Öffentliches Register
Software-GesundheitsberichtSchema 0.11.0 · Metriken 2.10.0 · 2026-07-17 12:50 UTC

bytedance / Protenix

Toward High-Accuracy Open-Source Biomolecular Structure Prediction.

PythonApache-2.0★ 1.998 Sterne⑂ 296 Forksseit Nov. 2024Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#ai4science#research

bytedance/Protenix erreicht einen Gesundheitsindex von 83 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (86/100) ab, am schwächsten bei Security (37/100). Zuletzt vor 72 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

83
gesamt / 100
Exzellent

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.

83
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 70 wird auf der veröffentlichten Indexskala auf 83 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Bytedance Inc.Organisation
18.508 Follower413 öffentliche Reposseit Apr. 2013

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIprotenix2.0.012.35550vor 100 Tagen

Metriken nach Kategorie

Vitalität

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

72Gut · 21 % des Gesamtindex

Entwicklungsaktivität

60Mittel
Wie die Bewertung erfolgt
18/36Push-Aktualität — letzter Push vor 72 Tagen
19.4/36Commit-Rhythmus — 28/52 Wochen mit Commits
18/18Commit-Volumen — 119 Commits im letzten Jahr
5/10OpenSSF Scorecard: Maintained — 7 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
Verwendete Eingangsdaten
commits_last_year119
human_commit_share—
days_since_last_push72
active_weeks_last_year28

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 45 Releases veröffentlicht
27/36Release-Aktualität — letztes Release vor 100 Tagen
27/27Release-Rhythmus — ein Release etwa alle 6,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count45
latest_release_tagv2.0.0
releases_from_tagsnein
days_since_latest_release100
mean_days_between_releases6,6
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?

80Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

82Exzellent
Wie die Bewertung erfolgt
53.5/60Stars — 1.998 Stars
20.6/25Forks — 296 Forks
8.3/15Watcher — 32 Watcher
Verwendete Eingangsdaten
forks296
stars1.998
watchers32
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

85Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_services—
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

68Gut
Wie die Bewertung erfolgt
54.6/80Downloads pro Monat — 12.355 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesprotenix
dependents—
ecosystemspypi
total_downloads—
monthly_downloads12.355
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?

77Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

61Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
12.6/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 44 % der Commits
13.5/13.5Breite der Beitragenden — 32 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Verwendete Eingangsdaten
bus_factor2
contributors_sampled32
top_contributor_share0,439

Reaktionsfähigkeit bei Issues & PRs

56Mittel
Wie die Bewertung erfolgt
25.5/42Issue-Lösungsquote — 61 % der Issues geschlossen
20.6/30PR-Annahme — 48/70 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
3/15OpenSSF Scorecard: Code-Review — Found 6/28 approved changesets -- score normalized to 2
Verwendete Eingangsdaten
merged_prs48
open_issues96
closed_issues149
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,608
closed_unmerged_prs22
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

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
25/25Reichweite des Inhabers — 18.508 Follower von bytedance
25/25Kontohistorie — 413 öffentliche Repos, Kontoalter ca. 13 Jahre
Verwendete Eingangsdaten
followers18.508
owner_typeOrganization
is_verified—
owner_loginbytedance
public_repos413
account_age_days4.841
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 100 Tagen
20/20Versionshistorie — 50 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesprotenix
ecosystemspypi
any_deprecatednein
min_days_since_publish100

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

86Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .flake8
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 6 out of 6 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
10/10Topics — 2 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsai4science, research
has_wikinein
homepage—
docs_site—
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

37Schwach · 16 % des Gesamtindex

Sicherheitslage

37Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5CI-Tests — 6 out of 6 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
1.5/7.5Code-Review — Found 6/28 approved changesets -- score normalized to 2
2.5/2.5Contributors — project has 3 contributing companies or organizations -- score normalized to 10
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
3.8/7.5Maintained — 7 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
5/5Packaging — packaging workflow detected
0.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
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
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 11 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate3,7
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): 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.

45Schwach · 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)

54Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .flake8
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile
0/10Belegte Agentenpraxis — keine Daten
0/8Automatisierte Wartung — keine Daten
1/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
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

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.9/55Handhabbare Dateigrößen — 3/153 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes144.586
source_files_sampled153
oversized_source_files3

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

1.998GitHub-Sterne
32Mitwirkende
119Commits, letzte 12 Monate
72Tage seit letztem Push
45Releases
2Bus-Faktor
96offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 3.7 / 10
3.7Gesamtwert

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 12:48 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests6 out of 6 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 6/28 approved changesets -- score normalized to 2
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
5Maintained7 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
10Packagingpackaging workflow detected
1Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 1
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities11 existing vulnerabilities detected
Alle Abhängigkeiten 32

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 32 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIbiopython1.85indirekt
PyPIbiotite1.4.0indirekt
PyPIcuequivariance-ops-torch-cu120.8.0indirekt
PyPIcuequivariance-torch0.8.0indirekt
PyPIdeepspeed0.17.5indirekt
PyPIfair-esm2.0.0indirekt
PyPIgemmi0.6.7indirekt
PyPIicecream2.1.7indirekt
PyPIipdb0.13.13indirekt
PyPIipywidgets8.1.7indirekt
PyPImatplotlib3.10.5indirekt
PyPIml-collections1.1.0indirekt
PyPImodelcif1.4indirekt
PyPInetworkx—indirekt
PyPInumpy2.4.1indirekt
PyPIoptree0.17.0indirekt
PyPIpandas2.3.1indirekt
PyPIpdbeccdutils1.0.0indirekt
PyPIprotobuf6.31.1indirekt
PyPIpy3dmol2.5.2indirekt
PyPIpydantic—indirekt
PyPIpyyaml6.0.2indirekt
PyPIrdkit2025.9.3indirekt
PyPIscikit-learn1.7.1indirekt
PyPIscikit-learn-extra0.3.0indirekt
PyPIscipy—indirekt
PyPItorch2.7.1indirekt
PyPItorchaudio2.7.1indirekt
PyPItorchvision0.22.1indirekt
PyPItqdm4.67.1indirekt
PyPItriton3.3.1indirekt
PyPIwandb0.21.1indirekt
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 bytedance/Protenix teilen. Nebeneinander lesen →

96PaddlePaddle/PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.Außergewöhnlich94assafelovic/gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providersAußergewöhnlich93EvoScientist/EvoScientist🔬 Harness Vibe Research with Self-evolving AI ScientistsAußergewöhnlich93jspsych/jsPsychCreate behavioral experiments in a browser using JavaScriptAußergewöhnlich92vprusso/toqito|toqito> (Theory of Quantum Information Toolkit) is a Python library for research in quantum information theory.Exzellent92ipc-sim/ipc-toolkitA set of reusable functions to integrate IPC into an existing simulation.Exzellent

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 v0.11.0 — vollständige Methodik · Metriken-Wiki.

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