スキル pytdc
📦

pytdc

コンテンツリビジョン r1 安全 ⚙️ 外部コマンド🌐 ネットワークアクセス

PyTDCで治療薬MLデータセットを分析する

創薬チームには、信頼できるデータセットと公正な評価プロトコルが必要です。このスキルは、ClaudeがPyTDCを使用して、キュレーション済みの治療薬MLデータ、ベンチマーク分割、メトリクス、分子オラクルを扱うのに役立ちます。

対応: Claude Codex Code(CC)
🥈 82 シルバー

自分のエージェントでインストール

このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。

エージェントリクエスト
Review the Skillstore skill "pytdc" from https://skillstore.io/skills/k-dense-ai-pytdc.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-pytdc/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。

エージェントが読めるリソース

AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。

Markdown詳細 GET /skills/k-dense-ai-pytdc.md 署名済み manifest GET /api/skills/k-dense-ai-pytdc/manifest 署名済み lockfile GET /api/skills/k-dense-ai-pytdc/lockfile

テストする

「pytdc」を使用しています。 ADMEデータセットを読み込み、分割を説明してください。

期待される結果:

  • 選択したデータセット: 腸管透過性向けのCaco2_Wang。
  • 推奨分割: 化学構造をまたいだ汎化性能をテストするためのscaffold split。
  • 想定されるパーティション: 分子識別子、SMILES文字列、ラベルを含むtrain、validation、testのデータフレーム。
  • 次のステップ: trainデータでモデルを訓練し、validationデータのみでチューニングします。

「pytdc」を使用しています。 ADMETベンチマーク結果はどのように報告すべきですか？

期待される結果:

  • 提供された分割を変更せずに、必須の5つのシードを実行します。
  • 各データセットのメトリクスについて、平均値と標準偏差を報告します。
  • モデル名、特徴表現、ハイパーパラメータ、前処理の選択を含めます。
  • 単一シードのスコアをベンチマークリーダーボードの結果と比較することは避けます。

「pytdc」を使用しています。 分子生成の候補を評価してください。

期待される結果:

  • QED、SA、LogP、標的特異的予測器など、関連するオラクルで各候補をスコアリングします。
  • 候補をランク付けする前に、無効な分子をフィルタリングします。
  • オラクルスコアは優先順位付けのシグナルとして使用し、生物活性の証明としては扱いません。
  • 上位候補を専門家レビューと実験的検証に回します。

セキュリティ監査

安全
v9 • 2026/7/9 バージョン別レポートを開く

The static findings are false positives caused by markdown backticks, documentation URLs, scientific names, dictionary key access, and TDC dataset split examples. I found no evidence of command execution, credential handling, malicious network behavior, prompt injection, or reconnaissance intent in the cited files.

8
スキャンされたファイル
2,919
解析済み行数
0
レビュー項目
0
誤検知を無視

リスク要因

⚙️ 外部コマンド (50)
EVALUATION_OUTPUT.json:24 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: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:141 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: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:306-312 SKILL.md:312-322 SKILL.md:322-330
🌐 ネットワークアクセス (5)
EVALUATION_OUTPUT.json:42 scripts/benchmark_evaluation.py:268 SKILL.md:454 SKILL.md:455 SKILL.md:456
最新の完了済み静的・セマンティック監査では、確認済みのセキュリティ検出事項は見つかりませんでした。これは、スキルに副作用がないことを証明するものではありません。
監査者: claude 監査履歴を表示 →
このレポートを共有・引用

バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。

バージョン別レポートを開く
セキュリティ評価

レポートリンクをコピー

https://skillstore.io/skills/k-dense-ai-pytdc/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-pytdc/security.svg)](https://skillstore.io/skills/k-dense-ai-pytdc?utm_source=security_passport_badge)

HTMLバッジ

<a href="https://skillstore.io/skills/k-dense-ai-pytdc?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-pytdc/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

埋め込みカード

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-pytdc.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
学術引用 (APA · BibTeX · CFF)

APA形式の引用

K-Dense-AI. (2026). pytdc security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-pytdc/audits/9

BibTeX形式の引用

@techreport{k-dense-ai-k-dense-ai-pytdc-2026, author = {K-Dense-AI}, title = {pytdc security audit report (audit version 9)}, institution = {Skillstore}, year = {2026}, number = {9}, url = {https://skillstore.io/skills/k-dense-ai-pytdc/audits/9}, 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: "pytdc security audit report (audit version 9)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-09" url: "https://skillstore.io/skills/k-dense-ai-pytdc/audits/9" identifiers: - type: other value: "skillstore:k-dense-ai-pytdc:audit:9" description: "Skillstore immutable audit report identifier"

バリアントを比較

インストール可能なバリアント 2 件

各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。

このバリアントが首位の理由

Skillstore での利用が多い
davila7 推奨

davila7-pytdc

Skillstore スコア 82
証拠の信頼度 高
Skillstore 利用状況 13
更新済み

2026-09-09

K-Dense-AI 現在

k-dense-ai-pytdc

Skillstore スコア 82
証拠の信頼度 高
Skillstore 利用状況 11
更新済み

2026-09-09

Skillstore スコア

このスコアの理由 証拠の信頼度: 高
68
アーキテクチャ
85
保守性
87
コンテンツ
75
コミュニティ
83
仕様準拠

作成できるもの

ADMEモデル用データセットを準備する

キュレーション済みの薬物動態データセットを読み込み、scaffold splitを選択し、分子物性予測の評価メトリクスを選定します。

治療薬MLモデルをベンチマークする

創薬タスク向けに複数シードのベンチマークワークフローを実行し、平均値と標準偏差の結果を要約します。

生成された分子を評価する

薬物らしさ、合成容易性、標的関連特性について、TDCオラクルで候補分子をスコアリングします。

これらのプロンプトを試す

初心者向けデータセットを読み込む 
PyTDCを使用してCaco2_Wang ADMEデータセットを読み込み、scaffold splitを作成し、train、validation、testの各列を説明してください。
分割戦略を選ぶ 
私のdrug-target interactionタスクについて、random、scaffold、cold drug、cold target splitを比較し、現実的な評価に適したものを推奨してください。
ベンチマーク実行を計画する 
私のモデルの5シードADMETベンチマーク評価を構成する方法を手伝い、報告すべきメトリクスと結果要約をリストしてください。
オラクル誘導型生成を設計する 
生成分子をQED、SA、LogP、GSK3Bオラクルで評価し、バランスの取れた目的関数を使って候補をランク付けするPyTDCワークフローを設計してください。

ベストプラクティス

  • 新しい化学構造やエンティティへの汎化性能をテストする場合は、scaffold splitまたはcold splitを使用します。
  • 必須のベンチマークシードをすべて実行し、平均値と標準偏差を報告します。
  • オラクルスコアはスクリーニングシグナルとして扱い、重要な候補は独立した方法で検証します。

回避

  • test splitでモデルをチューニングしたり、結果を見た後にベンチマークパーティションを変更したりしないでください。
  • random splitの性能を、scaffold splitまたはcold splitのリーダーボード結果と比較しないでください。
  • 合成容易性、妥当性、ドメイン制約を無視して、単一のオラクルスコアだけを最適化しないでください。

よくある質問

PyTDCは何に使われますか？
PyTDCは、治療薬機械学習と創薬研究向けに、キュレーション済みデータセット、分割、メトリクス、ベンチマークを提供します。
このスキルはどのタスクを対象にしていますか？
単一予測、マルチインスタンス予測、分子生成、ベンチマーク評価、データユーティリティ、オラクルスコアリングを扱います。
このスキルは私のためにモデルを訓練しますか？
いいえ。ワークフローのガイダンスと例を提供します。モデル訓練コードは自分で用意または実装する必要があります。
scaffold splitはいつ使うべきですか？
新しい化学scaffoldへの汎化性能をより現実的にテストしたい場合、分子データセットにはscaffold splitを使用します。
分子オラクルスコアは実験結果ですか？
いいえ。オラクルスコアは計算による推定値またはベンチマーク関数です。有望な分子は、適切な実験または専門家レビューで検証してください。
Claude Codeはこのスキルをローカルスクリプトで使用できますか？
はい。このスキルには、データの読み込み、ベンチマーク評価の実行、分子生成オラクルの使用に関するサンプルスクリプトが含まれています。

開発者情報

作成者

K-Dense-AI

ライセンス

MIT license

Skillstore リビジョン

r1

バージョンに関する注意

作者はバージョンを宣言していません。

リポジトリ

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

参照

1ffa7643651792ccb4bd3b15d924d2c97edff755

メンテナンスの新しさ

2026/7/20

利用状況

7 ダウンロード · 515 閲覧

ファイル構成

📁 references/

📄 datasets.md

📄 oracles.md

📄 utilities.md

📁 scripts/

📄 benchmark_evaluation.py

📄 load_and_split_data.py

📄 molecular_generation.py

📄 EVALUATION_OUTPUT.json

📄 SKILL.md

K-Dense-AI のその他のスキル

すべて表示

関連スキル

すべて表示
📦

senior-data-scientist

81

データサイエンスの実験とモデルを設計する

作成者 alirezarezvani

データサイエンスプロジェクトは、実験、特徴量、モデルに明確な統計的構造がない場合に失敗しがちです。このスキルは、Claude、Codex、Claude Code に対して、実験、特徴量エンジニアリング、モデルレビューのためのガイド付きワークフローを提供します。

データ＆アナリティクス 表示