Optimierungsprojekte benötigen oft reproduzierbare Algorithmusauswahl, Nebenbedingungen und Pareto-Front-Analyse. Dieser Skill führt durch pymoo-Workflows mit Beispielen, Referenzen und Mustern zur Fehlerbehebung.

Massenspektrometrie-Workflows erfordern viele OpenMS-Objekte, Dateiformate und Algorithmen. Dieser Skill gibt Claude, Codex und Claude Code praktische pyOpenMS-Anleitungen für Proteomik- und Metabolomik-Analysen.

Bayessche Modellierung erfordert sorgfältige Priors, Diagnostik und Modellprüfungen. Dieser Skill begleitet PyMC-Workflows von der Modelleinrichtung bis zur Posterior-Validierung und zum Vergleich.

Klinische Machine-Learning-Projekte erfordern einen sorgfältigen Umgang mit Datensätzen, Kodiersystemen, Aufgaben, Modellen und Validierung. Dieser Skill organisiert PyHealth-Anleitungen, damit Claude, Codex und Claude Code beim Entwurf reproduzierbarer Healthcare-AI-Workflows unterstützen können.

Datenteams benötigen schnelle Orientierung beim Erstellen von Polars-Pipelines und bei der Migration von pandas. Diese Skill bietet prägnante Muster für Expressions, Lazy Queries, I/O, Joins und Performance-Tuning.

Entwickler benötigen häufig zuverlässige Plotly-Beispiele für viele Diagrammtypen. Diese Skill bietet prägnante Python-Anleitungen für Diagramme, Styling, Interaktivität, Exporte und Dash-Integration.

Arbeit in der Strukturbiologie erfordert genaue Struktur-IDs, Metadaten und Koordinatendateien. Dieser Skill führt Claude, Codex und Claude Code durch Such- und Abruf-Workflows für RCSB PDB.

Teams in der Arzneimittelforschung benötigen zuverlässige Möglichkeiten, Gene, Krankheiten, Evidenz und bekannte Arzneimittel miteinander zu verknüpfen. Dieser Skill führt Claude, Codex und Claude Code durch Open-Targets-Abfragen und die Interpretation von Evidenz.

Mikroskopie-Teams benötigen zuverlässige Muster für den Zugriff auf OMERO-Daten, ohne Beispiele von Grund auf neu erstellen zu müssen. Diese Skill bietet praktische Python-Workflows für Bilder, Metadaten, ROIs, Tabellen und Batch-Verarbeitung.

Die Neuropixels-Analyse erfordert viele miteinander verknüpfte Schritte für Vorverarbeitung, Sorting und Kuratierung. Diese Skill bietet praktische SpikeInterface-Workflows, Skripte und Referenzen für reproduzierbare Analysen neuronaler Aufzeichnungen.

Die Analyse von Biosignalen erfordert sorgfältige methodische Entscheidungen für viele Signaltypen. Diese Skill bietet strukturierte NeuroKit2-Anleitungen zur Vorverarbeitung, Merkmalsextraktion, Interpretation und Berichterstattung.

Metabolomik-Forschende benötigen schnellen Zugriff auf öffentliche Studien, Compound-Datensätze und standardisierte Namen. Diese Skill führt Claude, Codex und Claude Code durch REST API-Abfragen und die Interpretation von Ergebnissen.

Matplotlib kann bei komplexen wissenschaftlichen Diagrammen schwer konsistent zu verwenden sein. Dieser Skill bietet praktische Beispiele, Gestaltungsrichtlinien und Hilfsskripte für übersichtlichere Abbildungen.

Bioinformatik-Teams benötigen wiederholbare Workflows, Datenverarbeitung und Ressourceneinstellungen auf Latch. Diese Skill unterstützt bei der Workflow-Erstellung, Bereitstellung, Nutzung der Registry und Integration verifizierter Pipelines.

Workflows für genomische Intervalle benötigen schnelle Tools für Überlappung, Abdeckung und Tokenisierung. Dieser Skill führt Claude, Codex und Claude Code durch gtars APIs und CLI-Workflows.

Bioinformatische Forschung erfordert häufig zahlreiche Datenbankabfragen und Dateiformate. Dieser Skill führt Claude, Codex und Claude Code durch gget-Befehle und Python-Workflows.

Geodatenarbeit scheitert oft, wenn Dateiformate, Koordinatensysteme und räumliche Operationen unklar sind. Dieser Skill bietet GeoPandas-Muster zum Laden von Daten, Transformieren von CRS, Analysieren von Geometrie und Erstellen von Karten.

Öffentliche GEO-Datensätze sind schwer zu durchsuchen, herunterzuladen und einheitlich aufzubereiten. Dieser Skill führt Claude, Codex und Claude Code durch Arbeitsabläufe für die Suche und den Abruf in NCBI GEO sowie für die Transkriptomanalyse.

Projekte mit genomischen Intervallen benötigen eine konsistente Vorverarbeitung, das Training von Einbettungen und die Erstellung von Universen. Diese Skill-Anleitung unterstützt Geniml-Workflows für BED-Dateien, scATAC-seq-Daten und die Modellevaluierung.

FCS-Dateien können in Python-Workflows schwer zu prüfen, zu konvertieren und zu reparieren sein. Dieser Skill führt Claude, Codex und Claude Code durch das Parsen mit FlowIO, die Extraktion von Metadaten und den FCS-Export.