Los proyectos de aprendizaje automático clínico requieren una gestión cuidadosa de conjuntos de datos, sistemas de codificación, tareas, modelos y validación. Esta skill organiza la orientación de PyHealth para que Claude, Codex y Claude Code puedan ayudar a diseñar flujos de trabajo reproducibles de IA en salud.

Los equipos de datos necesitan orientación rápida al crear pipelines de Polars y migrar desde pandas. Esta skill proporciona patrones concisos para expresiones, consultas lazy, I/O, joins y ajuste de rendimiento.

Los desarrolladores suelen necesitar ejemplos fiables de Plotly para muchos tipos de gráficos. Esta habilidad proporciona orientación concisa en Python para gráficos, estilos, interactividad, exportaciones e integración con Dash.

El trabajo de biología estructural requiere ID de estructuras, metadatos y archivos de coordenadas precisos. Esta skill guía a Claude, Codex y Claude Code en búsquedas de RCSB PDB y flujos de trabajo de recuperación.

Los equipos de descubrimiento de fármacos necesitan métodos fiables para relacionar genes, enfermedades, evidencias y fármacos conocidos. Esta skill guía a Claude, Codex y Claude Code en la realización de consultas en Open Targets y la interpretación de evidencias.

Los equipos de microscopía necesitan patrones fiables para acceder a datos de OMERO sin reconstruir ejemplos desde cero. Esta skill proporciona flujos de trabajo prácticos en Python para imágenes, metadatos, ROIs, tablas y procesamiento por lotes.

El análisis de Neuropixels requiere muchos pasos vinculados de preprocesamiento, clasificación y curación. Esta skill proporciona flujos de trabajo, scripts y referencias prácticos de SpikeInterface para un análisis reproducible de grabaciones neuronales.

El análisis de bioseñales requiere elegir cuidadosamente los métodos para numerosos tipos de señales. Esta habilidad ofrece orientación estructurada sobre NeuroKit2 para el preprocesamiento, la extracción de características, la interpretación y la elaboración de informes.

Los investigadores en metabolómica necesitan acceso rápido a estudios públicos, registros de compuestos y nombres estandarizados. Esta habilidad guía a Claude, Codex y Claude Code en consultas a la REST API y en la interpretación de resultados.

Puede ser difícil usar Matplotlib de forma coherente para gráficos científicos complejos. Esta habilidad ofrece ejemplos prácticos, orientación de estilo y scripts auxiliares para crear figuras más claras.

Los equipos de bioinformática necesitan flujos de trabajo repetibles, gestión de datos y configuración de recursos en Latch. Esta skill guía la creación y el despliegue de flujos de trabajo, el uso de Registry y la integración de pipelines verificados.

Los flujos de trabajo de intervalos genómicos necesitan herramientas rápidas de solapamiento, cobertura y tokenización. Esta skill guía a Claude, Codex y Claude Code a través de las API de gtars y los flujos de trabajo de CLI.

La investigación bioinformática suele requerir numerosas consultas a bases de datos y formatos de archivo. Esta skill guía a Claude, Codex y Claude Code en el uso de comandos de gget y flujos de trabajo en Python.

El trabajo geoespacial suele fallar cuando los formatos de archivo, los sistemas de coordenadas y las operaciones espaciales no están claros. Esta skill ofrece patrones de GeoPandas para cargar datos, transformar CRS, analizar geometría y crear mapas.

Los conjuntos de datos públicos de GEO son difíciles de buscar, descargar y preparar de manera uniforme. Esta habilidad guía a Claude, Codex y Claude Code a través de flujos de trabajo de búsqueda, recuperación y análisis transcriptómico en NCBI GEO.

Los proyectos de intervalos genómicos necesitan un preprocesamiento coherente, entrenamiento de embeddings y construcción de universos. Esta habilidad orienta los flujos de trabajo de Geniml para archivos BED, datos de scATAC-seq y evaluación de modelos.

Los archivos FCS pueden ser difíciles de inspeccionar, convertir y reparar en flujos de trabajo de Python. Esta habilidad guía a Claude, Codex y Claude Code a través del análisis con FlowIO, la extracción de metadatos y la exportación de FCS.

Los datos regulatorios de la FDA están dispersos en muchos endpoints de openFDA. Esta skill ayuda a los agentes de IA a consultar medicamentos, dispositivos, alimentos, productos veterinarios y sustancias.

Los archivos de datos científicos son difíciles de inspeccionar porque cada formato almacena la estructura y los metadatos de forma diferente. Esta habilidad detecta formatos, perfila la calidad de los datos y crea informes prácticos de EDA en Markdown.

El análisis filogenético suele requerir herramientas especializadas para analizar árboles, consultar taxonomías y generar figuras. Esta skill guía a Claude, Codex y Claude Code a través de flujos de trabajo de ETE para el análisis y la visualización.