Herramienta para descubrimiento de fármacos basada en grafos. Predicción de propiedades moleculares (ADMET), modelado de proteínas, razonamiento de grafos de conocimiento, generación molecular, retrosíntesis, GNN (GIN, GAT, SchNet), más de 40 conjuntos de datos, para ML basado en PyTorch sobre moléculas, proteínas y grafos biomédicos.
Integración rápida en su flujo de trabajo con configuración mínima
Comunidad de código abierto activa con actualizaciones continuas
Licencia MIT/Apache para uso comercial y personal
Personalizable y extensible según sus necesidades
Descargue o copie el archivo de habilidad del repositorio fuente
Coloque el archivo de habilidad en el directorio de habilidades de Claude (generalmente ~/.claude/skills/）。
Reinicie Claude o ejecute el comando de recarga para cargar la habilidad
Consejo: Lea la documentación y el código cuidadosamente antes del primer uso para comprender la funcionalidad y los requisitos de permisos
Todas las habilidades provienen de la comunidad de código abierto, preservando los derechos de autor de los autores originales
K-Dense-AI__claude-scientific-skills/scientific-skills/torchdrug/Skill.mdBeneficios probados e impacto medible
Reduce significativamente el tiempo dedicado a identificar problemas de sintaxis de YAML
Reduce a la mitad los errores de despliegue causados por configuraciones YAML no válidas
La plena confianza de que sus archivos YAML siempre se cargarán
Perfecto para estos escenarios
Identifica y corrige rápidamente errores de sintaxis en archivos YAML rotos
Asegúrese de que las configuraciones de la canalización se analicen correctamente antes de la implementación
Verifique cómo sus herramientas manejan casos límite de YAML con formato incorrecto
Evita que problemas de configuraciones no analizables dañen tus sistemas