Öffentliches Register
Software-GesundheitsberichtSchema 0.12.0 · Metriken 2.10.0 · 2026-07-17 18:56 UTC

JinyuanSun / PymolFold

Protein folding in Pymol

PythonMIT★ 149 Sterne⑂ 27 Forksseit Nov. 2022Auf GitHub ansehen ↗
ArtNetzwerkdienstBibliothekwie das ermittelt wird

JinyuanSun/PymolFold erreicht einen Gesundheitsindex von 42 von 100 und liegt damit im Bereich Schwach. Am stärksten schneidet es bei Sustainability & Governance (61/100) ab, am schwächsten bei AI Readiness (15/100). Zuletzt vor 236 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

42
gesamt / 100
Schwach

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

42
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 45 wird auf der veröffentlichten Indexskala auf 42 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

jinyuan sunPersönliches Konto
155 Follower124 öffentliche Reposseit Nov. 2017Institute of Microbiology, CAS

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIpymolfold0.2.1345514vor 237 Tagenproteinstructure-predictionpymolbioinformaticsprotein-folding

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

36Schwach · 21 % des Gesamtindex

Entwicklungsaktivität

26Gefährdet
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 236 Tagen
4.8/36Commit-Rhythmus — 7/52 Wochen mit Commits
17.1/18Commit-Volumen — 79 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Verwendete Eingangsdaten
commits_last_year79
human_commit_share—
days_since_last_push236
active_weeks_last_year7

Release-Disziplin

52Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 3 Releases veröffentlicht
7.2/36Release-Aktualität — letztes Release vor 716 Tagen
12.6/27Release-Rhythmus — ein Release etwa alle 157,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count3
latest_release_tagv0.1.3
releases_from_tagsnein
days_since_latest_release716
mean_days_between_releases157,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

47Schwach · 17 % des Gesamtindex

Popularität & Verbreitung

47Schwach
Wie die Bewertung erfolgt
35.2/60Stars — 149 Stars
11.8/25Forks — 27 Forks
0/15Watcher — 2 Watcher
Verwendete Eingangsdaten
forks27
stars149
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

44Schwach
Wie die Bewertung erfolgt
35.5/80Downloads pro Monat — 455 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespymolfold
dependents—
ecosystemspypi
total_downloads—
monthly_downloads455
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

61Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

24Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
3.6/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 84 % der Commits
5.4/13.5Breite der Beitragenden — 4 Beitragende
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Verwendete Eingangsdaten
bus_factor1
contributors_sampled4
top_contributor_share0,841

Reaktionsfähigkeit bei Issues & PRs

77Gut
Wie die Bewertung erfolgt
28/42Issue-Lösungsquote — 67 % der Issues geschlossen
28.5/30PR-Annahme — 19/20 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
10.5/15OpenSSF Scorecard: Code-Review — Found 5/7 approved changesets -- score normalized to 7
Verwendete Eingangsdaten
merged_prs19
open_issues3
closed_issues6
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,667
closed_unmerged_prs1
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

64Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
15.8/25Reichweite des Inhabers — 155 Follower von JinyuanSun
25/25Kontohistorie — 124 öffentliche Repos, Kontoalter ca. 8 Jahre
Verwendete Eingangsdaten
followers155
owner_typeUser
is_verified—
owner_loginJinyuanSun
public_repos124
account_age_days3.178
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

91Exzellent
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
26/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 237 Tagen
20/20Versionshistorie — 14 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespymolfold
ecosystemspypi
any_deprecatednein
min_days_since_publish237

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

36Schwach · 19 % des Gesamtindex

Engineering-Praktiken

26Gefährdet
Wie die Bewertung erfolgt
24/24CI-Workflows — 1 Workflow(s)
0/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
2/20OpenSSF Scorecard: CI-Tests — 1 out of 6 merged PRs checked by a CI test -- score normalized to 1
Verwendete Eingangsdaten
has_cija
has_testsnein
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

50Mittel
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_site—
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

50Mittel · 16 % des Gesamtindex

Sicherheitslage

50Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
0.2/2.5CI-Tests — 1 out of 6 merged PRs checked by a CI test -- score normalized to 1
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
5.2/7.5Code-Review — Found 5/7 approved changesets -- score normalized to 7
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — keine Daten
1/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 2
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate5,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

15Kritisch · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

AI-Verify-Loop (Build / Test / Typprüfung)

2Kritisch
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
0/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
0/10Belegte Agentenpraxis — keine Daten
0/8Automatisierte Wartung — keine Daten
2/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 2
Verwendete Eingangsdaten
has_nixnein
has_testsnein
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis, Automatisierte Wartung. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/12 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes25.947
source_files_sampled12
oversized_source_files0

Maschinenlesbare AI-Schnittstellen

40Schwach
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
0/20MCP-Server
40/40Lauffähige Beispiele — example
Verwendete Eingangsdaten
example_dirsexample
has_mcp_signalnein
api_schema_files—
interfaces_expected_ofnetwork-service

Eckdaten

149GitHub-Sterne
4Mitwirkende
79Commits, letzte 12 Monate
236Tage seit letztem Push
3Releases
1Bus-Faktor
3offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 5.1 / 10
5.1Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-07-17 18:55 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
1CI-Tests1 out of 6 merged PRs checked by a CI test -- score normalized to 1
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
7Code-ReviewFound 5/7 approved changesets -- score normalized to 7
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
k. A.Packagingpackaging workflow not detected
2Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 2
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 15
RegistryPaketVersionsvorgabeManifest
PyPIrequests>=2.25.0pyproject.toml
PyPInumpy>=1.19.0pyproject.toml
PyPIhttpx>=0.24.0pyproject.toml
PyPIfastapi>=0.68.0pyproject.toml
PyPImatplotlib>=3.3.0pyproject.toml
PyPIbiopython>=1.79pyproject.toml
PyPIstreamlit==1.49.1pyproject.toml
PyPIflask==3.1.0pyproject.toml
PyPIrdkit==2025.3.6pyproject.toml
PyPIuvicorn==0.22.0pyproject.toml
PyPIesm==3.2.1pyproject.toml
PyPItorch>=2.0.0pyproject.toml
PyPIshadowpxmeter==0.0.3pyproject.toml
PyPIseaborn==0.13.2pyproject.toml
PyPIpython-dotenv==1.0.1pyproject.toml
Alle Abhängigkeiten 15

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 15 direkte und 0 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIbiopython—direkt
PyPIesm3.2.1direkt
PyPIfastapi—direkt
PyPIflask3.1.0direkt
PyPIhttpx—direkt
PyPImatplotlib—direkt
PyPInumpy—direkt
PyPIpython-dotenv1.0.1direkt
PyPIrdkit2025.3.6direkt
PyPIrequests—direkt
PyPIseaborn0.13.2direkt
PyPIshadowpxmeter0.0.3direkt
PyPIstreamlit1.49.1direkt
PyPItorch—direkt
PyPIuvicorn0.22.0direkt
JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit JinyuanSun/PymolFold teilen. Nebeneinander lesen →

78elkins/synth-pdbGenerate realistic PDB files with mixed secondary structures for testing, education and bioinformatics tool development. Jupyter Notebook tutorials are available to visualize the concepts..Gut90biopython/biopythonOfficial git repository for Biopython (originally converted from CVS)Exzellent75sokrypton/ColAbFoldMaking Protein folding accessible to all!Gut71elkins-lab/synth-pdbGenerate realistic PDB files with mixed secondary structures for testing, education and bioinformatics tool development. Jupyter Notebook tutorials are available to visualize the concepts..Gut63full-spectrum-analytics/dash-seqvizA dash wrapper of the javascript DNA, RNA and protein sequence viewerMittel60hfooladi/pdbrustA Rust library for parsing PDB (Protein Data Bank) filesMittel

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.12.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.