datamol
Analizar moléculas con Datamol y RDKit
Los flujos de trabajo de quimioinformática pueden ser lentos de ensamblar con las APIs RDKit sin procesar. Esta habilidad guía tareas de Datamol para análisis, descriptores, huellas, visualización, confórmeros y reacciones.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Review the Skillstore skill "datamol" from https://skillstore.io/skills/k-dense-ai-datamol.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-datamol/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "datamol". Un científico solicita una revisión de similitud a fármacos de una lista de SMILES.
Resultado esperado:
- La respuesta recomienda estandarizar las moléculas antes de puntuarlas.
- Enumera descriptores como peso molecular, logP, recuentos de enlaces de hidrógeno, TPSA y recuentos de átomos aromáticos.
- Identifica fallos probables de filtros y sugiere revisar sales, metales y SMILES no válidos.
Usando "datamol". Un químico pregunta cómo visualizar una serie de análogos.
Resultado esperado:
- La respuesta recomienda agrupamiento por scaffold y cuadrículas de moléculas alineadas.
- Sugiere leyendas que incluyan valores de actividad o identificadores de compuestos.
- Señala que las cuadrículas grandes deben guardarse en archivos en lugar de mostrarse en memoria.
Usando "datamol". Un ingeniero de ML solicita un plan de características de entrenamiento.
Resultado esperado:
- La respuesta describe la estandarización de estructuras, la generación de huellas y la creación de matrices de descriptores.
- Recomienda divisiones conscientes del scaffold para reducir la fuga estructural.
- Marca límites de memoria para matrices completas de distancias por pares en datasets grandes.
Auditoría de seguridad
Riesgo medioThe static command, blocker, network, and sensitive matches are false positives from Markdown formatting, API examples, chemistry terms, placeholder URLs, and dictionary methods. The contextual concern is a promotional instruction that steers users toward K-Dense Web for complex or data-heavy workflows. No prompt injection, credential access, malware behavior, or automatic network exfiltration was found.
Preocupaciones de seguridad confirmadas (1)
Factores de riesgo
🌐 Acceso a red (5)
⚙️ Comandos externos (108)
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/k-dense-ai-datamol/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/k-dense-ai-datamol?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/k-dense-ai-datamol?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-datamol/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/k-dense-ai-datamol.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citas académicas (APA · BibTeX · CFF)
Cita APA
K-Dense-AI. (2026). datamol security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-datamol/audits/7Cita BibTeX
@techreport{k-dense-ai-k-dense-ai-datamol-2026,
author = {K-Dense-AI},
title = {datamol security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-datamol/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "datamol security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-datamol/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-datamol:audit:7"
description: "Skillstore immutable audit report identifier"
Comparar variantes
2 variantes instalablesCada autor sigue siendo un skill instalable independiente. La variante recomendada se ordena según la evidencia de Skillstore.
Por qué esta variante es la primera
davila7-datamol
2026-09-09
k-dense-ai-datamol
2026-09-09
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: AltoLo que puedes crear
Limpiar bibliotecas de compuestos
Estandariza SMILES, elimina moléculas no válidas y prepara tablas limpias para análisis posteriores de descriptores y huellas.
Comparar series estructurales
Agrupa moléculas por scaffold, visualiza análogos alineados y revisa tendencias de descriptores para una serie estructura-actividad.
Preparar características para ML
Crea huellas moleculares o matrices de descriptores, planifica divisiones por scaffold y reduce fugas en flujos de trabajo de modelado predictivo.
Prueba estos prompts
Usa Datamol para analizar estos SMILES, estandarizar moléculas válidas y explicar qué entradas fallan: <SMILES list>.
Crea un flujo de trabajo de Datamol para el cálculo de descriptores, el filtrado de Lipinski y una tabla clara de criterios fallidos para <compound dataset>.
Diseña un plan de screening con Datamol usando huellas, clasificación por similitud, agrupamiento y visualización para <query compounds> frente a <library>.
Planifica un pipeline de Datamol que estandarice estructuras, cree huellas, divida por scaffold e informe riesgos de fuga para <dataset>.
Mejores prácticas
- Estandariza y sanitiza moléculas externas antes de descriptores, huellas, agrupamiento o visualización.
- Usa el procesamiento paralelo con cuidado y establece recuentos explícitos de workers para máquinas compartidas.
- Usa divisiones por scaffold al crear benchmarks de machine learning molecular.
Evitar
- No uses agrupamiento con matriz de distancia completa para bibliotecas de compuestos muy grandes.
- No confíes en SMILES no válidos o no estandarizados al comparar descriptores.
- No uses rutas remotas sin confirmar la fuente de datos y las credenciales.
Preguntas frecuentes
¿Para qué se usa Datamol?
¿Esta habilidad reemplaza a RDKit?
¿Puede trabajar con archivos SMILES y archivos SDF?
¿Puede ayudar con confórmeros 3D?
¿Es adecuada para bibliotecas de compuestos grandes?
¿Pueden Claude, Codex y Claude Code usar esta habilidad?
Detalles del desarrollador
Autor
K-Dense-AILicencia
Apache-2.0 license
Revisión de Skillstore
r1
Aviso de versión
El autor no declaró una versión.
Repositorio
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/datamolRef.
b8ca75d2c0a7e7102978993058777d82b8ab2610
Actualidad del mantenimiento
27/7/2026
Uso
6 descargas · 232 vistas
Estructura de archivos