deepchem
Создаёт рабочие процессы предсказания свойств молекул и MoleculeNet с помощью DeepChem: SMILES-фичеризация, графовые модели, перенос предобученных энкодеров. Применяется для ADMET, токсичности, растворимости и химического ML с научной валидацией.
Что делает навык
Навык реализует рабочие процессы предсказания свойств молекул с использованием DeepChem 2.8.0, включая SMILES-фичеризацию, графовые модели и перенос предобученных энкодеров. Он обеспечивает научную валидацию через строгие контракты данных, разделение на основе каркаса (scaffold splitting) и оценку на независимых выборках.
Когда применять
- Предсказание ADMET-свойств, токсичности и растворимости молекул.
- Выполнение бенчмарков MoleculeNet с использованием графовых нейронных сетей (GCN, GAT, MPNN).
- Перенос предобученных моделей (например, GROVER, HuggingFace wrappers) для специфических задач.
- Создание воспроизводимых рабочих процессов с фиксацией идентификаторов разделения и аудитом данных.
Как работает
- Определите идентичность соединения, условия анализа, целевые единицы и пропущенные метки; распарсите SMILES, задокументируйте отклоненные строки и проверьте дубликаты.
- Выберите представление (фingerprint, граф, DMPNN, GROVER) в соответствии с моделью и подберите числовой базовый уровень.
- Выберите стратегию разделения (scaffold, temporal или grouped), сохраните ID сплитов, проверьте перекрытие каркасов и поддержку классов.
- Настройте предобработку только на обучающих данных, сохраните маски dataset.w и нормализуйте непрерывные целевые переменные.
- Настройте параметры модели и эпохи по валидационным данным, оцените финальную контрольную выборку один раз и сообщите метрики по задачам.
- Выполните предсказание, используя обучающее представление и трансформации, сохранив идентификаторы, исходные единицы и пределы применимости.
Примеры запросов агенту
Что понадобится
- Изолированная среда Python 3.11 с установленными deepchem==2.8.0, torch==2.14.1, transformers==5.18.0, torch-geometric==2.8.0.post1.
- Для графовых моделей (GCN/GAT/AttentiveFP/Torch MPNN) требуются совместимые DGL и DGL-LifeSci.
- Для GROVER необходим локальный чекпоинт компонента DeepChem и соответствующий JSON-архитектура.
Описание составлено по SKILL.md навыка, сверено 08.10.2026.
Как подключить
SKILL.md к навыкам ассистентаНавык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.