核心用法
pharmaclaw-chemistry-query 是一款面向化学研究与药物开发的全栈分子分析工具，整合 PubChem 公开数据库与 RDKit 计算化学引擎，提供从化合物检索到合成路线设计的完整工作流。
主要功能模块：
1. PubChem 数据检索：支持化合物名称/CID 双向解析，获取分子式、分子量、IUPAC 名、InChIKey、SMILES 结构，以及 2D 结构图像。集成相似性搜索（2D 指纹 Tanimoto 阈值筛选）。
2. RDKit 分子属性计算：输入 SMILES 即可计算分子量（MW）、脂水分配系数（logP）、拓扑极性表面积（TPSA）、氢键供体/受体数（HBD/HBA）、可旋转键数、芳香环数等成药性关键参数。
3. 分子可视化：生成 300×300 像素的 PNG/SVG 2D 结构图，支持子结构高亮。
4. 逆合成分析（Retrosynthesis）：基于 BRICS 算法递归断裂分子骨架，可控递归深度（--depth），识别合成前体；支持多步合成路线规划（--plan）。
5. 正反应模拟：内置 21 种经典人名反应模板（Suzuki、Heck、Grignard、Wittig、Diels-Alder、Click 等），通过 SMARTS 规则模拟反应转化。
6. 分子指纹与相似性：Morgan 指纹生成、Tanimoto 相似度计算、子结构匹配搜索。
典型工作流：化合物名称 → PubChem 解析 SMILES → RDKit 计算属性 → 绘制结构 → 逆合成规划 → 输出 JSON 结构化报告，可直接链入下游药理学分析模块。
---
显著优点
- 数据权威性与开放性：PubChem 为 NIH 维护的全球最大公开化学数据库（>1.1 亿化合物），数据免费、API 无需密钥，来源可信。
- 计算精度：RDKit 为工业标准开源化学信息学工具，logP、TPSA 等参数计算与商业化软件高度一致。
- 功能闭环：从「数据检索→性质评价→可视验证→合成设计」形成完整链条，减少多工具切换。
- 结构化输出：所有结果以 JSON 格式返回，便于自动化工作流集成和下游 AI 模型调用。
- 安全加固：v1.4.1 引入输入消毒机制（长度限制、空字节过滤、路径遍历防护、Shell 元字符拦截），降低命令注入风险。
潜在局限与风险
- 逆合成深度限制：BRICS 为规则驱动算法，对复杂天然产物或需要保护基策略的合成设计能力有限，难以替代专业化学家的路线规划。
- 反应模板覆盖：21 种人名反应仅覆盖常见转化，新型反应、酶催化、光催化等前沿领域无内置支持。
- 3D 结构简化：仅支持 MMFF 力场优化后的 3D 坐标输出，无高级构象搜索或分子动力学能力。
- ADMET 预测缺失：内置模块未集成神经网络 ADMET 模型，需外接
admet_predict.py（文档提及但未详述）。 - 数据依赖性：PubChem 数据更新延迟、部分化合物缺失合成参考文献，可能影响工业项目的时效性需求。
适合人群
- 药物化学早期研发人员：快速获取苗头化合物（hits）的成药性参数（logP、TPSA、Lipinski 规则筛选）。
- 高校化学/药学师生：教学演示分子结构可视化、逆合成思维训练。
- 计算化学与生物信息学开发者：需要标准化 JSON 接口将化学数据接入 ML 模型或知识图谱。
- 专利与文献调研人员：批量获取化合物结构、IUPAC 名、InChIKey 用于专利撰写或物质比对。
常规风险
1. 科学可靠性：RDKit 计算的 logP 为算法估算值，非实验测定；合成路线为算法建议，需经实验验证，不可直接用于生产。
2. 数据隐私：查询记录可能通过 PubChem API 日志被 NIH 收集，敏感化合物建议本地部署 RDKit 离线计算。
3. Java 依赖（可选）：IUPAC 名→SMILES 转换需 OPSIN（JRE 8+），自动下载 13.8MB JAR 文件，需校验 SHA-256 防止供应链攻击。
4. API 稳定性：PubChem 偶有维护窗口，需设置超时（当前已配置 15s）和降级策略。