📦

pytdc

Ревизия содержимого r2 Безопасно 🌐 Доступ к сети⚙️ Внешние команды

Анализ терапевтических ML-данных с PyTDC

Командам по разработке лекарств нужны согласованные наборы данных и справедливые бенчмарки. Этот skill направляет рабочие процессы PyTDC для загрузки данных, разбиения наборов данных, оценки моделей и использования молекулярных оракулов.

Поддерживает: Claude Codex Code(CC)
🥈 82 Серебро

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента
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.

Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Протестировать

Использование «pytdc». Мне нужен ADME-набор данных для кишечной проницаемости.

Ожидаемый результат:

Рекомендуемый набор данных: Caco2_Wang. Используйте scaffold-разбиение для химического разнообразия и сообщайте MAE для качества регрессии.

Использование «pytdc». Я хочу сравнить свою модель на TDC benchmark group.

Ожидаемый результат:

  • Используйте ADMET benchmark group для связанных задач фармакокинетики и токсичности.
  • Запустите требуемые пять сидов, не изменяя официальные разбиения.
  • Сообщайте среднее значение и стандартное отклонение для каждого набора данных.

Использование «pytdc». Я сгенерировал молекулы и мне нужны быстрые проверки качества.

Ожидаемый результат:

Оцените молекулы с помощью QED, SA, LogP и task-specific оракулов активности. Рассматривайте кандидатов с высокими оценками только как лиды для скрининга.

Аудит безопасности

Безопасно

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.

7
Просканировано файлов
2,736
Проанализировано строк
0
Пункты проверки
0
Ложные срабатывания проигнорированы
Последний завершенный статический и семантический аудит не обнаружил подтвержденных проблем безопасности. Это не доказывает отсутствие побочных эффектов у навыка.
Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет
Оценка безопасности

Копировать ссылку на отчёт

https://skillstore.io/skills/davila7-pytdc/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Значок Markdown

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

Значок HTML

<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>

Встраиваемая карточка

<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>
Академические ссылки (APA · BibTeX · CFF)

Цитата APA

davila7. (2026). pytdc security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pytdc/audits/9

Цитата BibTeX

@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} }

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: "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"

Сравнить варианты

2 устанавливаемых вариантов

Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.

Почему этот вариант первый

Больше использования в Skillstore
davila7 Рекомендуется Текущий

davila7-pytdc

Оценка Skillstore 82
Достоверность доказательств Высокий
Использование в Skillstore 13
Обновлено

2026-09-09

k-dense-ai-pytdc

Оценка Skillstore 82
Достоверность доказательств Высокий
Использование в Skillstore 11
Обновлено

2026-09-09

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий
68
Архитектура
85
Сопровождаемость
87
Контент
75
Сообщество
83
Соответствие спецификации

Что вы можете построить

Подготовка ADME-экспериментов

Загружайте наборы данных ADME, выбирайте scaffold-разбиения и подбирайте метрики для реалистичной оценки модели.

Запуск сравнений бенчмарков

Следуйте протоколам TDC benchmark group с пятью сидами и сопоставимыми сводными метриками.

Оценка сгенерированных молекул

Используйте молекулярные оракулы для оценки сгенерированных соединений по drug-likeness, синтезу и активности относительно мишени.

Попробуйте эти промпты

Загрузить набор данных
Помоги мне выбрать и загрузить набор данных PyTDC для задачи ADME prediction. Объясни столбцы данных и рекомендуемое разбиение.
Спланировать стратегию разбиения
Сравни scaffold, random, cold-drug и cold-target разбиения для моей задачи therapeutic ML. Порекомендуй одно и объясни компромиссы.
Спроектировать запуск бенчмарка
Создай план оценки PyTDC benchmark для моей модели с использованием протокола пяти сидов, метрик и формата отчетности результатов.
Оптимизировать молекулы с помощью оракулов
Помоги мне определить multi-objective рабочий процесс молекулярных оракулов с использованием QED, SA, LogP и оценки активности относительно мишени.

Лучшие практики

  • Используйте scaffold или cold-разбиения, когда тестовый набор должен представлять ранее не встречавшуюся химию.
  • Запускайте несколько сидов и сообщайте как среднее качество, так и вариативность.
  • Валидируйте молекулы, ранжированные оракулом, с помощью доменной экспертизы и экспериментальных данных.

Избегать

  • Не сравнивайте модели на разных методах разбиения без четкого указания различий.
  • Не рассматривайте оценки оракулов как экспериментальные измерения.
  • Не выполняйте настройку на тестовых данных бенчмарка и не изменяйте официальные разбиения бенчмарка.

Часто задаваемые вопросы

Что такое PyTDC?
PyTDC — это Python-интерфейс для Therapeutics Data Commons, коллекции наборов данных и бенчмарков для терапевтического машинного обучения.
Какие AI-инструменты могут использовать этот skill?
Skill заявляет поддержку Claude, Codex и Claude Code.
Включает ли этот skill запускаемые примеры?
Да. Он включает примеры скриптов для загрузки наборов данных, оценки бенчмарков и молекулярной генерации с оракулами.
Требуется ли ему доступ к интернету?
Некоторые наборы данных PyTDC, ссылки на документацию и оракулы могут требовать загрузок или доступа к внешним API.
Может ли он валидировать новых кандидатов в лекарства?
Нет. Он может направлять вычислительную оценку, но экспериментальная валидация и экспертная проверка все равно необходимы.
Какие задачи охвачены?
Он охватывает задачи single-prediction, multi-prediction и generation, включая ADME, toxicity, DTI, DDI, MolGen и retrosynthesis.

Сведения для разработчиков

Автор

davila7

Лицензия

MIT

Ревизия Skillstore

r2

Примечание о версии

Автор не указал версию.

Ссылка

c43861a65bb95efcae259cd161c9d6f4dc7eec6f

Актуальность поддержки

24.07.2026

Использование

8 загрузок · 527 просмотров

Структура файлов