ToolUniverse-binder-discovery 是一个用于发现蛋白质靶点新型小分子结合剂的技能，来源于 wu-yc/labclaw。其核心目标是利用 60 多个 ToolUniverse 工具，围绕可成药性评估、已知配体挖掘、相似性扩展、ADMET 过滤和合成可行性等环节，系统性地寻找新型小分子结合剂，并生成可执行的报告。
用途方面，该技能面向小分子药物发现早期阶段，帮助研究人员针对指定蛋白质靶点，综合结构导向与配体导向两类策略进行结合剂发现。
主要能力包括：多策略结合（结构导向与配体导向）；报告优先的工作方式；证据分级；可执行的优先级候选名单。具体流程分为多个阶段：阶段 0 为工具验证（检查参数名称）；阶段 1 为靶点验证，包括标识符解析、可成药性/可处理性评估、治疗性抗体景观检查、结合位点识别以及结构预测（NvidiaNIM_alphafold2/esmfold）；阶段 2 为已知配体挖掘，涵盖 ChEMBL 生物活性数据、GtoPdb 相互作用、化学探针、BindingDB 亲和力数据、PubChem BioAssay 高通量筛选数据以及 SAR 分析；阶段 3 为结构分析，包括获取含配体的 PDB 结构、检查 EMDB 冷冻电镜结构、分析结合口袋与关键相互作用；阶段 3.5 为对接验证（NvidiaNIM_diffdock/boltz2）；阶段 4 为化合物扩展，包括相似性/子结构搜索与从头生成（NvidiaNIM_genmol/molmim）；阶段 5 为 ADMET 过滤；阶段 6 为候选分子对接与优先级排序；阶段 7 为报告综合。
使用方式上，该技能强调“报告优先”流程：在数据收集前先创建报告文件，文件名为 [TARGET]_binder_discovery_report.md，初始化所有模板章节标题并填入占位文本，随后逐步更新各章节，使用户看到报告逐步充实而非搜索过程。同时输出独立数据文件，包括 [TARGET]_candidate_compounds.csv（含 SMILES 与分数的优先级化合物）和可选的 [TARGET]_bibliography.json（文献参考）。所有信息必须标注来源，并在报告中以表格形式呈现。工具调用默认使用英文术语，即使输入为其他语言也优先使用英文；仅在必要时尝试原语言术语。调用不熟悉的工具前应先用 tu.tools.get_tool_info 验证参数，以防静默失败。部分工具存在已知参数纠正，例如 OpenTargets_get_target_tractability_by_ensemblID 应使用 ensemblId，ChEMBL_get_target_activities 应使用 target_chembl_id，ChEMBL_search_similar_molecules 应使用 molecule，alphafold_get_prediction 应使用 accession。使用 NVIDIA NIM 相关功能需要设置 NVIDIA_API_KEY 环境变量。
适用场景为蛋白质靶点的小分子结合剂发现与先导化合物挖掘，尤其适合需要整合多个公共数据库与计算预测工具、并希望获得可追溯证据链与优先级候选名单的研究工作。
限制方面：资料中未提供收费、价格、平台兼容性、具体性能效果或使用步骤之外的信息；部分外部数据源和计算服务的可用性可能依赖于相应 API 密钥或服务状态，资料未详细说明。
关于报告内容，资料给出了报告示例模板，涵盖治疗性抗体景观、结合位点评估、结构预测质量、已知活性化合物、化学探针、构效关系等章节，并明确了来源标注格式。资料还提供了部分代码片段，用于说明 GPCRdb 集成、治疗性抗体检查以及 BindingDB 配体获取等流程，但未提供完整安装命令或运行步骤。