包括的な質量分析ツールでプロテオミクスとメタボロミクスのデータを処理します。このスキルは、ファイル形式の取り扱い、スペクトル処理、特徴検出、ペプチド同定ワークフローのためのOpenMSアルゴリズムへのアクセスを提供します。

多目的最適化は、複数の相反する目的を同時に満たす必要がある場合にトレードオフ解を見つけることを含みます。このスキルは、NSGA-II、NSGA-III、MOEA/Dを含むpymooアルゴリズムへの包括的なアクセスを提供し、パレート最適解の発見とトレードオフフロントの可視化を行います。

PyMCを使用してベイズモデルを構築、適合、検証します。階層モデルを作成し、MCMCサンプリングを実行し、LOOおよびWAIC指標でモデルを比較します。

医療機関の研究者とデータ科学者は、複雑な臨床データ形式とコーディングシステムに苦労しています。PyHealthは、医療データセットの読み込み、EHRデータの処理、予測モデルの訓練、標準的な医療コードの操作のための統一されたツールキットを提供します。

CT、MRI、X線、超音波を含むDICOM医用画像を処理します。ヘルスケア画像ファイルからメタデータの読み取り、書き込み、匿名化、変換、および抽出を行います。

PyDESeq2はバルクRNA-seqカウントデータから差次的遺伝子発現解析を可能にします。統計的検定、多重比較補正を実行し、ゲノミクス研究向けに出版品質の火山プロットとMAプロットを生成します。

強化学習エージェントのトレーニングには、高性能な並列環境と効率的なアルゴリズムが必要です。PufferLibは、ベクトル化、共有メモリバッファ、マルチエージェントサポートにより、2〜10倍の高速化を実現した最適化されたPPO+LSTMトレーニングを提供します。

高性能なDataFrameライブラリPolarsを使用して、大規模データセットをメモリ内で処理します。レイジー評価、パラレル実行、Apache Arrowバックエンドにより、pandasより10倍高速な操作を実現します。

デー��の可視化は複雑なコードを必要とし、探索のためのインタラクティブ性が欠けていることが多い。このスキルは、Plotlyでインタラクティブな出版品質チャートを作成するための包括的なガイダンスを提供し、ホバーツールチップ、ズーム、パン、40以上のチャートタイプをダッシュボードやデータ分析向けに提供します。

Open Targets Platformデータを使用して、治療標的と候補薬剤を見つけます。遺伝的エビデンス、トラクタビリティ評価、安全性データ、および標的-疾患関連付けの既知の薬剤にアクセスします。

このスキルは、顕微鏡画像および高コンテンツスクリーニング用の科学画像管理プラットフォームであるOMEROへのPython APIアクセスを提供します。OMEROサーバーに接続し、画像を取得し、ピクセルデータをプログラムで分析し、アノテーションを管理します。

このスキルはNeuropixels高密度神経記録の包括的な解析を提供します。SpikeInterfaceとKilosort4アルゴリズムを使用して、生データの読み込みから出版-readyなキュレート済みユニットまで、完全なワークフローを処理します。

グラフやネットワークデータの操作には、構造の作成、アルゴリズムの計算、可視化の生成に特化したツールが必要です。このスキルは、ソーシャルネットワーク分析、生物学的パスウェイマッピング、輸送最適化、および関係性モデリングのためのNetworkX機能への包括的なアクセスを提供します。

Modalは、クラウドでPythonコードを実行するためのサーバーレスプラットフォームです。GPUへの即時アクセス、自動スケーリング、従量課金制を提供します。インフラを管理することなく、MLモデルをデプロイし、バッチ処理ジョブを実行し、APIを提供できます。

創薬では、大きな化合物ライブラリからDrug-likeness特性を持つ化合物をフィルタリングする必要があります。このスキルは、Rule of Five、Veber、PAINSフィルターなど確立された医薬化学ルールを適用し、化合物を効率的に優先化し、構造的アラートを特定します。

Matplotlibは、出版品質の図を作成するためにあらゆる視覚要素を完全に制御できます。pyplotとオブジェクト指向の両方のインターフェースを習得することで、シンプルな折れ線グラフから複雑なマルチパネルの科学的な可視化まで、あらゆる種類のチャートを構築できます。

MATLABの構文やベストプラクティスに悩む科学者や技術者は少なくありません。このスキルは行列入出力、可視化、数値解析に関する包括的なリファレンスドキュメントを提供します。

インフラ管理なしで本番対応のバイオインフォマティクス・ワークフローをデプロイ。Pythonデコレーターでサーバーレスのパイプラインを作成し、自動コンテナ化、GPU対応、統合クラウドストレージを利用できます。

生物学的 연구는 추적, 쿼리 및 재현이 어려운 복잡한 데이터세트를 생성합니다. LaminDB는 자동 계보 추적, 온톨로지 기반 주석 및 워크플로우 관리자와의 원활한 통합을 통해 생물학적 데이터를 관리하기 위한 통합 프레임워크를 제공합니다.

このスキルは、220,000以上の代謝物エントリを含むヒューマンメタボロームデータベースへのアクセスを提供します。研究者は、化学名、構造、またはIDで検索することで、メタボローム研究のための特性、スペクトル、およびバイオマーカーデータを取得できます。