Graphs

torchdrug est une boîte à outils native PyTorch pour le machine learning des molécules et des protéines. Utilisez le skill torchdrug pour choisir les tâches, les jeux de données et les modèles modulaires dédiés aux graph neural networks, à la modélisation des protéines, au raisonnement sur les knowledge graphs, à la génération moléculaire et à la rétrosynthèse. Il convient surtout au développement de modèles sur mesure et à des configurations reproductibles, pas seulement à des démonstrations prêtes à l’emploi.

Guide du skill torch-geometric pour les réseaux de neurones graphiques PyTorch Geometric. Utilisez-le pour l’aide à l’installation de torch-geometric, l’utilisation de torch-geometric, la classification de graphes, la classification de nœuds, la prédiction de liens, les graphes hétérogènes, les couches MessagePassing personnalisées et la mise à l’échelle des GNN dans des workflows de Machine Learning.

primekg est un skill de graphe de connaissances PrimeKG pour la recherche académique, reliant gènes, médicaments, maladies, phénotypes et chemins pour une exploration biomédicale fondée sur les preuves et la recherche de repositionnement thérapeutique.

networkx est une skill Python pour créer, analyser et visualiser des graphes et des réseaux complexes. Utilisez-la pour travailler avec networkx dans les plus courts chemins, la centralité, le clustering, la détection de communautés, la construction de graphes et les workflows d’analyse de données avec networkx. Elle convient particulièrement aux données nœuds-arêtes où la structure et les relations comptent.