pytdc

Übersicht über den pytdc-Skill

Wofür pytdc gedacht ist

pytdc ist der Skill für die Arbeit mit Therapeutics Data Commons in KI-gestützten Drug-Discovery-Workflows. Er hilft dir dabei, kuratierte, KI-taugliche Datensätze und Benchmarks für ADME, Toxizität, Bioaktivität, Drug-Target-Interaktion, Drug-Drug-Interaktion, Generierung und verwandte Auswertungsaufgaben zu nutzen, ohne dein eigenes Datenschema erfinden zu müssen.

Wer ihn installieren sollte

Installiere den pytdc-Skill, wenn du therapeutisches ML, pharmakologische Vorhersagen oder Modell-Benchmarks auf standardisierten Splits und Metriken durchführst. Er passt besonders gut zu Data Scientists, die reproduzierbaren Zugriff auf Datensätze brauchen; weniger passend ist er, wenn du nur einen generischen Chemistry-Prompt ohne Datenladen oder Evaluierung brauchst.

Warum das relevant ist

Der eigentliche Mehrwert des pytdc-Skills liegt nicht nur im Zugriff auf Datensätze, sondern in der Struktur darum herum: task-spezifische Loader, Standard-Splits wie Scaffold- oder Cold-Splits und benchmark-taugliche Evaluationsoptionen. Das reduziert typische Hürden in der Drug-Discovery-Arbeit, wo inkonsistente Vorverarbeitung und ad-hoc Splits Ergebnisse schwer überprüfbar machen können.

So verwendest du den pytdc-Skill

pytdc in deiner Umgebung installieren

Nutze zuerst den Installationsbefehl aus der Skill-Anleitung:
uv pip install PyTDC

Für ein bestehendes Setup verwende:
uv pip install PyTDC --upgrade

Wenn dein Workflow einen anderen Paketmanager nutzt, übertrage denselben Paketnamen in diese Umgebung, statt die Annahmen des Skills umzuschreiben.

Mit den richtigen Dateien anfangen

Beginne mit SKILL.md und lies dann die Abschnitte zu Übersicht, Einsatzbereich, Installation und Quick Start, bevor du in den Code gehst. Wenn du breiteren Projektkontext brauchst, prüfe die benachbarte Dokumentation, die das Repo über den Skill-Dateibaum bereitstellt; in diesem Repository ist der Skill-Inhalt selbst die wichtigste Quelle.

Aus einem groben Ziel einen nutzbaren Prompt machen

pytdc usage funktioniert am besten, wenn dein Prompt Task, Datensatzfamilie, Split-Strategie und Ausgabeziel nennt. Statt nur nach „Hilfe mit PyTDC“ zu fragen, formuliere lieber zum Beispiel:

• „Lade einen ADME-Datensatz in pytdc, verwende einen Scaffold-Split und bereite einen Baseline-Regression-Workflow vor.“
• „Zeige einen pytdc guide für DTI-Benchmarking mit Train/Validation/Test-Splits und Metrik-Reporting.“
• „Richte pytdc for Data Analysis auf einem Toxizitätsdatensatz ein und fasse Label-Verteilung, Missingness und das Split-Design zusammen.“

Diese Details helfen dem Skill, den richtigen Task-Pfad zu wählen und generischen Code zu vermeiden, der nicht zu deinem Experiment passt.

Workflow, der meist am besten funktioniert

Identifiziere zuerst die therapeutische Aufgabe, bestätige dann die Datensatzklasse und die Split-Policy, lade anschließend die Daten und prüfe die Labels, bevor du mit dem Modellieren beginnst. Wenn du benchmarkst, entscheide früh, ob du einen Scaffold-Split, einen Cold-Split oder ein anderes vordefiniertes Evaluationssetup brauchst, denn diese Entscheidung beeinflusst die Vergleichbarkeit stärker als die Modellwahl.

FAQ zum pytdc-Skill

Ist pytdc nur für Drug-Discovery-Modelle?

Meistens ja. Der pytdc-Skill ist auf therapeutische ML- und Pharmakologie-Use-Cases ausgerichtet, vor allem auf Datensätze und Benchmarks statt auf allgemeine tabellarische Analysen. Wenn dein Projekt nichts mit Verbindungen, Proteinen oder Drug-Interaktionsaufgaben zu tun hat, ist ein anderer Skill wahrscheinlich die bessere Wahl.

Muss ich PyTDC bereits kennen, bevor ich den Skill nutze?

Nein. Der Skill ist auch für Einsteiger nützlich, die ihr Datensatz-Ziel in klarer Sprache beschreiben können. Am wichtigsten ist, dass du die Zielaufgabe, den gewünschten Split und den Bedarf an Analyse, Vorhersage oder Generierung konkret benennst.

Worin unterscheidet sich das von einem normalen Prompt?

Ein normaler Prompt kann einzelne Lade- oder Modellierungsschritte beschreiben, aber der pytdc-Skill ist nützlicher, wenn du wiederholbaren Datenzugriff und Benchmark-Disziplin brauchst. Das ist besonders wichtig, wenn du Standard-Splits und Evaluationskonventionen brauchst, die Ergebnisse einfacher vergleichbar machen.

Wann sollte ich pytdc nicht verwenden?

Verwende pytdc nicht, wenn du keine TDC-Datensätze oder therapeutischen Benchmarks brauchst oder wenn du nur einen oberflächlichen Überblick über Konzepte der medizinischen Chemie möchtest. Es ist auch nicht die beste Wahl, wenn deine Daten proprietär sind und nicht zu den unterstützten therapeutischen Task-Familien gehören.

So verbesserst du den pytdc-Skill

Nenne zuerst die Aufgabe, nicht das Modell

Die nützlichste Verbesserung für eine pytdc-Anfrage ist eine klarere Problemformulierung. Sag zuerst, ob du Property Prediction, DTI, DDI, Molekülgenerierung oder Retrosynthese brauchst, und nenne danach erst Architekturen oder Metriken. So kann der Skill den passenden Datensatz und die richtigen Vorverarbeitungsannahmen wählen.

Split- und Metrik-Erwartungen explizit machen

Viele Fehler entstehen durch unpräzise Evaluation. Wenn dir ein Scaffold-Split, ein Cold-Split, ROC-AUC, PR-AUC, RMSE oder Ranking-Metriken wichtig sind, sag das im pytdc-Prompt direkt dazu. Die Ausgabe wird deutlich besser, wenn Split-Strategie und Metrik feststehen, bevor die Modellierungsdiskussion beginnt.

Deine Constraints und die Datenform mitgeben

Wenn du notebook-tauglichen Code, einen schlanken Daten-Check oder Kompatibilität mit einem bestimmten Stack brauchst, erwähne das in der Anfrage. Für pytdc for Data Analysis solltest du angeben, ob du Klassenbalance, Missing-Value-Prüfungen, Descriptor-Zusammenfassungen oder Checks auf Train/Test-Leakage-Risiken möchtest, damit die Ausgabe auf die richtigen Diagnosen fokussiert.

Durch gezielteres Eingrenzen des Datensatzes iterieren

Wenn die erste Antwort zu breit ist, schränke sie nach Datensatzfamilie, Aufgabentyp und Ausgabeformat ein. Eine bessere Anschlussfrage wäre zum Beispiel: „Behalte denselben pytdc-Workflow bei, wechsle aber zu Toxizitätsklassifikation, verwende einen Scaffold-Split und gib nur die Schritte für Datenladen und Evaluierung zurück.“