Molekulare Eigenschaften wie Löslichkeit, Toxizität und Bindungsaffinität mit DeepChem vorhersagen. Graphische neuronale Netze trainieren oder vortrainierte Modelle wie ChemBERTa für Arzneimittelforschung und Materialwissenschaften nutzen.

Greifen Sie auf globale statistische Daten von Data Commons zu, einschließlich Demografie, Wirtschaft, Gesundheit und Umweltindikatoren. Fragen Sie Bevölkerungszahlen, BIP, Arbeitslosenquoten und geografische Beziehungen mit Python-Client-Methoden ab.

Verarbeiten Sie Datensätze, die größer als der verfügbare RAM sind, mit paralleler Computing. Transformieren Sie Single-Machine-pandas- und NumPy-Workflows, um sie auf mehreren Kernen oder verteilten Clustern auszuführen, ohne Ihren Code umzuschreiben.

Die metabolische Modellierung erfordert spezialisiertes Wissen über Constraint-basierte Rekonstruktions- und Analysemethoden. COBRApy bietet eine umfassende Python-Schnittstelle für Flussbilanzenanalyse, Gen-Knockout-Studien und Produktionsberechnungen für die Systembiologie-Forschung.

Das Auffinden relevanter klinischer Studien erfordert die Suche in einer großen Registrierungsdatenbank. Diese Skill bietet eine Python-Schnittstelle zur Abfrage der ClinicalTrials.gov API v2, um Studien nach Erkrankung, Medikament, Standort oder Sponsor zu durchsuchen und detaillierte Studieninformationen abzurufen.

Klinische Dokumentation erfordert Präzision und regulatorische Compliance. Diese Skill bietet Vorlagen und Validierungstools für Fallberichte, Diagnoseberichte, klinische Prüfungsdokumentation und Patientennotizen gemäß HIPAA-, FDA- und ICH-GCP-Standards.

Greifen Sie auf die ChEMBL-Datenbank zu, um Verbindungen nach Struktur und Eigenschaften zu durchsuchen. Rufen Sie Bioaktivitätsmessungen ab, finden Sie Inhibitoren und führen Sie Struktur-Aktivitäts-Beziehungsstudien für die Arzneimittelentwicklungsforschung durch.

Umfassende enzymkinetische Daten aus der weltweit größten Enzymdatenbank abrufen. Km-Werte, Reaktionsgleichungen, organismspezifische Parameter und Substratspezifitätsdaten für biochemische Forschung und metabolisches Engineering finden.

Abfragen von über 40 biologischen Datenbanken einschließlich UniProt, KEGG und ChEMBL mit einer konsistenten Python-API. Vereinfacht datenbankübergreifende Analysen und Identifier-Konvertierung für die Bioinformatik-Forschung.

Automatisieren Sie Labor-Workflows und verwalten Sie biologische Daten durch die Integration mit der Benchling R&D-Plattform. Greifen Sie auf DNA-Sequenzen, Proteindaten, Bestand und elektronische Laborbücher über das Python SDK oder die REST API zu.

Die Ableitung genregulatorischer Netzwerke identifiziert Transkriptionsfaktor-Zielgen-Beziehungen aus Transkriptomik-Daten. Arboreto bietet skalierbare Implementierungen der GRNBoost2- und GENIE3-Algorithmen, die sowohl Bulk- als auch Single-Cell-RNA-seq-Daten auf lokalen Maschinen oder verteilten Clustern verarbeiten.

AnnData bietet eine standardisierte Datenstruktur für annotierte Matrizen, die in der Einzelzell-Genomik verwendet wird. Diese Fähigkeit ermöglicht das Erstellen, Lesen, Schreiben und Bearbeiten von .h5ad-Dateien mit voller Unterstützung für Metadaten, Einbettungen und das scverse-Ökosystem.

Zeitreihendaten erfordern spezialisierte Algorithmen jenseits des Standard-Machine-Learning. Aeon bietet scikit-learn-kompatible APIs für Klassifikation, Regression, Clustering, Vorhersage, Anomalieerkennung, Segmentierung und Similaritätssuche auf zeitlichen Daten.

Erhalten Sie Expertenhilfe beim Schreiben komplexer T-SQL-Abfragen, gespeicherter Prozeduren und Performance-Optimierungen für Microsoft SQL Server. Umfasst fortgeschrittene Muster wie CTEs, Window-Funktionen, PIVOT- und MERGE-Anweisungen.

Diese Fähigkeit ermöglicht es Claude, Codex und Claude Code-Benutzern, professionelle KI-Videos zu generieren, indem sie Storyboards erstellen, Referenzbilder erstellen und Video-Generierungsaufgaben an die Seedance 2.0 API senden. Sie optimiert den komplexen mehrstufigen Videoerstellungsprozess in einen einfachen, automatisierten Arbeitsablauf.

Home Assistant-Konfigurationsdateien erfordern eine präzise YAML-Syntax und eine korrekte Struktur. Diese Skill bietet Validierungswerkzeuge, Beispielkonfigurationen und Best Practices für Automatisierungen, Skripte, Templates, Blueprints und Lovelace-Dashboards.

Benutzer benötigen schnelle Einblicke in Textinhalte ohne manuelles Zählen. Dieses Tool berechnet automatisch Wortanzahl, Zeichenanzahl, Satzzahl und Lesezeit für jeden Texteingabe.

Langsame DataFusion-Abfragen verschwenden Ressourcen und Zeit. Diese Skill analysiert SQL- und DataFrame-Operationen, um Performance-Probleme zu identifizieren und konkrete Optimierungen für Predicate Pushdown, Partition Pruning, Column Projection und Join-Ordering vorzuschlagen.

Organisationen benötigen systematische Methoden zum Erfassen und Kategorisieren von Ausgabenbelegen für eine genaue finanzielle Nachverfolgung. Diese Skill bietet dokumentierte Workflows für die manuelle Belegerfassung, OCR-Scan-Integration und Datenbankmuster für die Verwaltung von Ausgabendatensätzen in MySQL.

Belegscanning erfordert präzise OCR-Extraktion und Datenbankintegration. Diese Anleitung bietet vollständige Unterstützung für das Parsen von Belegbildern, das Debuggen von Extraktionsfehlern und den Aufbau zuverlässiger Workflows für die Ausgabenverfolgung mit Google Gemini AI.