Compétences torchdrug
⚗️

torchdrug

Sûr ⚡ Contient des scripts⚙️ Commandes externes🌐 Accès réseau

تطبيق TorchDrug لاكتشاف الأدوية باستخدام شبكات GNN العصبية

Également disponible depuis: davila7

بناء وتدريب الشبكات العصبية الرسومية لاكتشاف الأدوية، ونمذجة البروتينات، والتنبؤ بالخصائص الجزيئية. توفر هذه المهارة وثائق شاملة لمكتبة TorchDrug بما في ذلك مجموعات البيانات، وبنى النماذج، وسير العمل.

Prend en charge: Claude Codex Code(CC)
📊 71 Adéquat
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "torchdrug". كيف أقوم بتدريب نموذج للتنبؤ بتثبيط HIV؟

Résultat attendu:

  • تحميل مجموعة بيانات HIV من TorchDrug: datasets.HIV()
  • استخدام نموذج GIN للتمثيل الرسومي الجزيئي
  • إنشاء مهمة PropertyPrediction مع التصنيف الثنائي
  • التدريب باستخدام دالة خسارة BCE والتقييم باستخدام AUROC

Utilisation de "torchdrug". ما هي المجموعات المتاحة للتنبؤ بوظيفة البروتين؟

Résultat attendu:

  • EnzymeCommission لتصنيف رقم EC عبر 7 مستويات
  • GeneOntology للتنبؤ بمصطلحات GO (BP/MF/CC)
  • BetaLactamase للانحدار في نشاط الإنزيم
  • Fluorescence للتنبؤ بكثافة بروتين GFP

Utilisation de "torchdrug". كيف يمكنني توليد جزيئات جديدة شبيهة بالأدوية؟

Résultat attendu:

  • استخدام نموذج GCPN للتوليد القائم على التعلم المعزز
  • تطبيق GraphAutoregressiveFlow للتوليد المشروط
  • تعيين قيود الخصائص مثل logP وقابلية التخليق
  • التحقق من المخرجات باستخدام RDKit للصحة الكيميائية

Audit de sécurité

Sûr
v4 • 1/17/2026

All 335 static findings are FALSE POSITIVES. The skill contains only markdown documentation for TorchDrug, a legitimate PyTorch-based ML library for drug discovery. Security patterns detected are misidentified scientific terminology: PyTorch model methods (eval) flagged as code evaluation, markdown code block syntax (backticks) flagged as shell execution, ML loss functions (bce, mse) flagged as cryptographic algorithms, dataset names (SAMPL, ZINC, BindingDB) flagged as C2/SAM infrastructure. No executable code or security risks present.

10
Fichiers analysés
4,856
Lignes analysées
3
résultats
4
Total des audits

Facteurs de risque

⚡ Contient des scripts (1)
references/core_concepts.md:346
⚙️ Commandes externes (9)
SKILL.md:45-443 references/core_concepts.md:26-558 references/datasets.md:168-272 references/models_architectures.md:26-432 references/molecular_property_prediction.md:42-122 references/protein_modeling.md:190-257 references/knowledge_graphs.md:130-164 references/molecular_generation.md:171 references/retrosynthesis.md:109
🌐 Accès réseau (2)
SKILL.md:430-431 skill-report.json:6
Audité par: claude Voir l’historique des audits →

Score de qualité

45
Architecture
100
Maintenabilité
85
Contenu
22
Communauté
100
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

التنبؤ بالخصائص الجزيئية

التنبؤ بالذوبانية والسمية وألفة الارتباط باستخدام هندسات GNN مثل GIN وGAT

نمذجة هياكل البروتينات

تحليل تسلسلات وهياكل البروتينات باستخدام نماذج ESM وGearNet للتنبؤ بالوظيفة

تخطيط مسارات التخليق

استخدام تخطيط الاسترجاع التوليفي لتصميم مسارات التخليق الكيميائي للجزيئات المستهدفة

Essayez ces prompts

البدء 
كيف أقوم بتثبيت TorchDrug وتشغيل مثال أساسي للتنبؤ بالخصائص الجزيئية؟
اختيار مجموعة البيانات 
أي مجموعة بيانات من TorchDrug يجب أن أستخدمها لتدريب نموذج للتنبؤ باختراق الحاجز الدموي الدماغي؟
هندسة النموذج 
ما هي الاختلافات بين نماذج GIN وGAT وSchNet في TorchDrug ومتى يجب أن أستخدم كل منها؟
دليل التكامل 
كيف أقوم بدمج TorchDrug مع PyTorch Lightning للتدريب الموزع للنماذج الجزيئية واسعة النطاق؟

Bonnes pratiques

  • استخدام التقسيم القائم على سقالات لمجموعات البيانات الجزيئية لتجنب تسرب البيانات
  • البدء بمجموعات بيانات صغيرة مثل BACE أو ESOL قبل التوسع إلى مجموعات أكبر
  • دمج التنبؤ بالخصائص مع النماذج التوليدية للتحسين متعدد الأهداف

Éviter

  • لا تستخدم التقسيم العشوائي للتنبؤ بالخصائص الجزيئية - التقسيم القائم على السقالات أكثر واقعية
  • تجنب التدريب دون مقاييس تحقق مناسبة مثل AUROC وAUPRC للمجموعات غير المتوازنة
  • لا تتخطى التحقق من RDKit عند توليد جزيئات جديدة

Foire aux questions

ما الذي يجعل TorchDrug مختلفًا عن DeepChem؟
تركز TorchDrug علىimplementations الأصلية لـ PyTorch وتطوير النماذج المخصصة بينما يركز DeepChem على النماذج المدربة مسبقًا والمميزات المتنوعة.
ما هي أفضل المجموعات للمبتدئين؟
ابدأ بمجموعات بيانات BBBP أو BACE أو ESOL. إنها صغيرة وموثقة جيدًا وتغطي مهام اكتشاف الأدوية الشائعة.
هل يمكن لـ TorchDrug التعامل مع بيانات هيكل البروتين؟
نعم، تدعم TorchDrug ملفات PDB من AlphaFold وتضمينات ESM لنمذجة تسلسل وهيكل البروتين.
كيف أقوم بتوليد جزيئات جديدة شبيهة بالأدوية؟
استخدم نماذج GCPN أو GraphAutoregressiveFlow مع قيود الخصائص للتوليد الموجه للجزيئات.
ما هي هندسات GNN المتاحة؟
GIN وGAT وGCN وRGCN وSchNet وGearNet وTransE وRotatE وComplEx لأنواع البيانات والمهام المختلفة.
هل تقوم هذه المهارة بتدريب نماذج فعلية؟
لا، توفر هذه المهارة وثائق وتوجيهًا مرجعيًا. التدريب الفعلي يتطلب تثبيت TorchDrug وتشغيل كود Python.

Détails du développeur

Auteur

K-Dense-AI

Licence

Apache-2.0 license

Dépôt

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/torchdrug

Réf

main

Structure de fichiers

📁 references/

📄 core_concepts.md

📄 datasets.md

📄 knowledge_graphs.md

📄 models_architectures.md

📄 molecular_generation.md

📄 molecular_property_prediction.md

📄 protein_modeling.md

📄 retrosynthesis.md

📄 SKILL.md