📦

molfeat

Name: molfeat
Author: davila7

Revisão do conteúdo r2 Risco alto 📁 Acesso ao sistema de arquivos⚙️ Comandos externos🌐 Acesso à rede

Crie fluxos de trabalho de featurização molecular

O trabalho de ML molecular muitas vezes fica mais lento quando as equipes precisam escolher, configurar e comparar featurizadores. Esta skill ajuda Claude, Codex e Claude Code a criar fluxos de trabalho com molfeat para fingerprints, descritores, embeddings pré-treinados, modelos QSAR e triagem virtual.

Suporta: Claude Codex Code(CC)

⚠️ 38 Ruim

Pare e solicite confirmação antes de instalar.

Revise o plano e obtenha o consentimento explícito do usuário antes de alterar arquivos.

Instalar com meu Agente

Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.

Solicitação do agente

Review the Skillstore skill "molfeat" from https://skillstore.io/skills/davila7-molfeat.md and its manifest at https://skillstore.io/api/skills/davila7-molfeat/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.

Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.

Recursos legíveis por agentes

Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.

Detalhe em Markdown GET /skills/davila7-molfeat.md manifest assinado GET /api/skills/davila7-molfeat/manifest lockfile assinado GET /api/skills/davila7-molfeat/lockfile

Testar

Usando "molfeat". Um usuário pergunta qual representação molfeat usar para uma baseline QSAR rápida.

Resultado esperado:

A skill recomenda ECFP como primeira baseline, explica escolhas de raio e tamanho e observa quando descritores ou embeddings pré-treinados podem ajudar.

Usando "molfeat". Um usuário precisa processar um arquivo SMILES grande com moléculas inválidas ocasionais.

Resultado esperado:

A skill descreve processamento em lote, jobs paralelos, tratamento de moléculas inválidas e salvamento de configuração para geração reproduzível de recursos.

Usando "molfeat". Um usuário quer avaliar recursos ChemBERTa em relação a fingerprints clássicos.

Resultado esperado:

A skill propõe um plano de comparação com divisões consistentes, rastreamento de tempo de execução, cache de modelos e métricas adequadas à tarefa de predição.

Auditoria de segurança

Risco alto

v10 • 23/07/2026 Abrir o relatório versionado

All 96 static findings are false positives caused by Markdown syntax, benign local cache writes, molecule-validation language, and passive documentation links. However, two examples use pickle.load without authenticity checks, creating a high-severity code-execution risk if a cache file is replaced or untrusted.

Arquivos analisados

1,993

Linhas analisadas

Itens de revisão

Falsos positivos ignorados

Preocupações de segurança confirmadas (1)

Alto

SKILL.md:393 references/examples.md:544

Unsafe Pickle Cache Deserialization

The caching examples load a pickle file without authenticity checks. A replaced or untrusted cache can execute arbitrary Python code during deserialization.

Both cited lines directly call pickle.load on a local cache file. Python pickle deserialization is code-executing when the file is attacker-controlled.

Fatores de risco

📁 Acesso ao sistema de arquivos (2)

references/examples.md:549 SKILL.md:396

⚙️ Comandos externos (50)

SKILL.md:25-30 SKILL.md:30-33 SKILL.md:33-34 SKILL.md:34-35 SKILL.md:35-36 SKILL.md:36-37 SKILL.md:37-43 SKILL.md:43-45 SKILL.md:45-53 SKILL.md:53-58 SKILL.md:58-60 SKILL.md:60-70 SKILL.md:70-76 SKILL.md:76-78 SKILL.md:78-88 SKILL.md:88-93 SKILL.md:93-99 SKILL.md:99-114 SKILL.md:114-118 SKILL.md:118-124 SKILL.md:124-128 SKILL.md:128-139 SKILL.md:139-146 SKILL.md:146-155 SKILL.md:155-158 SKILL.md:158-166 SKILL.md:166-169 SKILL.md:169-176 SKILL.md:176-181 SKILL.md:181-187 SKILL.md:187-190 SKILL.md:190-197 SKILL.md:197-201 SKILL.md:201-214 SKILL.md:214-218 SKILL.md:218-228 SKILL.md:228-234 SKILL.md:234-251 SKILL.md:251-255 SKILL.md:255-271 SKILL.md:271-275 SKILL.md:275-289 SKILL.md:289-293 SKILL.md:293-306 SKILL.md:306-310 SKILL.md:310-325 SKILL.md:325-331 SKILL.md:331-351 SKILL.md:351-357 SKILL.md:357-368

🌐 Acesso à rede (4)

SKILL.md:502 SKILL.md:503 SKILL.md:504 SKILL.md:505

Auditado por: codex Ver histórico de auditoria →

Compartilhar e citar este relatório

Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.

Abrir o relatório versionado

Copiar link do relatório

https://skillstore.io/skills/davila7-molfeat/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Badge Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-molfeat/security.svg)](https://skillstore.io/skills/davila7-molfeat?utm_source=security_passport_badge)

Badge HTML

<a href="https://skillstore.io/skills/davila7-molfeat?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-molfeat/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Cartão incorporável

<iframe src="https://skillstore.io/embed/skills/davila7-molfeat.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Citações acadêmicas (APA · BibTeX · CFF)

Citação APA

davila7. (2026). molfeat security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-molfeat/audits/10

Citação BibTeX

@techreport{davila7-davila7-molfeat-2026,
  author = {davila7},
  title = {molfeat security audit report (audit version 10)},
  institution = {Skillstore},
  year = {2026},
  number = {10},
  url = {https://skillstore.io/skills/davila7-molfeat/audits/10},
  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: "molfeat security audit report (audit version 10)"
version: "unspecified"
type: report
authors:
  - name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-molfeat/audits/10"
identifiers:
  - type: other
    value: "skillstore:davila7-molfeat:audit:10"
    description: "Skillstore immutable audit report identifier"

Comparar variantes

2 variantes instaláveis

Cada autor permanece como um skill instalável separado. A variante recomendada é classificada pelas evidências do Skillstore.

Por que esta variante está em primeiro

Maior pontuação do Skillstore

Autor / fonte Pontuação do Skillstore Confiança das evidências Uso no Skillstore Atualizado

K-Dense-AI Recomendado

k-dense-ai-molfeat

Pontuação do Skillstore 68

Confiança das evidências Alto

Uso no Skillstore 10

Atualizado

2026-09-09

davila7 Atual

davila7-molfeat

Pontuação do Skillstore 38

Confiança das evidências Médio

Uso no Skillstore 10

Atualizado

2026-09-09

Pontuação do Skillstore

Por que esta pontuação Confiança das evidências: Médio

Arquitetura

Manutenibilidade

Conteúdo

Comunidade

Conformidade com a especificação

O que você pode criar

Criar pipelines de recursos QSAR

Crie configurações molfeat reproduzíveis para fingerprints ou descritores antes de treinar modelos de predição de propriedades.

Triar bibliotecas de compostos

Prepare recursos moleculares, classifique compostos candidatos e compare opções rápidas de fingerprints para execuções de triagem.

Comparar embeddings moleculares

Avalie descritores clássicos em relação a representações pré-treinadas ChemBERTa, ChemGPT, GIN ou Graphormer.

Teste estes prompts

Escolher um featurizador

Tenho strings SMILES para uma baseline QSAR. Recomende um featurizador molfeat e explique os principais tradeoffs.

Criar um pipeline em lote

Crie um plano de featurização em lote com molfeat para 50,000 SMILES, com tratamento de moléculas inválidas e arquivos de configuração reproduzíveis.

Comparar recursos de modelos

Compare ECFP, MACCS, descritores RDKit, Mordred e ChemBERTa para minha tarefa de regressão. Inclua considerações de validação e tempo de execução.

Projetar fluxo de trabalho de triagem

Projete um fluxo de trabalho de triagem virtual com molfeat. Compare ECFP, MAP4 e ChemBERTa, depois defina métricas de avaliação e estratégia de cache.

Boas práticas

Comece com fingerprints rápidos antes de adicionar embeddings pré-treinados mais lentos.
Salve configurações de featurizadores e versões de dependências para experimentos reproduzíveis.
Valide entradas moleculares e acompanhe SMILES com falha antes de treinar modelos.