Catálogo de herramientas científicas
Utilice este catálogo para encontrar el punto de entrada Open-Science y requisitos de tiempo de ejecución para un método científico. Es un índice de documentación, no una página de aplicación que instala cada programa listado.
Familias de software y dónde corren
| Familia de software | Entrada Open-Science | Configuración para verificar | Comprobación inicial útil |
|---|---|---|---|
| Python biblioteca estándar y trama | Sesión Notebook | Interpretación Python seleccionada; conspiración de dependencias | Lea el QC real CSV y produzca una parcela pequeña |
| R / base R | Sesión Notebook; Ajustes → Tiempos de ejecución → R | Interpretado gestionado o detectado por aplicaciones | Imprimir versión R y reproducir resúmenes de muestra |
| Marcos de predicción estructural | Relevant packd Skill, usualmente Compute | Compatible GPU, paquetes, pesos, formato de entrada y acceso externo MSA si se utiliza | Una pequeña secuencia/complejo válida y su confianza de salida |
| Programas de diseño de secuencias MPNN | ProteinNNMP / LigandMPNN / SolubleMPNN Skills | Repository/checkpoints and Python dependentncies; pequeños trabajos de la CPU son apoyados por estas instrucciones | Una columna vertebral con posiciones explícitas fijas/diseñadas |
| Marcos de celdas únicas | scGPT / scvi-tools Skills | AnnData, etiquetas de celular/gene, paquetes y computación adecuada | Validar las dimensiones de entrada y las capas requeridas antes del entrenamiento |
| Diseño de estructura molecular | Molecule Connector / visor de moléculas | Ruta OpenChemLib sin conexión | Guardar y reabrir aspirin.mol |
| Reproductores de archivos | Vista previa del archivo | Límites de extensión y tamaño de vista previa | Abra el archivo descargado real |
| Software de lote remoto | Compute Host and remote-compute Skills | Acceso de host, agendador y ambiente nombrado | Sonda de acogida seguida de un trabajo atado |
Vea directorio Skill para la tabla completa del método 23-Skill. Esta página explica la preparación del software; no duplica cada procedimiento de Skill.
Inspeccione el entorno seleccionado
Utilice Settings → Runtimes para inspeccionar los intérpretes Python/R disponibles. Seleccione el tiempo de ejecución realmente ligado a la sesión, y luego inspeccione paquetes allí. Un ejecutable instalado en otro lugar del ordenador no es automáticamente el intérprete activo de Notebook.
Utilice Entornos de ejecución para preparar un intérprete y Notebook para verificar un cálculo. Si se necesitan paquetes adicionales, compruebe la instalación e importación en ese entorno. Para un fallo de descarga, siga Red utilizando el nombre de host afectado y el error.
Antes de seguir el comando de instalación de un modelo
Lea los requisitos exactos de Skill instalados y la ruta de configuración compatible con el entorno seleccionado. Verificar las colisiones del nombre del paquete: Fair-esm y la implementación de Biohub esm son distintos aunque comparten el espacio de nombres esm. El código y pesos de un modelo descargado también pueden tener diferentes versiones y condiciones de acceso.
Para un Notebook local utiliza el flujo de gestión de paquetes soportado en Instrumentos científicos. Para un host remoto use Computación remota. Un renderizador que muestra un PDB prueba que puede ver una estructura; no prueba que AlphaFold u otro programa de predicción está instalado.
Referencia de implementación: manifest.json, SKILL.md, notebook-runtime.ts.
Utilice Tareas en segundo plano para rastrear el trabajo de larga duración soportado e inspeccionar los resultados obtenidos. Los paquetes científicos todavía necesitan estar disponibles en el tiempo de ejecución seleccionado.