포괄적인 질량분석 도구로 단백질체학과 대사체학 데이터를 처리합니다. 이 스킬은 파일 형식 처리, 스펙트럼 처리, 피처 탐지, 펩타이드 식별 워크플로우를 위한 OpenMS 알고리즘에 대한 액세스를 제공합니다.

다목적 최적화는 여러 상충하는 목표를 동시에 만족해야 할 때의 절충 해를 찾는 문제입니다. 이 스킬은 NSGA-II, NSGA-III, MOEA/D를 포함한 pymoo 알고리즘에 대한 포괄적인 접근을 제공하여 파레토 최적 해를 찾고 절충 전선을 시각화합니다.

PyMC를 사용하여 베이지안 모델을 구축, 피팅 및 검증합니다. 계층적 모델을 생성하고, MCMC 샘플링을 실행하며, LOO 및 WAIC 지표를 사용하여 모델을 비교합니다.

헬스케어 연구자와 데이터 과학자들은 복잡한 임상 데이터 형식과 코딩 시스템으로 어려움을 겪습니다. PyHealth는 의료 데이터셋 로드, EHR 데이터 처리, 예측 모델 학습, 표준 의료 코드 작업을 위한 통합 툴킷을 제공합니다.

CT, MRI, X선, 초음파를 포함한 DICOM 의료 이미지를 처리합니다. 의료 영상 파일에서 메타데이터를 읽고, 쓰고, 익명화하고, 변환하고, 추출합니다.

PyDESeq2는 벌크 RNA-seq 카운트 데이터로부터 차등 유전자 발현 분석을 수행할 수 있게 해줍니다. 통계적 검정, 다중 비교 보정, 게놈 연구를 위한 출판용 volcano 및 MA 플롯 생성이 가능합니다.

RL 에이전트 훈련에는 고성능 병렬 환경과 효율적인 알고리즘이 필요합니다. PufferLib는 벡터화, 공유 메모리 버퍼, 다중 에이전트 지원을 통해 최적화된 PPO+LSTM 훈련을 제공하며 2-10배의 속도 향상을 달성합니다.

고성능 DataFrame 라이브러리인 Polars를 사용하여 대규모 데이터셋을 메모리에서 처리합니다. 지연 평가, 병렬 실행, Apache Arrow 백엔드를 통해 pandas보다 10배 빠른 작업을 제공합니다.

데이터 시각화는 복잡한 코드를 필요로 하고 탐색을 위한 상호작용성이 부족한 경우가 많습니다. 이 스킬은 Plotly를 사용하여 호버 툴팁, 확대/축소, 패닝 기능과 40가지 이상의 차트 유형을 갖춘 인터랙티브하고 출판 품질의 차트를 생성하기 위한 포괄적인 가이드를 제공하며, 대시보드 및 데이터 분석에 활용할 수 있습니다.

Open Targets Platform 데이터를 사용하여 치료 표적 및 약물 후보 찾기. 표적-질환 연관성에 대한 유전적 근거, 표적가능성 평가, 안전성 데이터 및 알려진 약물에 접근.

이 스킬은 OMERO(현미경 및 고콘텐츠 스크리닝을 위한 과학적 이미지 관리 플랫폼)에 Python API 접근을 제공합니다. OMERO 서버에 연결하고, 이미지를 검색하며, 픽셀 데이터를 분석하고, 프로그래밍 방식으로 주석을 관리할 수 있습니다.

이 스킬은 Neuropixels 고밀도 신경 기록의 종합적인 분석을 제공합니다. 원시 데이터 로딩부터 SpikeInterface와 Kilosort4 알고리즘을 사용하여 출판-ready curated units에 이르기까지 전체 워크플로우를 처리합니다.

그래프와 네트워크 데이터를 다루려면 구조 생성, 알고리즘 계산, 시각화 생성에 특화된 도구가 필요합니다. 이 스킬은 사회적 네트워크 분석, 생물학적 경로 매핑, 교통 최적화, 관계 모델링을 위한 NetworkX 기능에 대한 포괄적 접근을 제공합니다.

Modal은 클라우드에서 Python 코드를 실행하기 위한 서버리스 플랫폼입니다. 즉각적인 GPU 접근, 자동 스케일링, 사용량 기반 요금제를 제공합니다. 인프라를 관리하지 않고 ML 모델을 배포하고, 배치 처리 작업을 실행하며, API를 제공할 수 있습니다.

약물 발견에는 대규모 화합물 라이브러리에서 약물 유사 특성을 가진 분자를 필터링해야 합니다. 이 스킬은 Rule of Five, Veber, PAINS 필터를 포함한 확립된 약물화학 규칙을 적용하여 분자를 효율적으로 우선순위화하고 구조적 경고를 식별합니다.

Matplotlib은 출판 품질의 그림을 만들기 위해 모든 시각적 요소를 완전히 제어할 수 있습니다. pyplot과 객체 지향 인터페이스를 모두 마스터하여 간단한 선 플롯부터 복잡한 다중 패널 과학적 시각화에 이르기까지 모든 차트 유형을 구축하세요.

과학자와 엔지니어들은 종종 MATLAB 구문과 모범 사례에 어려움을 겪습니다. 이 기술은 행렬 연산, 시각화 및 수치 분석을 위한 포괄적인 참조 문서를 제공합니다.

인프라 관리 없이 프로덕션 수준의 생물정보학 워크플로우를 배포하세요. 자동 컨테이너화, GPU 지원, 통합 클라우드 스토리지를 갖춘 Python 데코레이터를 사용하는 서버리스 파이프라인을 생성합니다.

생물학적 연구는 추적, 쿼리 및 재현하기 어려운 복잡한 데이터셋을 생성합니다. LaminDB는 자동 계보 추적, 온톨로지 기반 주석 및 워크플로 관리자와의 원활한 통합을 통해 생물학적 데이터를 관리하기 위한 통합 프레임워크를 제공합니다.

이 스킬은 220,000개 이상의 대사체 항목을 포함하는 Human Metabolome Database에 대한 접근을 제공합니다. 연구자들은 화학명, 구조 또는 ID로 검색하여 대사체학 연구를 위한 특성, 스펙트럼 및 바이오마커 데이터를 검색할 수 있습니다.