Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.12.0 · метрики 2.10.0 · 2026-07-17 17:31 UTC

deeprank / deeprank2

An open-source deep learning framework for data mining of protein-protein interfaces or single-residue variants.

Python · Jupyter NotebookApache-2.0★ 59 зірок⑂ 14 форківз січ. 2022 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#convolutional-neural-networks#deep-learning#graph-neural-networks#pytorch#structural-biology#protein-protein-interfaces#single-residue-variants

deeprank/deeprank2 має індекс здоров’я 62 зі 100, що відповідає смузі «Помірний». Найвищий показник — Engineering Quality (78/100), найнижчий — Vitality (33/100). Останнє оновлення було 127 днів тому. Більшість нещодавньої роботи виконує один учасник.

62
загалом / 100
Помірний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

62
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 58 калібровано до 62 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

DeepRankОрганізація
25 підписників19 публічних репозиторіївз серп. 2017 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIdeeprank23.1.033510669 днів томуgraph-neural-networkconvolutional-neural-networkprotein-protein-interfacesmissense-variantsdeep-learningpytorch

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

33У зоні ризику · 21% загального індексу

Активність розробки

10Критичний
Як обчислюється оцінка
9.9/36Свіжість push — останній push 127 дн. тому
0/36Ритм комітів — 0/52 тижнів із комітами
0/18Обсяг комітів — 0 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Використані вхідні дані
commits_last_year0
human_commit_share—
days_since_last_push127
active_weeks_last_year0

Дисципліна релізів

68Добрий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 15 релізів
7.2/36Свіжість релізів — останній реліз 669 дн. тому
27/27Ритм релізів — реліз кожні ~40 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count15
latest_release_tagv3.1.0
releases_from_tagsні
days_since_latest_release669
mean_days_between_releases40
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

57Помірний · 17% загального індексу

Популярність і впровадження

43Слабкий
Як обчислюється оцінка
28.6/60Зірки — 59 зірок
9.3/25Форки — 14 форків
4.7/15Спостерігачі — 8 спостерігачів
Використані вхідні дані
forks14
stars59
watchers8
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

85Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges—
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_services—
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

42Слабкий
Як обчислюється оцінка
33.7/80Щомісячні завантаження — 335 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesdeeprank2
dependents—
ecosystemspypi
total_downloads—
monthly_downloads335
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

69Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

41Слабкий
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
8.9/22.5Розподіл комітів — головний контриб’ютор — автор 60% комітів
13.5/13.5Широта контриб’юторів — 16 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 8 contributing companies or organizations
Використані вхідні дані
bus_factor1
contributors_sampled16
top_contributor_share0,605

Реактивність на issue та PR

87Відмінний
Як обчислюється оцінка
38.7/42Вирішення issue — закрито 92% issue
25.4/30Прийняття PR — злито 252/298 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
12/15OpenSSF Scorecard: Code-Review — Found 6/7 approved changesets -- score normalized to 8
Використані вхідні дані
merged_prs252
open_issues27
closed_issues315
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,921
closed_unmerged_prs46
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

77Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
10.2/25Охоплення власника — 25 підписників у DeepRank
21.5/25Послужний список — 19 публічних репозиторіїв, вік облікового запису ~8 р.
Використані вхідні дані
followers25
owner_typeOrganization
is_verified—
owner_loginDeepRank
public_repos19
account_age_days3 245
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

79Добрий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
14/35Свіжість публікацій — остання публікація 669 дн. тому
20/20Історія версій — 10 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesdeeprank2
ecosystemspypi
any_deprecatedні
min_days_since_publish669

Інженерна якість

Чи наявні базові інженерні практики та документація?

78Добрий · 19% загального індексу

Інженерні практики

64Помірний
Як обчислюється оцінка
24/24Процеси CI — 15 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .ruff.toml
0/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 7 merged PRs checked by a CI test -- score normalized to 0
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configні

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://deeprank2.readthedocs.io/en/latest/?badge=latest
10/10Опис репозиторію
10/10Теми — 7 тем
10/10Wiki
Використані вхідні дані
topicsconvolutional-neural-networks, deep-learning, graph-neural-networks, pytorch, structural-biology, protein-protein-interfaces, single-residue-variants
has_wikiтак
homepagehttps://deeprank2.readthedocs.io/en/latest/?badge=latest
docs_sitehttps://deeprank2.readthedocs.io/en/latest/?badge=latest
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

52Помірний · 16% загального індексу

Стан безпеки

52Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
4.5/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — 0 out of 7 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6/7.5Code-Review — Found 6/7 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 8 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — 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 — немає даних
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
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 — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,2
Виключено з оцінювання (немає даних або не застосовно): Packaging, Signed-Releases. Залишкові ваги перенормовано.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

53Помірний · 4% загального індексу

Контекст і настанови для агентів

1Критичний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
0/40Читабельна історія комітів — немає даних
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Виключено з оцінювання (немає даних або не застосовно): Читабельна історія комітів. Залишкові ваги перенормовано.

Цикл верифікації (збірка / тести / перевірка типів)

74Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .ruff.toml
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile
0/10Підтверджена практика роботи з агентами — немає даних
0/8Автоматизоване супроводження — немає даних
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesdocs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Виключено з оцінювання (немає даних або не застосовно): Підтверджена практика роботи з агентами, Автоматизоване супроводження. Залишкові ваги перенормовано.

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
55/55Керовані розміри файлів — 0/87 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes56 395
source_files_sampled87
oversized_source_files0

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — notebooks
Використані вхідні дані
example_dirsnotebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

59зірок GitHub
16контриб'юторів
0комітів за останні 12 місяців
127днів від останнього пушу
15релізів
1бас-фактор
27відкритих issue
PyPIпакетних екосистем

Докладніше

OpenSSF Scorecard 5.2 / 10
5.2сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-07-17 17:31 UTC

10Binary-Artifactsno binaries found in the repo
6Branch-Protectionbranch protection is not maximal on development and all release branches
0CI-Tests0 out of 7 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 6/7 approved changesets -- score normalized to 8
10Contributorsproject has 8 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate 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
н/дPackagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 19
РеєстрПакетОбмеження версіїМаніфест
PyPInotebook>= 7.2.1, < 8.0pyproject.toml
PyPImarkov-clustering>= 0.0.6.dev0, < 1.0pyproject.toml
PyPItensorboard>= 0.9.0, < 3.0pyproject.toml
PyPIprotobuf>= 3.20.1, < 6.0pyproject.toml
PyPIdill>= 0.3.8, < 1.0pyproject.toml
PyPIpyarrow>= 16.1.0, < 17.0pyproject.toml
PyPItables>= 3.9.2, < 4.0pyproject.toml
PyPInumpy>= 1.25, < 2.0pyproject.toml
PyPIscipy>= 1.13.1, < 2.0pyproject.toml
PyPIh5py>= 3.11.0, < 4.0pyproject.toml
PyPInetworkx>= 3.1, < 4.0pyproject.toml
PyPImatplotlib>= 3.9.0, < 4.0pyproject.toml
PyPIscikit-learn>= 1.5.0, < 2.0pyproject.toml
PyPIchart-studio>= 1.1.0, < 2.0pyproject.toml
PyPIpdb2sql>= 0.5.3, < 1.0pyproject.toml
PyPIpython-louvain>= 0.16, < 1.0pyproject.toml
PyPItqdm>= 4.66.4, < 5.0pyproject.toml
PyPIfreesasa>= 2.1.1, < 3.0pyproject.toml
PyPIbiopython>= 1.83, < 2.0pyproject.toml
Усі залежності 25

Повний розв'язаний набір залежностей із графа залежностей GitHub: 19 прямих і 6 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIbiopython—пряма
PyPIchart-studio—пряма
PyPIdill—пряма
PyPIfreesasa—пряма
PyPIh5py—пряма
PyPImarkov-clustering—пряма
PyPImatplotlib—пряма
PyPInetworkx—пряма
PyPInotebook—пряма
PyPInumpy—пряма
PyPIpdb2sql—пряма
PyPIprotobuf—пряма
PyPIpyarrow—пряма
PyPIpython-louvain—пряма
PyPIscikit-learn—пряма
PyPIscipy—пряма
PyPItables—пряма
PyPItensorboard—пряма
PyPItqdm—пряма
PyPImyst-parser—непряма
PyPIreadthedocs-sphinx-search0.3.2непряма
PyPIsphinx5.3.0непряма
PyPIsphinx-rtd-theme1.1.1непряма
PyPItoml—непряма
PyPItyping-extensions—непряма
Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з deeprank/deeprank2. Читати поруч →

94pyg-team/pytorch_geometricGraph Neural Network Library for PyTorchВинятковий100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий100Project-MONAI/MONAIAI Toolkit for Healthcare ImagingВинятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.12.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.