Анализ молекул с RDKit
Работа в хемоинформатике часто требует точного разбора молекул, расчета дескрипторов и поиска структур. Этот навык помогает Claude, Codex и Claude Code работать с RDKit, используя целевые справочные материалы и скрипты.
Остановитесь и запросите подтверждение перед установкой.
Проверьте план и получите явное согласие пользователя перед изменением файлов.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "rdkit" from https://skillstore.io/skills/k-dense-ai-rdkit.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-rdkit/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «rdkit». Проанализируйте аспирин с помощью дескрипторов RDKit.
Ожидаемый результат:
Краткая сводка свойств с молекулярной массой, LogP, TPSA, донорами, акцепторами, вращаемыми связями и статусом Lipinski.
Использование «rdkit». Найдите молекулы, содержащие бензол, в файле SMILES.
Ожидаемый результат:
План фильтрации с указанием SMARTS-паттерна, ожидаемого числа прошедших записей, выходного файла и отчета о совпадениях.
Использование «rdkit». Сравните молекулу-запрос с небольшой библиотекой SDF.
Ожидаемый результат:
Ранжированный список совпадений с оценками сходства, методом фингерпринтов, порогом и примечаниями о пограничных совпадениях.
The static findings are false positives from chemistry notation, Markdown code fences, benign RDKit examples, and user-directed output files. No prompt injection or covert external command behavior was found, but the documentation includes unsafe pickle loading guidance that can become code execution with untrusted files.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/k-dense-ai-rdkit/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-rdkit?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-rdkit?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-rdkit/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-rdkit.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>K-Dense-AI. (2026). rdkit security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-rdkit/audits/7@techreport{k-dense-ai-k-dense-ai-rdkit-2026,
author = {K-Dense-AI},
title = {rdkit security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-rdkit/audits/7},
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: "rdkit security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-rdkit/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-rdkit:audit:7"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-rdkit
2026-09-09
k-dense-ai-rdkit
2026-09-09
Фильтруйте файлы молекул по дескрипторам, SMARTS-паттернам и порогам сходства.
Генерируйте дескрипторы и фингерпринты RDKit для QSAR, кластеризации или входных данных модели.
Адаптируйте примеры RDKit в локальные скрипты для разбора, визуализации и пакетной обработки.
Используйте RDKit для анализа этой строки SMILES: CCO. Сообщите молекулярную массу, LogP, TPSA, доноры и акцепторы.
Создайте план RDKit для фильтрации molecules.smi на наличие бензольных колец и исключения ацилхлоридов. Укажите ожидаемые выходные файлы.
Используйте фингерпринты Morgan для сравнения SMILES-запроса с database.sdf. Объясните выбор порога и ранжирование результатов.
Спроектируйте рабочий процесс RDKit для триажа библиотеки с использованием дескрипторов, фильтров PAINS, кластеризации по сходству и изображений молекул.
Автор
K-Dense-AIЛицензия
BSD-3-Clause license
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/rdkitСсылка
a25199bc7d6b82598536822d1738eb5d5f54025b
Актуальность поддержки
18.07.2026
Использование
7 загрузок · 603 просмотров
Структура файлов
Подготовка материалов для академических площадок
Академические материалы часто не проходят проверку, потому что правила оформления различаются в зависимости от площадки. Этот навык предоставляет шаблоны, требования и примеры для более быстрой подготовки.
Подготовка документов для сертификации ISO 13485
Команды, работающие с медицинскими изделиями, должны подготовить полный комплект документации СМК перед сертификационными аудитами. Этот навык предоставляет шаблоны, чек-листы и рекомендации по анализу пробелов для готовности к ISO 13485.
Анализируйте терапевтические ML-наборы данных с PyTDC
Командам по разработке лекарств нужны надежные наборы данных и справедливые протоколы оценки. Этот навык помогает Claude использовать PyTDC для курируемых терапевтических ML-данных, benchmark-разбиений, метрик и молекулярных оракулов.
Выполнение молекулярного докинга DiffDock
Докинг белка и лиганда требует тщательной настройки, выбора параметров и интерпретации результатов. Этот навык помогает с рабочими процессами DiffDock для поз, оценок уверенности и скрининга.
Формирование проверяемых научных гипотез
Исследователям необходимо превращать наблюдения в ясные, проверяемые объяснения. Этот навык структурирует обзор доказательств, конкурирующие гипотезы, прогнозы и планы экспериментов.
Анализируйте исследовательские данные со статистической поддержкой
Выбор тестов и оформление результатов могут быть медленными и чреватыми ошибками. Этот skill помогает с выбором тестов, проверкой предпосылок, размерами эффекта, анализом мощности, байесовскими вариантами и оформлением по APA.
Запрос данных ChEMBL для разработки лекарств
от davila7
Командам, занимающимся разработкой лекарств, нужен быстрый доступ к курируемым данным о соединениях, мишенях и биоактивности. Этот навык направляет Claude, Codex и Claude Code по шаблонам запросов ChEMBL.
Фильтрация молекул для поиска лекарств
от davila7
Библиотекам соединений нужна последовательная первичная оценка перед дорогостоящей экспертизой. Этот навык помогает применять правила медицинской химии, структурные предупреждения и пакетные отчеты.
Создавайте рабочие процессы молекулярного ML с DeepChem
от davila7
Проекты молекулярного ML требуют тщательной фичеризации, разбиения данных и выбора модели. Этот навык дает Claude, Codex и Claude Code практические рабочие процессы DeepChem для надежных экспериментов.
Анализ данных DrugBank для исследований
от davila7
Исследования с DrugBank часто требуют аккуратного разбора XML, доступа к версионированным данным и структурированных фармакологических запросов. Этот навык предоставляет специализированные рекомендации и вспомогательные шаблоны для анализа DrugBank в Claude, Codex и Claude Code.
Запрос химических данных PubChem
от davila7
Химическим исследованиям часто нужны надежные идентификаторы соединений, свойства, структуры и ссылки на анализы. Этот навык дает Claude, Codex и Claude Code практические рабочие процессы PubChem с использованием PubChemPy и PUG-REST.
Создание моделей для разработки лекарств с помощью TorchDrug
от davila7
Командам по разработке лекарств нужны четкие рекомендации по выбору молекулярных наборов данных, графовых моделей и процессов оценки. Этот навык предоставляет шаблоны работы с TorchDrug для молекул, белков, графов знаний, генерации и ретросинтеза.