La configuration de l’apprentissage par renforcement est facile à mal paramétrer. Cette skill guide l’entraînement SB3, les environnements personnalisés, les callbacks, l’évaluation et la persistance des modèles.

Les équipes de découverte de médicaments ont besoin de jeux de données fiables et de protocoles d’évaluation équitables. Cette skill aide Claude à utiliser PyTDC pour des données de ML thérapeutique organisées, des splits de benchmark, des métriques et des oracles moléculaires.

Les fichiers DICOM contiennent des données d’image complexes et des métadonnées médicales difficiles à inspecter en toute sécurité. Cette compétence guide Claude, Codex et Claude Code dans les workflows pydicom pour lire, convertir, anonymiser et extraire des données DICOM.

L’expression différentielle RNA-seq bulk nécessite une préparation rigoureuse des comptages, une sélection appropriée du design et une interprétation prudente des résultats. Cette compétence guide les workflows PyDESeq2 depuis les vérifications d’entrée jusqu’aux gènes testés, aux graphiques et aux résultats enregistrés.

Les expériences d'apprentissage par renforcement ralentissent lorsque les environnements et les boucles d'entraînement ne peuvent pas passer à l'échelle. PufferLib aide Claude, Codex et Claude Code à concevoir des workflows d'entraînement vectorisés plus rapides.

Le travail en pathologie computationnelle nécessite des choix rigoureux pour le chargement des images, le prétraitement, le stockage et les workflows de modèles. Cette compétence fournit à Claude, Codex et Claude Code des recommandations PathML pour l’analyse d’images de lames entières et les tâches d’imagerie multiplex.

Les projets de graphes ont besoin de méthodes claires pour construire et analyser les relations. Cette compétence guide les workflows NetworkX pour les algorithmes, les formats et les sorties visuelles.

Les projets de ML moléculaire ont besoin de caractéristiques cohérentes à partir de SMILES et de molécules RDKit. Cette compétence guide les choix molfeat, la featurisation par lots, les embeddings préentraînés, la mise en cache et les workflows QSAR.

Les équipes scientifiques ont besoin d’une aide fiable pour créer des workflows MATLAB et GNU Octave. Cette compétence fournit des conseils ciblés pour l’analyse, la visualisation, la compatibilité et l’exécution de scripts.

Les équipes de métabolomique ont besoin de méthodes fiables pour nettoyer les spectres et comparer des composés inconnus à des bibliothèques. Cette skill guide Claude, Codex et Claude Code dans les workflows matchms pour le filtrage, le calcul de similarité et l’identification de composés.

Les équipes de biologie ont besoin de systèmes de données reproductibles qui relient jeux de données, métadonnées, workflows et termes d’ontologie. Ce skill guide la configuration, la curation, l’interrogation, le suivi de lignage et les intégrations avec LaminDB.

Les images de lames entières sont volumineuses et difficiles à préparer pour l’analyse par tuiles. Cette compétence guide les workflows histolab pour les masques, le tuilage, les filtres et la revue visuelle.

Les charges de travail scientifiques peuvent échouer lorsque les limites matérielles sont inconnues. Cette compétence détecte les ressources locales et recommande des stratégies de calcul pratiques avant le début du travail.

Les équipes de génomique ont besoin de conseils fiables pour les apps, les données et l’exécution de workflows DNAnexus. Cette compétence organise les modèles de plateforme pour Claude, Codex et Claude Code.

L'analyse NGS nécessite souvent une sélection minutieuse des commandes, une normalisation et une validation des fichiers. Cette compétence aide les utilisateurs à créer des workflows deepTools pour la couverture, le contrôle qualité, la comparaison et la visualisation.

L’apprentissage automatique moléculaire nécessite souvent des featurizers, des jeux de données et des méthodes d’évaluation spécialisés. Cette skill aide Claude, Codex et Claude Code à concevoir des workflows DeepChem pour la prédiction de propriétés, l’apprentissage par transfert et les benchmarks.

Les chercheurs sur le cancer ont besoin de données de mutations fiables sans avoir à chercher dans de nombreux fichiers. Cette skill explique les jeux de données COSMIC, les chemins de fichiers, les téléchargements et les modèles d’analyse pour Claude, Codex et Claude Code.

Les équipes de biologie des systèmes ont besoin de conseils fiables pour les analyses COBRApy, du chargement des modèles aux études de flux. Cette compétence fournit des workflows ciblés et des modèles d’API pour Claude, Codex et Claude Code.

Les équipes de découverte de médicaments ont besoin d’un accès fiable aux enregistrements de composés, de cibles et de bioactivité. Cette compétence guide Claude, Codex et Claude Code dans les recherches, les filtres et les workflows d’analyse ChEMBL.

Les requêtes Census sur cellule unique peuvent être difficiles à délimiter, filtrer et charger efficacement. Cette skill guide Claude, Codex et Claude Code dans des workflows CELLxGENE Census fiables.