Verwalten Sie elektronische Laborjournale programmatisch. Automatisieren Sie Daten-Uploads, sichern Sie Notizbücher und integrieren Sie sich mit wissenschaftlichen Tools wie Jupyter und REDCap für Forschungsworkflows.

Forscher benötigen effizienten Zugang zu KEGG-Bioinformatik-Daten für Stoffwechselweganalysen und Genkartierung. Diese Fähigkeit bietet Python-Hilfsfunktionen für alle KEGG-REST-API-Operationen, einschließlich Stoffwechselwegabfrage, Gen-Stoffwechselweg-Zuordnung, Verbindungssuchen und ID-Konvertierung zwischen Datenbanken.

Medizinproduktehersteller benötigen eine umfassende ISO 13485-Dokumentation für das Qualitätsmanagement-Zertifizierung. Dieses Skill bietet Vorlagen, Gap-Analysis-Tools und schrittweise Anleitungen, um alle erforderlichen QMS-Dokumente effizient zu erstellen.

Verwandeln Sie Beobachtungen in strukturierte, überprüfbare wissenschaftliche Hypothesen. Dieser Skill führt Sie durch Literatursynthese, Mechanismenentwicklung, experimentelles Design und Formulierung von Vorhersagen unter Verwendung bewährter wissenschaftlicher Methodenframeworks.

Manuelle Hypothesengenerierung ist zeitaufwändig und anfällig für kognitive Verzerrungen. Hypogenic automatisiert die Hypothesengenerierung und -prüfung mithilfe von LLMs und ermöglicht es Forschern, systematisch Muster in tabellarischen Datensätzen zu erkunden und empirische Erkenntnisse mit Literatureinblicken zu kombinieren.

Dieser Skill bietet Zugang zur Human Metabolome Database mit über 220.000 Metabolit-Einträgen. Forscher können nach chemischem Namen, Struktur oder ID suchen, um Eigenschaften, Spektren und Biomarker-Daten für Metabolomik-Studien abzurufen.

Histolab automatisiert die Gewebeerfassung und Kachelextraktion aus Gigapixel-Objektträger-Bildern. Es verarbeitet WSI-Dateien, um informative Kacheln für Deep-Learning-Pipelines und medizinische Forschung zu extrahieren.

Zugriff auf umfassende genomweite Assoziationsstudien-Daten aus dem NHGRI-EBI GWAS-Katalog. Suchen Sie Varianten nach rs-ID, Trait oder Gen, um P-Werte, Effektgrößen und Zusammenfassungsstatistiken für genetische Forschung abzurufen.

Verarbeiten und analysieren von genomischen Intervalldaten für die Bioinformatik-Forschung. Gtars bietet Hochleistungswerkzeuge für die Überlappungserkennung, Coverage-Analyse und ML-Tokenisierung von genomischen Sequenzen.

gget bietet einen einheitlichen Zugriff auf über 20 genomische Datenbanken über eine einfache CLI- oder Python-Schnittstelle. Geninformationen abfragen, Sequenzen abrufen, BLAST-Suchen durchführen und Anreicherungsanalysen ausführen, ohne mehrere API-Verbindungen zu verwalten.

Wissenschaftliche Rechenaufgaben benötigen Hardwareinformationen, um optimale Rechenstrategien auszuwählen. Diese Fähigkeit erkennt automatisch CPU-Kerne, GPU-Verfügbarkeit, Arbeitsspeicher und Speicherplatz und erstellt anschließend Empfehlungen für Parallelverarbeitung und GPU-Beschleunigung.

GeoPandas erweitert pandas für georäumliche Operationen. Es ermöglicht das Lesen von Shapefiles, GeoJSON und PostGIS-Daten. Führen Sie räumliche Joins, Pufferanalysen, Koordinatentransformationen durch und erstellen Sie Choroplethenkarten mit matplotlib-Integration.

Forscher benötigen effizienten Zugang zu Genexpressions-Datensätzen für Analysen. Diese Fähigkeit ermöglicht das Abfragen, Herunterladen und Analysieren von Daten aus der NCBI GEO-Datenbank mit Millionen von Genomik-Proben.

Geniml transformiert BED-Dateien in Machine-Learning-Embeddings für genomische Regionsanalyse. Trainieren Sie Modelle, um Muster in Chromatinzugänglichkeit zu finden, konsistente Peak-Sets zu erstellen und Single-cell-ATAC-seq-Daten zu analysieren.

Erstellen Sie hochwertige Bilder für Präsentationen, Dokumente und Publikationen mit KI-Modellen. Generieren Sie originelle Kunstwerke oder bearbeiten Sie bestehende Bilder mit einfachen Text-Prompts. Greifen Sie über die OpenRouter-API auf FLUX- und Gemini-Modelle zu.

Umfassende gendaten von NCBI abrufen, einschließlich Sequenzen, Annotationen und funktioneller Informationen. Nach Gensymbol, ID oder biologischem Kontext suchen, um RefSeqs, Genontologie, chromosomale Standorte und Phänotypen für die Bioinformatikforschung zu erhalten.

FluidSim bringt leistungsstarke numerische Strömungsmechanik nach Python. Führen Sie Navier-Stokes-Simulationen aus, analysieren Sie Turbulenzen und visualisieren Sie Ergebnisse mit einfachen Python-Befehlen. Keine komplexe Fortran- oder C++-Einrichtung erforderlich.

Durchflusszytometrie-Daten erfordern eine spezialisierte Dateiverarbeitung. FlowIO parst FCS-Dateien, extrahiert Ereignisdaten als NumPy-Arrays und ermöglicht die Konvertierung in CSV-Formate für nachgelagerte Analyse-Pipelines.

Greifen Sie auf umfassende FDA-Regulierungsdaten zu, einschließlich unerwünschter Arzneimittelwirkungen, Rückrufe von Medizinprodukten und Sicherheitsinformationen über die offizielle openFDA-API. Erstellen Sie Pharmakovigilanz- und Regulierungsforschungs-Workflows mit Python.

Wissenschaftliche Datendateien gibt es in Hunderten von Formaten. Diese Skill erkennt automatisch den Dateityp, extrahiert Metadaten, bewertet die Datenqualität und generiert umfassende Markdown-Berichte mit formatspezifischen Analyseempfehlungen.