المهارات pytdc
💊
pytdc
آمن ⚙️
الأوامر الخارجية🌐
الوصول إلى الشبكة
Zugang zu Arzneimittelentdeckungs-Datensätzen mit PyTDC
متاح أيضًا من: davila7
Forscher im Bereich Arzneimittelentdeckung benötigen standardisierte Datensätze für das Training von ML-Modellen. PyTDC bietet kuratierte ADME-, Toxizitäts- und Arzneimittel-Wirkstoff-Interaktionsdatensätze mit korrekten Train-Test-Splits und Evaluierungsorakeln.
يدعم: Claude Codex Code(CC)
1
تنزيل ZIP المهارة
2
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
3
فعّل وابدأ الاستخدام
اختبرها
استخدام "pytdc". Lade den AMES-Toxizitätsdatensatz und zeige mir das Datenformat
النتيجة المتوقعة:
- Datensatz mit 7.255 Verbindungen für Mutagenitätsvorhersage geladen
- Enthält Spalten Drug_ID, Drug (SMILES) und Y (binäres Toxizitätslabel)
- Scaffold-Split angewendet: 5.078 Trainings-, 725 Validierungs-, 1.452 Testmoleküle
استخدام "pytdc". Evaluiere dieses Molekül mit dem GSK3B-Orakel: CC(C)Cc1ccc(cc1)C(C)C(O)=O
النتيجة المتوقعة:
- GSK3B-Bindungswert: 0,0234 (niedrige vorhergesagte Affinität)
- Diese SMILES repräsentiert Ibuprofen, das GSK3B nicht hemmen sollte
- Werte reichen von 0 bis 1, wobei höhere Werte auf eine stärkere vorhergesagte Bindung hinweisen
التدقيق الأمني
آمنv4 • 1/17/2026
This skill provides documentation and templates for PyTDC, a legitimate drug discovery dataset library. All 427 static findings are false positives caused by markdown code blocks containing Python examples (detected as shell backticks), scientific terminology (DRD2, GSK3B detected as C2 keywords), and molecular/cryptographic naming overlaps. No actual security risks present.
9
الملفات التي تم فحصها
3,184
الأسطر التي تم تحليلها
2
النتائج
4
إجمالي عمليات التدقيق
عوامل الخطر
⚙️ الأوامر الخارجية (339)
EVALUATION_OUTPUT.json:24 references/datasets.md:10 references/datasets.md:11 references/datasets.md:12 references/datasets.md:13 references/datasets.md:14 references/datasets.md:15 references/datasets.md:16 references/datasets.md:19 references/datasets.md:20 references/datasets.md:21 references/datasets.md:24 references/datasets.md:25 references/datasets.md:26 references/datasets.md:27 references/datasets.md:28 references/datasets.md:29 references/datasets.md:30 references/datasets.md:31 references/datasets.md:34 references/datasets.md:35 references/datasets.md:36 references/datasets.md:39 references/datasets.md:40 references/datasets.md:41 references/datasets.md:46 references/datasets.md:47 references/datasets.md:48 references/datasets.md:49 references/datasets.md:50 references/datasets.md:51 references/datasets.md:54 references/datasets.md:55 references/datasets.md:56 references/datasets.md:57 references/datasets.md:58 references/datasets.md:59 references/datasets.md:62 references/datasets.md:63 references/datasets.md:64 references/datasets.md:65 references/datasets.md:66 references/datasets.md:67 references/datasets.md:68 references/datasets.md:69 references/datasets.md:70 references/datasets.md:71 references/datasets.md:72 references/datasets.md:73 references/datasets.md:78 references/datasets.md:79 references/datasets.md:80 references/datasets.md:83 references/datasets.md:84 references/datasets.md:85 references/datasets.md:86 references/datasets.md:87 references/datasets.md:91 references/datasets.md:92 references/datasets.md:93 references/datasets.md:97 references/datasets.md:98 references/datasets.md:102 references/datasets.md:103 references/datasets.md:107 references/datasets.md:108 references/datasets.md:112 references/datasets.md:119 references/datasets.md:120 references/datasets.md:121 references/datasets.md:124 references/datasets.md:125 references/datasets.md:128 references/datasets.md:129 references/datasets.md:133 references/datasets.md:134 references/datasets.md:138 references/datasets.md:139 references/datasets.md:143 references/datasets.md:144 references/datasets.md:148 references/datasets.md:149 references/datasets.md:153 references/datasets.md:154 references/datasets.md:155 references/datasets.md:159 references/datasets.md:160 references/datasets.md:164 references/datasets.md:168 references/datasets.md:172 references/datasets.md:176 references/datasets.md:182 references/datasets.md:183 references/datasets.md:184 references/datasets.md:185 references/datasets.md:189 references/datasets.md:190 references/datasets.md:194 references/datasets.md:195 references/datasets.md:201-209 references/datasets.md:209-215 references/datasets.md:215-224 references/datasets.md:224-230 references/datasets.md:230-239 references/oracles.md:16-27 references/oracles.md:27-40 references/oracles.md:40-43 references/oracles.md:43-49 references/oracles.md:49-52 references/oracles.md:52-58 references/oracles.md:58-61 references/oracles.md:61-67 references/oracles.md:67-70 references/oracles.md:70-76 references/oracles.md:76-79 references/oracles.md:79-85 references/oracles.md:85-88 references/oracles.md:88-93 references/oracles.md:93-96 references/oracles.md:96-101 references/oracles.md:101-104 references/oracles.md:104-109 references/oracles.md:109-112 references/oracles.md:112-117 references/oracles.md:117-120 references/oracles.md:120-131 references/oracles.md:131-134 references/oracles.md:134-140 references/oracles.md:140-143 references/oracles.md:143-151 references/oracles.md:151-154 references/oracles.md:154-160 references/oracles.md:160-163 references/oracles.md:163-169 references/oracles.md:169-172 references/oracles.md:172-181 references/oracles.md:181-184 references/oracles.md:184-189 references/oracles.md:189-192 references/oracles.md:192-197 references/oracles.md:197-200 references/oracles.md:200-205 references/oracles.md:205-208 references/oracles.md:208-213 references/oracles.md:213-216 references/oracles.md:216-221 references/oracles.md:221-224 references/oracles.md:224-231 references/oracles.md:231-234 references/oracles.md:234-240 references/oracles.md:240-243 references/oracles.md:243-249 references/oracles.md:249-252 references/oracles.md:252-261 references/oracles.md:261-280 references/oracles.md:280-295 references/oracles.md:295-300 references/oracles.md:300-305 references/oracles.md:305-327 references/oracles.md:327-330 references/oracles.md:330-350 references/oracles.md:350-354 references/oracles.md:354-366 references/oracles.md:366-380 references/oracles.md:380-394 references/utilities.md:19-34 references/utilities.md:34-41 references/utilities.md:41-43 references/utilities.md:43-57 references/utilities.md:57-59 references/utilities.md:59-76 references/utilities.md:76-80 references/utilities.md:80-85 references/utilities.md:85-87 references/utilities.md:87-92 references/utilities.md:92-94 references/utilities.md:94-101 references/utilities.md:101-103 references/utilities.md:103-112 references/utilities.md:112-118 references/utilities.md:118-124 references/utilities.md:124-126 references/utilities.md:126-136 references/utilities.md:136-144 references/utilities.md:144-151 references/utilities.md:151-154 references/utilities.md:154-166 references/utilities.md:166-169 references/utilities.md:169-181 references/utilities.md:181-184 references/utilities.md:184-195 references/utilities.md:195-198 references/utilities.md:198-209 references/utilities.md:209-212 references/utilities.md:212-219 references/utilities.md:219-222 references/utilities.md:222-231 references/utilities.md:231-234 references/utilities.md:234-243 references/utilities.md:243-246 references/utilities.md:246-255 references/utilities.md:255-258 references/utilities.md:258-267 references/utilities.md:267-270 references/utilities.md:270-282 references/utilities.md:282-285 references/utilities.md:285-295 references/utilities.md:295-298 references/utilities.md:298-300 references/utilities.md:300 references/utilities.md:300 references/utilities.md:300 references/utilities.md:300-306 references/utilities.md:306-321 references/utilities.md:321-331 references/utilities.md:331-345 references/utilities.md:345-354 references/utilities.md:354-357 references/utilities.md:357-363 references/utilities.md:363-379 references/utilities.md:379-382 references/utilities.md:382-383 references/utilities.md:383-384 references/utilities.md:384-385 references/utilities.md:385-386 references/utilities.md:386-387 references/utilities.md:387-391 references/utilities.md:391-397 references/utilities.md:397-405 references/utilities.md:405-412 references/utilities.md:412-418 references/utilities.md:418-426 references/utilities.md:426-437 references/utilities.md:437-442 references/utilities.md:442-448 references/utilities.md:448-456 references/utilities.md:456-462 references/utilities.md:462-470 references/utilities.md:470-476 references/utilities.md:476-486 references/utilities.md:486-498 references/utilities.md:498-503 references/utilities.md:503-506 references/utilities.md:506-511 references/utilities.md:511-514 references/utilities.md:514-520 references/utilities.md:520-526 references/utilities.md:526-535 references/utilities.md:535-541 references/utilities.md:541-548 references/utilities.md:548-552 references/utilities.md:552-564 references/utilities.md:564-568 references/utilities.md:568-580 references/utilities.md:580-586 references/utilities.md:586-615 references/utilities.md:615-619 references/utilities.md:619-637 references/utilities.md:637-641 references/utilities.md:641-661 SKILL.md:30-32 SKILL.md:32-36 SKILL.md:36-38 SKILL.md:38-49 SKILL.md:49-54 SKILL.md:54-57 SKILL.md:57 SKILL.md:57 SKILL.md:57 SKILL.md:57-58 SKILL.md:58-59 SKILL.md:59-63 SKILL.md:63-68 SKILL.md:68-80 SKILL.md:80-84 SKILL.md:84-99 SKILL.md:99-103 SKILL.md:103-116 SKILL.md:116-119 SKILL.md:119-125 SKILL.md:125-128 SKILL.md:128-140 SKILL.md:140 SKILL.md:140-141 SKILL.md:141 SKILL.md:141-142 SKILL.md:142-154 SKILL.md:154-158 SKILL.md:158-172 SKILL.md:172-176 SKILL.md:176-184 SKILL.md:184-187 SKILL.md:187-208 SKILL.md:208-212 SKILL.md:212-216 SKILL.md:216-220 SKILL.md:220-222 SKILL.md:222-228 SKILL.md:228-232 SKILL.md:232-240 SKILL.md:240-243 SKILL.md:243-245 SKILL.md:245 SKILL.md:245-253 SKILL.md:253-268 SKILL.md:268-280 SKILL.md:280-290 SKILL.md:290-300 SKILL.md:300-303 SKILL.md:303-304 SKILL.md:304-305 SKILL.md:305 SKILL.md:305 SKILL.md:305-306 SKILL.md:306-312 SKILL.md:312-322 SKILL.md:322-330 SKILL.md:330-336 SKILL.md:336-347 SKILL.md:347-353 SKILL.md:353-363 SKILL.md:363-365 SKILL.md:365-371 SKILL.md:371-379 SKILL.md:379-383 SKILL.md:383-390 SKILL.md:390-394 SKILL.md:394-402 SKILL.md:402-408 SKILL.md:408-410 SKILL.md:410-426 SKILL.md:426-430 SKILL.md:430-434 SKILL.md:434-442 SKILL.md:442-443 SKILL.md:443-444 SKILL.md:444-448 SKILL.md:448-449 SKILL.md:449-450
🌐 الوصول إلى الشبكة (15)
EVALUATION_OUTPUT.json:42 EVALUATION_OUTPUT.json:42 EVALUATION_OUTPUT.json:42 references/datasets.md:246 references/oracles.md:374 references/oracles.md:398 references/utilities.md:681 references/utilities.md:682 references/utilities.md:683 references/utilities.md:684 scripts/benchmark_evaluation.py:268 skill-report.json:6 SKILL.md:454 SKILL.md:455 SKILL.md:456
تم تدقيقه بواسطة: claude عرض سجل التدقيق →
درجة الجودة
68
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
22
المجتمع
100
الأمان
83
الامتثال للمواصفات
ماذا يمكنك بناءه
ADME-Vorhersagemodelle trainieren
Laden Sie Caco-2-Permeabilitätsdaten mit Scaffold-Splits, trainieren Sie Moleküleigenschaftsvorhersager und evaluieren Sie mit Standardmetriken.
Toxizitätsvorhersager evaluieren
Greifen Sie auf hERG-, AMES- und DILI-Toxizitätsdatensätze mit Benchmark-Protokollen zu, um Sicherheitsvorhersagemodelle zu validieren.
Neue Arzneimittelkandidaten generieren
Verwenden Sie Molekülorakele wie GSK3B und DRD2, um generative Modelle zu Verbindungen mit gewünschter biologischer Aktivität zu führen.
جرّب هذه الموجهات
ADME-Datensatz laden
Hilf mir, den Caco2_Wang-Datensatz von TDC mit Scaffold-Splitting zu laden, um einen intestinalen Permeabilitätsvorhersager zu trainieren.
Benchmark-Evaluation ausführen
Zeige mir, wie ich mein ADME-Modell mit der TDC-Benchmark-Gruppe und dem erforderlichen 5-Seed-Protokoll evaluieren kann.
Molekülorakele verwenden
Ich möchte generierte SMILES-Strings mit TDC-Orakelen für QED-, SA- und GSK3B-Eigenschaften auswerten. Zeige mir den Workflow.
Arzneimittel-Wirkstoff-Interaktionsmodellierung
Lade den BindingDB_Kd-Datensatz mit Cold-Drug-Splitting, um sicherzustellen, dass mein Modell auf unbekannte Arzneimittelverbindungen verallgemeinert.
أفضل الممارسات
- Verwenden Sie Scaffold-Splits anstelle von Random-Splits für eine realistische Modellauswertung bei neuen chemischen Scaffolds
- Führen Sie Benchmark-Evaluationen mit allen 5 erforderlichen Seeds durch, um Mittelwert und Standardabweichung der Leistung zu berichten
- Kombinieren Sie mehrere Orakele mit gewichteter Bewertung für die multiobjektive Molekülorimierung
تجنب
- Vermeiden Sie Random-Splits für Produktions-ADME-Modelle, da sie die Leistung bei ähnlichen Molekülen überschätzen
- Berichten Sie keine Einzelergebnisse von Benchmark-Seeds, da sie die wahre Modellvarianz möglicherweise nicht widerspiegeln
- Vermeiden Sie es, Orakel als Grundwahrheitslabels für das Training zu verwenden, da sie selbst Vorhersagemodelle sind
الأسئلة المتكررة
Welche Datensätze sind in PyTDC verfügbar?
PyTDC enthält über 60 Datensätze, die ADME, Toxizität, Arzneimittel-Wirkstoff-Interaktionen, Arzneimittel-Arzneimittel-Interaktionen und Molekülgenerierungsaufgaben für therapeutisches ML abdecken.
Was ist ein Scaffold-Split und warum sollte man ihn verwenden?
Scaffold-Splits gruppieren Moleküle nach chemischem Scaffold, sodass Testmoleküle andere Kernstrukturen haben als Trainingsmoleküle, was eine reale Verallgemeinerung simuliert.
Wie funktionieren Molekülorakele?
Orakele sind vortrainierte Modelle, die SMILES-Strings für Eigenschaften wie Drug-Likeness (QED), synthetische Zugänglichkeit (SA) oder Zielbindung (GSK3B, DRD2) bewerten.
Was ist das 5-Seed-Protokoll für Benchmarks?
TDC-Benchmarks erfordern die Evaluation mit 5 verschiedenen zufälligen Seeds, um Mittelwert und Standardabweichung zu berechnen, was robuste Leistungsvergleiche gewährleistet.
Kann ich PyTDC mit PyTorch Geometric oder DGL verwenden?
Ja, TDC bietet MolConvert-Hilfsprogramme, um SMILES in PyG-Graphen, DGL-Graphen oder andere Molekülrepräsentationen wie ECFP-Fingerabdrücke zu transformieren.
Was ist ein Cold-Drug-Split für die DTI-Vorhersage?
Cold-Drug-Splits stellen sicher, dass Test-Arzneimittel niemals im Training erscheinen, und messen, wie gut Modelle die Bindung für völlig neue Arzneimittelverbindungen vorhersagen.