Analise Dados de ML Terapêutico com PyTDC
Equipes de descoberta de fármacos precisam de conjuntos de dados consistentes e benchmarks justos. Esta skill orienta fluxos de trabalho do PyTDC para carregar dados, dividir conjuntos de dados, avaliar modelos e usar oráculos moleculares.
Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.
Review the Skillstore skill "pytdc" from https://skillstore.io/skills/davila7-pytdc.md and its manifest at https://skillstore.io/api/skills/davila7-pytdc/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.
Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.
Usando "pytdc". Preciso de um conjunto de dados ADME para permeabilidade intestinal.
Resultado esperado:
Conjunto de dados recomendado: Caco2_Wang. Use uma divisão scaffold para diversidade química e reporte MAE para desempenho de regressão.
Usando "pytdc". Quero comparar meu modelo em um grupo de benchmark do TDC.
Resultado esperado:
Usando "pytdc". Gerei moléculas e preciso de verificações rápidas de qualidade.
Resultado esperado:
Pontue as moléculas com QED, SA, LogP e oráculos de atividade específicos da tarefa. Trate candidatos com alta pontuação apenas como leads de triagem.
All 90 static findings are false positives caused by Markdown backticks, dictionary keys, dataset partitions, and official resource links. No prompt injection, credential access, command execution, reconnaissance, or malicious network behavior was found.
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.
https://skillstore.io/skills/davila7-pytdc/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-pytdc?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-pytdc?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pytdc/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-pytdc.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). pytdc security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pytdc/audits/9@techreport{davila7-davila7-pytdc-2026,
author = {davila7},
title = {pytdc security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-pytdc/audits/9},
note = {Author version unspecified}
}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: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-pytdc/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-pytdc:audit:9"
description: "Skillstore immutable audit report identifier"
Cada autor permanece como um skill instalável separado. A variante recomendada é classificada pelas evidências do Skillstore.
Por que esta variante está em primeiro
davila7-pytdc
2026-09-09
k-dense-ai-pytdc
2026-09-09
Carregue conjuntos de dados ADME, escolha divisões scaffold e selecione métricas para uma avaliação realista do modelo.
Siga protocolos de grupos de benchmark do TDC com cinco seeds e métricas de resumo comparáveis.
Use oráculos moleculares para pontuar compostos gerados quanto à similaridade com fármacos, síntese e atividade no alvo.
Ajude-me a escolher e carregar um conjunto de dados PyTDC para uma tarefa de predição ADME. Explique as colunas de dados e a divisão recomendada.
Compare divisões scaffold, random, cold-drug e cold-target para minha tarefa de ML terapêutico. Recomende uma e explique os tradeoffs.
Crie um plano de avaliação de benchmark PyTDC para meu modelo usando o protocolo de cinco seeds, métricas e formato de relatório de resultados.
Ajude-me a definir um fluxo de trabalho de oráculo molecular multiobjetivo usando QED, SA, LogP e uma pontuação de atividade no alvo.
Autor
davila7Licença
MIT
Revisão da Skillstore
r2
Aviso de versão
O autor não declarou uma versão.
Repositório
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/pytdcReferência
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Atualidade da manutenção
25/07/2026
Uso
8 downloads · 527 visualizações
Estrutura de arquivos
Criar Pôsteres de Pesquisa em LaTeX
Pôsteres de pesquisa são difíceis de formatar e revisar para impressão em LaTeX. Esta skill fornece modelos, orientações de layout e verificações de PDF para pôsteres prontos para conferências.
Crie Conteúdo de Marketing Pronto para SEO
Equipes de marketing precisam de conteúdo claro que corresponda à voz da marca e aos objetivos de busca. Esta skill fornece modelos, scripts de análise e orientações de plataforma para uma produção de conteúdo repetível.
Crie Planos Estruturados de Tratamento Médico
Os planos de tratamento clínico muitas vezes se tornam inconsistentes, extensos ou difíceis de revisar. Esta skill fornece modelos objetivos, metas mensuráveis, cronogramas e verificações locais de qualidade.
Criar relatórios clínicos estruturados
Equipes clínicas precisam de relatórios claros que sigam normas médicas e regulatórias. Esta skill fornece modelos, checklists e orientações de validação para relatos de caso, diagnósticos, ensaios e notas de pacientes.
Analisar Arquivos de Dados Científicos
Arquivos de dados científicos são difíceis de inspecionar porque cada formato armazena estruturas e metadados de maneira diferente. Esta habilidade detecta formatos, traça o perfil da qualidade dos dados e cria relatórios práticos de EDA em markdown.
Execute fluxos de trabalho de docking molecular com o DiffDock
A configuração do docking molecular costuma falhar porque é difícil alinhar as entradas, os parâmetros e os escores de confiança. Esta skill orienta os fluxos de trabalho do DiffDock desde a preparação até a análise dos resultados.
Projetar Experimentos e Modelos de Ciência de Dados
por alirezarezvani
Projetos de ciência de dados frequentemente falham quando experimentos, atributos e modelos não têm uma estrutura estatística clara. Esta habilidade oferece ao Claude, Codex e Claude Code fluxos de trabalho guiados para experimentação, engenharia de atributos e revisão de modelos.
Valide fluxos de trabalho de ML em busca de antipadrões ocultos
por Doyajin174
Projetos de ML podem parecer precisos enquanto vazamento de dados ou avaliação fraca ocultam falhas graves. Esta skill orienta verificações estruturadas de divisões, métricas, treinamento e prontidão para implantação.
Depurar Falhas no Treinamento de ML
por DNYoussef
O treinamento de ML pode falhar por perda NaN, overfitting, convergência lenta ou gradientes instáveis. Esta skill orienta o diagnóstico, correções direcionadas, validação e relatórios.
Crie fluxos de trabalho de ML molecular com DeepChem
por K-Dense-AI
O aprendizado de máquina molecular frequentemente exige featurizers, conjuntos de dados e métodos de avaliação especializados. Esta skill ajuda Claude, Codex e Claude Code a projetar fluxos de trabalho com DeepChem para previsão de propriedades, transfer learning e benchmarks.
Crie detecção de anomalias em Java com Azure AI
por sickn33
Equipes Java precisam de padrões confiáveis para detectar comportamentos incomuns em séries temporais. Esta skill fornece exemplos do Azure AI Anomaly Detector para clientes, modelos, inferência e erros.
Analise Dados Com Orientação de Ciência de Dados
por sickn33
Equipes de dados precisam de orientação estruturada para estatística, aprendizado de máquina e relatórios de negócios. Esta skill ajuda Claude, Codex e Claude Code a planejar análises, validar métodos e explicar descobertas acionáveis.