Ledidi — скилл
Ledidi проектирует минимальные правки ДНК, РНК и белков под нужный ответ модели; встроенный навык ведет агента по API.
- 119 ★ репозитория
- Последний коммит
- Apache-2.0
Минимальный доступ
Почему такой уровень
- Навык ведет к запуску обучения на вашей машине; расход GPU и памяти определяется моделью.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/ledidiОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Навык ведет к запуску обучения на вашей машине; расход GPU и памяти определяется моделью.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Ledidi переворачивает обычное обучение: модель остается замороженной, а оптимизируются данные. Библиотека обучает непрерывную матрицу весов, сэмплирует через Gumbel-softmax правки шаблонной последовательности и двигает их к нужному ответу модели, при этом потеря на входе удерживает число правок малым. Любая дифференцируемая модель PyTorch, принимающая последовательность в кодировке `one-hot`, превращается в редактор. В пакет встроен навык для Claude Code. Он служит маршрутизатором: короткий `SKILL.md` отправляет агента к справочным файлам по теме. Среди них цель и компромисс параметра `l`, несколько задач и моделей, ограничения и априорные распределения, заполнение пропусков, пользовательские потери, каталоги аффинности, прунинг, проверка проектов и восстановление после нехватки памяти. Часть ошибок API проходит молча, поэтому навык требует читать справку до написания кода.
Для кого. Биоинформатикам и исследователям, которые проектируют регуляторные последовательности или белки с помощью обученных моделей.
Подходит, если
- В ДНК нужно вставить мотив или выключить сайт связывания, внеся минимум правок.
- Для клеточного типа проектируют элемент с заданным уровнем предсказанной активности.
- Агент пишет код Ledidi и должен знать скрытые ловушки API.
- Несколько моделей-оракулов нужно уравновесить в одном проекте.
Не подходит, если
- Нужны дискретные подстановки из библиотеки мотивов: для этого `tangermeme.design`.
- Нет обученной дифференцируемой модели для оценки последовательностей.
- Задача не связана с биологическими последовательностями.
Пример запроса к агенту
Спроектируй минимальные правки этой последовательности так, чтобы модель предсказала повышенную активность в клетках типа K562, и проверь результат.Ограничения
Ledidi работает с моделью, которую вы подключаете, и качество проекта определяет качество этой модели. По умолчанию библиотека использует `device='cuda'`, поэтому на машине без GPU нужно явно задать `cpu`. Зависимость `tangermeme` обязательна и несет свой навык, который рекомендуется поставить тоже. Предпечатная статья на bioRxiv описывает метод, а лабораторная проверка проектов остается за пользователем. Для обновления навыка после обновления пакета используют `--force`. Последний коммит от сентября 2026 года.
Как отключить. Удалите каталог `~/.claude/skills/ledidi` и пакет командой `pip uninstall ledidi`. Результаты проектов лежат в ваших файлах.
Частые вопросы
Как установить навык для агента?
После `pip install ledidi` выполните `ledidi-install-skills`: команда копирует навык в `~/.claude/skills/ledidi`. Флаг `--print-path` показывает исходный каталог, `--force` обновляет.
Что такое `tangermeme` и нужен ли его навык?
Это обязательная зависимость, которая отвечает за кодирование, чтение FASTA, мотивы и графики. Ее навык ставится командой `tangermeme-install-skills` и дополняет навык Ledidi.
Что делать без GPU?
Библиотека по умолчанию ищет `cuda`, поэтому передайте `device='cpu'`. Для CPU-сборки PyTorch в README есть отдельная команда установки.
Когда лучше взять другой инструмент?
Для дискретного дизайна, например вставки мотивов из каталога или жадной подстановки, подходит `tangermeme.design`.
Где описан метод?
В препринте на bioRxiv и в документации на readthedocs, ссылки есть в README.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл Claude Code учит агента библиотеке tangermeme для анализа геномных нейросетей: DeepLIFT/SHAP, мутагенез, дизайн.
Скиллы для Claude Code, Codex и Cursor встраивают искусственные дендриты в PyTorch-модель и разбирают результаты обучения.
17 скиллов для вычислительной биологии: RNA-seq, одноклеточный анализ, структуры белков, докинг, литература и графики
Шаблон для аналитиков данных: AGENTS.md, CLAUDE.md и набор скиллов по Python, SQL, Polars и диагностике моделей.
SciAgent-Skills — скиллы по биоинформатике
SciAgent-Skills
Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул
Официальный скилл NVIDIA для Claude Code и Codex: по описанию набора данных агент собирает конфигурацию, проверяет, показывает превью и создает синтетику
Коротко о README
README показывает идею метода, установку, пример использования и ссылки на документацию. Отдельный раздел описывает работу с кодирующим агентом.