Procesa datos de proteómica y metabolómica con herramientas completas de espectrometría de masas. Esta skill proporciona acceso a algoritmos de OpenMS para manejo de formatos de archivos, procesamiento espectral, detección de características y flujos de trabajo de identificación de péptidos.

La optimización multiobjetivo implica encontrar soluciones de compromiso cuando se deben satisfacer múltiples objetivos conflictivos. Esta skill proporciona acceso completo a los algoritmos de pymoo, incluyendo NSGA-II, NSGA-III y MOEA/D, para encontrar soluciones óptimas de Pareto y visualizar frentes de compromiso.

Construir, ajustar y validar modelos bayesianos usando PyMC. Crear modelos jerárquicos, ejecutar muestreo MCMC y comparar modelos con métricas LOO y WAIC.

Los investigadores de la salud y los científicos de datos luchan con formatos complejos de datos clínicos y sistemas de codificación. PyHealth proporciona un toolkit unificado para cargar conjuntos de datos médicos, procesar datos de EHR, entrenar modelos predictivos y trabajar con códigos médicos estándar.

Procesar imágenes médicas DICOM incluyendo TC, RM, rayos X y ultrasonido. Leer, escribir, anonimizar, convertir y extraer metadatos de archivos de imágenes de atención médica.

PyDESeq2 permite el análisis de expresión génica diferencial a partir de datos de conteo de RNA-seq en bulk. Realiza pruebas estadísticas, corrección de comparaciones múltiples y genera gráficos volcano y MA listos para publicación en tu investigación genómica.

El entrenamiento de agentes RL requiere entornos paralelos de alto rendimiento y algoritmos eficientes. PufferLib proporciona entrenamiento optimizado de PPO+LSTM con mejoras de velocidad de 2-10x mediante vectorización, buffers de memoria compartida y soporte multiagente.

Procesa grandes conjuntos de datos en memoria con Polars, la biblioteca de DataFrames de alto rendimiento. Incluye evaluación diferida, ejecución paralela y backend Apache Arrow para operaciones 10 veces más rápidas que pandas.

La visualización de datos a menudo requiere código complejo y carece de interactividad para la exploración. Esta habilidad proporciona orientación integral para crear gráficos interactivos de calidad de publicación con Plotly, con tooltips emergentes, zoom, pan y más de 40 tipos de gráficos para paneles y análisis de datos.

Encuentra objetivos terapéuticos y candidatos a fármacos utilizando datos de Open Targets Platform. Accede a evidencia genética, evaluaciones de tractabilidad, datos de seguridad y fármacos conocidos para asociaciones objetivo-enfermedad.

Esta skill proporciona acceso mediante API de Python a OMERO, una plataforma de gestión de imágenes científicas para microscopía y detección de alto contenido. Conéctese a servidores OMERO, recupere imágenes, analice datos de píxeles y gestione anotaciones programáticamente.

Esta skill proporciona un análisis integral de registros neuronales de alta densidad de Neuropixels. Cubre el flujo de trabajo completo desde la carga de datos en bruto hasta unidades curadas listas para publicación usando los algoritmos SpikeInterface y Kilosort4.

Trabajar con datos de grafos y redes requiere herramientas especializadas para crear estructuras, calcular algoritmos y generar visualizaciones. Esta habilidad proporciona acceso completo a las capacidades de NetworkX para análisis de redes sociales, mapeo de vías biológicas, optimización de transporte y modelado de relaciones.

Modal es una plataforma sin servidor para ejecutar código Python en la nube. Proporciona acceso instantáneo a GPUs, escalado automático y facturación por uso. Despliega modelos de ML, ejecuta trabajos de procesamiento por lotes y sirve APIs sin gestionar infraestructura.

El descubrimiento de fármacos requiere filtrar grandes bibliotecas de compuestos por propiedades tipo fármaco. Esta habilidad aplica reglas establecidas de química medicinal, incluyendo Rule of Five, Veber y filtros PAINS, para priorizar compuestos e identificar alertas estructurales de manera eficiente.

Matplotlib proporciona control completo sobre cada elemento visual para crear figuras de calidad para publicación. Domina tanto la interfaz pyplot como la orientada a objetos para construir cualquier tipo de gráfico, desde gráficos de línea simples hasta visualizaciones científicas multipanel complejas.

Los científicos e ingenieros a menudo luchan con la sintaxis y las mejores prácticas de MATLAB. Esta habilidad proporciona documentación de referencia completa para operaciones matriciales, visualización y análisis numérico.

Implementa flujos de trabajo de bioinformación listos para producción sin gestionar infraestructura. Crea pipelines serverless usando decoradores de Python con contenedorización automática, soporte GPU y almacenamiento en la nube integrado.

La investigación biológica genera conjuntos de datos complejos que son difíciles de rastrear, consultar y reproducir. LaminDB proporciona un marco unificado para gestionar datos biológicos con seguimiento automático del linaje, anotaciones basadas en ontologías e integración perfecta con gestores de flujos de trabajo.

Esta skill proporciona acceso a la Base de Datos del Metaboloma Humano que contiene más de 220,000 entradas de metabolitos. Los investigadores pueden buscar por nombre químico, estructura o identificador para obtener propiedades, espectros y datos de biomarcadores para estudios de metabolómica.