創薬、タンパク質モデリング、分子特性予測のためのグラフニューラルネットワークの構築と訓練。このスキルは、TorchDrugライブラリの包括的なドキュメント、データセット、モデルアーキテクチャ、ワークフローを提供します。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“torchdrug”。 HIV阻害を予測するモデルを訓練するにはどうすればよいですか？
预期结果:
- TorchDrugからHIVデータセットをロード: datasets.HIV()
- 分子グラフ表現にGINモデルを使用
- 2値分類でPropertyPredictionタスクを作成
- BCE損失で訓練し、AUROCで評価
正在使用“torchdrug”。 タンパク質機能予測に使用できるデータセットは何ですか？
预期结果:
- 7つのレベルにわたるEC番号分類用のEnzymeCommission
- GO項予測用のGeneOntology（BP/MF/CC）
- 酵素活性回帰用のBetaLactamase
- GFPタンパク質強度予測用のFluorescence
正在使用“torchdrug”。 新しい薬物様分子を生成するにはどうすればよいですか？
预期结果:
- 強化学習ベースの生成にGCPNモデルを使用
- 条件付き生成にGraphAutoregressiveFlowを適用
- logPや合成可能性などのプロパティ制約を設定
- 化学的有効性を確認するためにRDKitで出力を検証
安全审计
安全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.
风险因素
⚡ 包含脚本 (1)
⚙️ 外部命令 (9)
🌐 网络访问 (2)
质量评分
你能构建什么
分子特性の予測
GINやGATなどのGNNアーキテクチャを使用して、溶解性、毒性、結合親和性を予測します
タンパク質構造のモデリング
ESMおよびGearNetモデルを使用して、タンパク質配列と構造を機能予測のために分析します
合成経路の計画
逆合成計画を使用して、標的分子の化学合成経路を設計します
试试这些提示
TorchDrugをインストールして分子特性予測の基本的なサンプルを実行するにはどうすればよいですか？
血液脳関門通過を予測するモデルの訓練には、どのTorchデータセットを使用すればよいですか？
TorchDrugのGIN、GAT、SchNetモデルの違いは何ですか？また、それぞれいつ使用すべきですか？
大規模分子モデルの分散訓練のために、TorchDrugをPyTorch Lightningと統合するにはどうすればよいですか？
最佳实践
- 分子データセットにはスプリットを使用して、データ漏洩を回避します
- 大規模なものにスケールする前に、BACEやESOLなどの小さなデータセットから開始します
- 多目的最適化のために、特性予測と生成モデルを組み合わせます
避免
- 分子特性予測にランダムスプリットを使用しないでください-スプリットの方がより現実的です
- 不均衡なデータセットに対してAUROCやAUPRCなどの適切な検証指標なしで訓練することは避けてください
- 新規分子を生成する際にRDKit検証をスキップしないでください