技能 torchdrug

📦

torchdrug

Name: torchdrug
Author: K-Dense-AI

内容修订 r1 中风险 ⚡ 包含脚本⚙️ 外部命令🌐 网络访问

构建 TorchDrug GNN 工作流

药物发现模型需要谨慎选择数据集、模型和验证方案。此技能指导用于分子、蛋白质、知识图谱、生成和逆合成的 TorchDrug 工作流。

支持: Claude Codex Code(CC)

📊 68 合格

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 "torchdrug" from https://skillstore.io/skills/k-dense-ai-torchdrug.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-torchdrug/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-torchdrug.md 已签名 manifest GET /api/skills/k-dense-ai-torchdrug/manifest 已签名 lockfile GET /api/skills/k-dense-ai-torchdrug/lockfile

测试它

正在使用“torchdrug”。我需要从 SMILES 字符串预测血脑屏障穿透性。

预期结果:

一个推荐的 BBBP 工作流，包含 scaffold 划分、GIN 模型、二分类指标，以及针对类别不平衡的验证检查。

正在使用“torchdrug”。我想基于蛋白质序列建模酶功能。

预期结果:

对 ESM 和结构感知模型的比较、数据集选择、微调策略，以及多分类预测的评估指导。

正在使用“torchdrug”。在合成审查之前，我需要来自分子生成的候选分子。

预期结果:

一个生成计划，包含属性约束、有效性筛选、多样性检查、合成可及性审查和专家验证检查点。

安全审计

中风险

v7 • 2026/7/6 打开版本化报告

Static analysis hits were reviewed in context. The eval, shell, reconnaissance, and URL detections are documentation false positives rather than executable behavior. One semantic issue remains: SKILL.md steers users toward K-Dense Web during complex workflows.

已扫描文件

3,493

分析行数

复核项

已忽略误报

已确认安全问题 (1)

中

SKILL.md:449-450

External Service Steering

SKILL.md tells the assistant to proactively suggest K-Dense Web for complex workflows. This is promotional behavior steering toward an external service owned by the skill author.

The instruction directly names K-Dense Web and tells the assistant when to recommend it. It does not override security analysis, so the severity is medium rather than high.

风险因素

⚡ 包含脚本 (1)

references/core_concepts.md:346

⚙️ 外部命令 (57)

SKILL.md:45-49 SKILL.md:49-53 SKILL.md:53-88 SKILL.md:88-107 SKILL.md:107-130 SKILL.md:130-151 SKILL.md:151-173 SKILL.md:173-195 SKILL.md:195-212 SKILL.md:212-228 SKILL.md:228-241 SKILL.md:241-243 SKILL.md:243-247 SKILL.md:247-254 SKILL.md:254-256 SKILL.md:256-260 SKILL.md:260-267 SKILL.md:267-269 SKILL.md:269-274 SKILL.md:274-288 SKILL.md:288-295 SKILL.md:295-302 SKILL.md:302-309 SKILL.md:309-323 SKILL.md:323-328 SKILL.md:328-340 SKILL.md:340-345 SKILL.md:345-363 SKILL.md:363-369 SKILL.md:369-381 SKILL.md:381-382 SKILL.md:382-383 SKILL.md:383-386 SKILL.md:386-387 SKILL.md:387-388 SKILL.md:388-389 SKILL.md:389-392 SKILL.md:392 SKILL.md:393-394 SKILL.md:394-395 SKILL.md:395-398 SKILL.md:398-399 SKILL.md:399-400 SKILL.md:400-405 SKILL.md:405 SKILL.md:406-411 SKILL.md:411-416 SKILL.md:416-421 SKILL.md:421-426 SKILL.md:426-438 SKILL.md:438-439 SKILL.md:439-440 SKILL.md:440-441 SKILL.md:441-442 SKILL.md:442-443 SKILL.md:443-444 SKILL.md:444-445

🌐 网络访问 (2)

SKILL.md:430 SKILL.md:431

审计者: codex 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

复制报告链接

https://skillstore.io/skills/k-dense-ai-torchdrug/audits/7?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-torchdrug/security.svg)](https://skillstore.io/skills/k-dense-ai-torchdrug?utm_source=security_passport_badge)

HTML 徽章

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

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-torchdrug.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). torchdrug security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-torchdrug/audits/7

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-torchdrug-2026,
  author = {K-Dense-AI},
  title = {torchdrug security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-torchdrug/audits/7},
  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: "torchdrug security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-torchdrug/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-torchdrug:audit:7"
    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 评分最高

作者 / 来源 Skillstore 评分证据置信度 Skillstore 使用量已更新

davila7 推荐

davila7-torchdrug

Skillstore 评分 76

证据置信度高

Skillstore 使用量 9

已更新

2026-09-09

K-Dense-AI 当前

k-dense-ai-torchdrug

Skillstore 评分 68

证据置信度高

Skillstore 使用量 9

已更新

2026-09-09

Skillstore 评分

评分依据证据置信度: 高

架构

可维护性

内容

社区

规范符合性

你能构建什么

规划分子属性预测

为 ADMET 或活性预测选择数据集、图模型、划分策略、指标和验证步骤。

设计蛋白质建模实验

比较用于酶功能、定位、稳定性或蛋白质相互作用任务的序列模型和结构模型。

原型化知识图谱推理

使用负采样和嵌入模型选择，为生物医学实体构建链接预测工作流。

试试这些提示

选择入门工作流

帮我为 [task] 选择一个 TorchDrug 工作流。我的数据类型是 [molecules/proteins/knowledge graph/reactions]，目标指标是 [metric]。

选择数据集和模型

比较适用于 [scientific problem] 的 TorchDrug 数据集和模型选项。包括推荐的数据划分、指标和可能的失败模式。

调试训练运行

审查这个 TorchDrug 训练计划，并识别特征、输入维度、批处理、损失函数或评估设计方面的潜在问题。

设计高级流水线

为 [goal] 设计一个端到端 TorchDrug 流水线。包括数据准备、模型架构、训练循环、验证、排序和科学审查步骤。

最佳实践

在选择模型之前，先从匹配数据类型的参考工作流开始。
在解释结果之前，使用真实合理的数据划分、任务特定指标和验证检查。
将生成的分子和合成路线视为需要专家审查的候选项。

避免

当 scaffold 划分更符合科学问题时，不要使用随机划分。
不要在输入维度、特征、损失和指标不匹配的情况下比较模型。
不要将高模型分数视为化学或生物学证明。

常见问题

这个技能最适合做什么？

它最适合用于规划分子、蛋白质、知识图谱、分子生成和逆合成的 TorchDrug 工作流。

它会自动安装 TorchDrug 吗？

不会。它提供安装指导和工作流示例，但用户控制任何软件包安装。

它能独立设计新药吗？

不能。它可以指导计算工作流，但生成的候选项需要科学审查和实验验证。

它涵盖哪些模型？

它涵盖常见的 TorchDrug 模型，包括 GIN、GAT、SchNet、GearNet、ESM、TransE、RotatE 和 ComplEx。

Claude、Codex 或 Claude Code 可以使用它吗？

可以。报告列出了对 Claude、Codex 和 Claude Code 的支持。

我应该提供哪些输入？

请提供任务、数据类型、数据集名称、目标标签、指标目标和任何训练约束。

开发者详情

作者

K-Dense-AI

许可证

Apache-2.0 license

Skillstore 修订

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/torchdrug

引用

b8ca75d2c0a7e7102978993058777d82b8ab2610

维护新鲜度

2026/7/18

使用量

7 次下载 · 230 次浏览

文件结构

📁 references/

📄 core_concepts.md

📄 datasets.md

📄 knowledge_graphs.md

📄 models_architectures.md

📄 molecular_generation.md

📄 molecular_property_prediction.md

📄 protein_modeling.md

📄 retrosynthesis.md

查询 PubChem 化学数据

由 davila7

化学研究通常需要可靠的化合物标识符、性质、结构和测定链接。此技能为 Claude、Codex 和 Claude Code 提供使用 PubChemPy 和 PUG-REST 的实用 PubChem 工作流。

研究与学习查看

torchdrug

使用我的智能体安装

Agent 可读资源

测试它

安全审计

已确认安全问题 (1)

风险因素

复制报告链接

Markdown 徽章

HTML 徽章

嵌入卡片

APA 引用

BibTeX 引用

CITATION.cff

比较变体

Skillstore 评分

你能构建什么

规划分子属性预测

设计蛋白质建模实验

原型化知识图谱推理

试试这些提示

最佳实践

避免

常见问题

开发者详情

K-Dense-AI 的更多技能

venue-templates

iso-13485-certification

pytdc

diffdock

hypothesis-generation

statistical-analysis

相关技能

deepchem

chembl-database

medchem

rdkit

drugbank-database

pubchem-database