技能 deepchem
📦

deepchem

内容修订 r1 安全 ⚙️ 外部命令🌐 网络访问

使用 DeepChem 构建分子机器学习工作流

分子机器学习通常需要专门的特征化器、数据集和评估方法。此技能可帮助 Claude、Codex 和 Claude Code 为性质预测、迁移学习和基准测试设计 DeepChem 工作流。

支持: Claude Codex Code(CC)
🥉 79 青铜

使用我的智能体安装

将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。

智能体请求
Review the Skillstore skill "deepchem" from https://skillstore.io/skills/k-dense-ai-deepchem.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-deepchem/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

你的智能体仍应展示其计划，并按安全策略请求必要确认。

Agent 可读资源

当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。

Markdown 详情 GET /skills/k-dense-ai-deepchem.md 已签名 manifest GET /api/skills/k-dense-ai-deepchem/manifest 已签名 lockfile GET /api/skills/k-dense-ai-deepchem/lockfile

测试它

正在使用“deepchem”。 我有 800 个带有 SMILES 和溶解度标签的分子。应该先尝试什么？

预期结果:

  • 先使用 CircularFingerprint 和一个简单的回归模型作为基线。
  • 使用 ScaffoldSplitter 减少训练集和测试集之间的化学结构数据泄漏。
  • 如果基线不稳定或标签稀疏，可以考虑迁移学习。

正在使用“deepchem”。 我需要在 Tox21 上评估毒性预测。

预期结果:

  • 使用带有图特征和骨架划分的 MoleculeNet Tox21 加载器。
  • 训练多任务分类器，因为 Tox21 包含多个毒性任务。
  • 报告每个任务的 ROC-AUC，并在评估说明中包含缺失标签处理。

正在使用“deepchem”。 我的图模型内存不足。

预期结果:

  • 在更改模型架构之前，先减小批量大小。
  • 对大型特征数组使用磁盘支持的数据集。
  • 先从指纹基线开始，确认数据集和标签可用。

安全审计

安全
v9 • 2026/7/9 打开版本化报告

All static findings were adjudicated as false positives after reviewing the cited files. The alerts come from Markdown code fences, DeepChem API names, ML validation terminology, argparse choices, and public documentation links rather than malicious behavior.

7
已扫描文件
2,524
分析行数
0
复核项
0
已忽略误报

风险因素

⚙️ 外部命令 (50)
SKILL.md:34-53 SKILL.md:53-56 SKILL.md:56-57 SKILL.md:57-58 SKILL.md:58-59 SKILL.md:59-60 SKILL.md:60-68 SKILL.md:68-90 SKILL.md:90-94 SKILL.md:94-106 SKILL.md:106-114 SKILL.md:114-118 SKILL.md:118-120 SKILL.md:120-137 SKILL.md:137-140 SKILL.md:140-141 SKILL.md:141-142 SKILL.md:142-143 SKILL.md:143-144 SKILL.md:144-160 SKILL.md:160-167 SKILL.md:167-170 SKILL.md:170-180 SKILL.md:180-183 SKILL.md:183-200 SKILL.md:200-206 SKILL.md:206-221 SKILL.md:221-224 SKILL.md:224 SKILL.md:225 SKILL.md:226 SKILL.md:227 SKILL.md:229-235 SKILL.md:235-251 SKILL.md:251-259 SKILL.md:259-263 SKILL.md:263-280 SKILL.md:280-284 SKILL.md:284-298 SKILL.md:298-306 SKILL.md:306-324 SKILL.md:324-330 SKILL.md:330-367 SKILL.md:367-373 SKILL.md:373-401 SKILL.md:401-403 SKILL.md:403-407 SKILL.md:407-409 SKILL.md:409-412 SKILL.md:412-422
🌐 网络访问 (3)
SKILL.md:591 SKILL.md:592 SKILL.md:593
最新一次完成的静态与语义审计未检测到已确认的安全发现。这并不能证明该 Skill 没有副作用。
审计者: claude 查看审计历史 →
分享与引用此报告

分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。

打开版本化报告
安全评估

复制报告链接

https://skillstore.io/skills/k-dense-ai-deepchem/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-deepchem/security.svg)](https://skillstore.io/skills/k-dense-ai-deepchem?utm_source=security_passport_badge)

HTML 徽章

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

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-deepchem.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
学术引用 (APA · BibTeX · CFF)

APA 引用

K-Dense-AI. (2026). deepchem security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-deepchem/audits/9

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-deepchem-2026, author = {K-Dense-AI}, title = {deepchem security audit report (audit version 9)}, institution = {Skillstore}, year = {2026}, number = {9}, url = {https://skillstore.io/skills/k-dense-ai-deepchem/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: "deepchem security audit report (audit version 9)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-09" url: "https://skillstore.io/skills/k-dense-ai-deepchem/audits/9" identifiers: - type: other value: "skillstore:k-dense-ai-deepchem:audit:9" description: "Skillstore immutable audit report identifier"

比较变体

2 个可安装变体

每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。

为什么此变体排名第一

Skillstore 使用量更高
K-Dense-AI 推荐 当前

k-dense-ai-deepchem

Skillstore 评分 79
证据置信度 高
Skillstore 使用量 12
已更新

2026-09-09

davila7

davila7-deepchem

Skillstore 评分 79
证据置信度 高
Skillstore 使用量 8
已更新

2026-09-09

Skillstore 评分

评分依据 证据置信度: 高
64
架构
85
可维护性
87
内容
70
社区
78
规范符合性

你能构建什么

优先筛选候选药物

在成本高昂的实验室筛选前，估计溶解度、毒性或活性趋势。

原型化分子模型

在自定义分子数据集上比较指纹、描述符和图神经网络。

教授化学机器学习工作流

创建引导式示例，解释特征化、骨架划分、指标和基准评估。

试试这些提示

选择特征化器 
帮助我为一个包含 SMILES 字符串和一个溶解度目标的 CSV 文件选择 DeepChem 特征化器。请解释权衡取舍。
训练基准模型 
设计一个 DeepChem 工作流，用于在 Tox21 上通过骨架划分和 ROC-AUC 评估训练图卷积模型。
使用迁移学习 
为一个小型结合亲和力数据集规划迁移学习工作流，使用预训练分子模型并进行适当验证。
比较模型策略 
针对我的 ADMET 数据集比较 CircularFingerprint、RDKitDescriptors、GCN 和 AttentiveFP。推荐实验计划和指标。

最佳实践

  • 在分子预测任务中使用骨架划分，以减少基于结构的数据泄漏。
  • 在训练深度图神经网络之前，先从简单的指纹基线开始。
  • 将指标与任务类型匹配，例如分类使用 ROC-AUC，回归使用 RMSE 或 R2。

避免

  • 当相似骨架可能同时出现在两个集合中时，不要使用随机划分来支持药物发现相关结论。
  • 不要在非常小的数据集上训练大型图神经网络，除非使用强正则化或迁移学习。
  • 不要在没有外部验证的情况下，将预测的分子性质视为实验证据。

常见问题

此技能最适合什么用途？
它最适合用于规划和解释面向分子性质预测、基准测试和迁移学习的 DeepChem 工作流。
它可以直接运行 DeepChem 模型吗？
它可以指导代码和脚本，但执行需要安装了 DeepChem 及其依赖项的本地环境。
我应该从哪种特征化器开始？
先从 CircularFingerprint 开始建立快速基线，然后在拥有足够数据时尝试图特征化器。
为什么推荐骨架划分？
骨架划分会将相关分子结构放在一起，从而更真实地估计泛化能力。
它支持预训练模型吗？
支持。文档涵盖了 ChemBERTa、GROVER 和 MolFormer 等模型的迁移学习模式。
这可以替代实验室验证吗？
不能。该技能可帮助构建计算工作流，但结果应通过适当的科学方法进行验证。

开发者详情

作者

K-Dense-AI

许可证

MIT license

Skillstore 修订

r1

版本提示

作者未声明版本。

仓库

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/deepchem

引用

1ffa7643651792ccb4bd3b15d924d2c97edff755

维护新鲜度

2026/7/18

使用量

9 次下载 · 202 次浏览

文件结构

📁 references/

📄 api_reference.md

📄 workflows.md

📁 scripts/

📄 graph_neural_network.py

📄 predict_solubility.py

📄 transfer_learning.py

📄 evaluation.json

📄 SKILL.md

K-Dense-AI 的更多技能

查看全部

相关技能

查看全部