、安全性、路径背景、验证证据、结构见解、验证路线图）评估目标。生成定量目标验证分数 (0-100)，并给出 GO/NO-GO 建议。当用户询问靶标验证、成药性评估、靶标优先级或“X 是 Y 的良好药物靶标吗？”时使用 来源：mims-harvard/tooluniverse。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-drug-target-validation 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/mims-harvard/tooluniverse