Prédisez les propriétés moléculaires comme la solubilité, la toxicité et l'affinité de liaison à l'aide de DeepChem. Entraînez des réseaux de neurones graphiques ou utilisez des modèles pré-entraînés comme ChemBERTa pour la découverte de médicaments et les applications en science des matériaux.

Accéder aux données statistiques mondiales de Data Commons, y compris les indicateurs démographiques, économiques, de santé et environnementaux. Interroger les chiffres de population, le PIB, les taux de chômage et les relations géographiques à l'aide des méthodes du client Python.

Traitez des ensembles de données plus grands que la RAM disponible à l'aide du calcul parallèle. Transformez les flux de travail pandas et NumPy sur une seule machine pour qu'ils s'exécutent sur plusieurs cœurs ou clusters distribués sans réécrire votre code.

La modélisation métabolique nécessite une connaissance spécialisée des méthodes de reconstruction et d'analyse basées sur des contraintes. COBRApy fournit une interface Python complète pour l'analyse de flux à l'équilibre, les études de suppression de gènes et les calculs d'enveloppes de production pour la recherche en biologie des systèmes.

La recherche d'essais cliniques pertinents nécessite l'interrogation d'une grande base de données de registres. Cette compétence fournit une interface Python pour interroger l'API ClinicalTrials.gov v2 afin de rechercher des essais par maladie, médicament, lieu ou promoteur et récupérer des informations détaillées sur les études.

La documentation clinique nécessite de la précision et la conformité réglementaire. Cette compétence fournit des modèles et des outils de validation pour les rapports de cas, les rapports diagnostiques, la documentation des essais cliniques et les notes des patients conformément aux normes HIPAA, FDA et ICH-GCP.

Accéder à la base de données ChEMBL pour rechercher des composés par structure et propriétés. Récupérer les mesures de bioactivité, trouver des inhibiteurs et effectuer des études de relations structure-activité pour la recherche en découverte de médicaments.

Accédez à des données cinétiques enzymatiques complètes issues de la plus grande base de données d'enzymes au monde. Trouvez les valeurs Km, les équations de réaction, les paramètres spécifiques aux organismes et les données de spécificité des substrats pour la recherche biochimique et l'ingénierie métabolique.

Interrogez plus de 40 bases de données biologiques, notamment UniProt, KEGG et ChEMBL, via une API Python cohérente. Simplifie l'analyse inter-base de données et la conversion d'identifiants pour la recherche en bioinformatique.

Automatisez les flux de travail en laboratoire et gérez les données biologiques en intégrant la plateforme R&D Benchling. Accédez aux séquences d'ADN, aux données protéiques, aux inventaires et aux cahiers de laboratoire électroniques via le SDK Python ou l'API REST.

L'inférence de réseaux de régulation génétique identifie les relations facteur de transcription - gène cible à partir de données transcriptomiques. Arboreto fournit des implémentations évolutives des algorithmes GRNBoost2 et GENIE3 qui traitent les données RNA-seq en masse et monocellulaires sur des machines locales ou des clusters distribués.

AnnData fournit une structure de données standardisée pour les matrices annotées utilisées en génomique monocellulaire. Cette compétence permet de créer, lire, écrire et manipuler des fichiers .h5ad avec un support complet des métadonnées, des embeddings et de l'écosystème scverse.

Les données de séries temporelles nécessitent des algorithmes spécialisés au-delà de l'apprentissage automatique standard. Aeon fournit des API compatibles scikit-learn pour la classification, la régression, le clustering, la prévision, la détection d'anomalies, la segmentation et la recherche de similarité sur les données temporelles.

Obtenez l’aide d’un expert pour rédiger des requêtes T-SQL complexes, des procédures stockées et des optimisations de performance pour Microsoft SQL Server. Couvre des modèles avancés comme les CTE, les fonctions de fenêtre, PIVOT et les instructions MERGE.

Cette compétence permet aux utilisateurs de Claude, Codex et Claude Code de générer des vidéos IA professionnelles en créant des storyboards, en générant des images de référence et en soumettant des tâches de génération vidéo à l'API Seedance 2.0. Elle simplifie le processus complexe de création vidéo en plusieurs étapes en un flux de travail automatisé simple.

Les fichiers de configuration Home Assistant nécessitent une syntaxe YAML précise et une structure appropriée. Cette compétence fournit des outils de validation, des exemples de configuration et des bonnes pratiques pour les automatisations, les scripts, les templates, les blueprints et les tableaux de bord Lovelace.

Les utilisateurs ont besoin d'obtenir rapidement des informations sur le contenu texte sans comptage manuel. Cet outil calcule automatiquement le nombre de mots, le nombre de caractères, le nombre de phrases et le temps de lecture pour toute entrée de texte.

Les requêtes DataFusion lentes gaspillent des ressources et du temps. Cette compétence analyse les opérations SQL et DataFrame pour identifier les problèmes de performance et suggérer des optimisations concrètes pour le pushdown de prédicats, l'élimination de partitions, la projection de colonnes et l'ordre des jointures.

Les organisations ont besoin de méthodes systématiques pour enregistrer et catégoriser les reçus de dépenses afin d'assurer un suivi financier précis. Cette compétence fournit des workflows documentés pour la saisie manuelle de reçus, l'intégration de la numérisation OCR et des modèles de base de données pour gérer les enregistrements de dépenses dans MySQL.

La numérisation de reçus nécessite une extraction OCR précise et une intégration de base de données. Ce guide fournit des instructions complètes pour analyser les images de reçus, déboguer les erreurs d'extraction et créer des flux de travail fiables de suivi des dépenses avec Google Gemini AI.