연구자들은 분석을 위해 유전자 발현 데이터셋에 대한 효율적인 접근이 필요합니다. 이 스킬은 수백만 개의 유전체학 샘플을 포함하는 NCBI의 GEO 데이터베이스에서 데이터 조회, 다운로드 및 분석을 가능하게 합니다.

Geniml는 BED 파일을 머신러닝 임베딩으로 변환하여 게노믹 구간 분석을 수행합니다. 모델을 훈련하여染色質 접근성에서 패턴을 찾고, 컨센서스 피크 세트를 구축하며, 단일세포 ATAC-seq 데이터를 분석합니다.

시퀀스, 주석 및 기능 정보를 포함하여 NCBI의 포괄적인 유전자 데이터에 접근하세요. 유전자 기호, ID 또는 생물학적 컨텍스트로 검색하여 생물정보학 연구를 위해 RefSeq, Gene Ontology, 염색체 위치 및 형질을 검색합니다.

FluidSim은 Python에 고성능 전산유체역학을 제공합니다. 단순한 Python 명령으로 Navier-Stokes 시뮬레이션을 실행하고, 난류를 분석하며, 결과를 시각화합니다. 복잡한 Fortran이나 C++ 설정이 필요하지 않습니다.

ETE 도구킷은 진화생물학 연구를 위한 계통수 분석을 간소화합니다. 계통수 데이터를 처리하고, 진화적 이벤트를 탐지하며, 출판 준비가 완료된 시각화를 생성합니다.

Ensembl 게놈 데이터베이스 REST API를 통해 축적형 게놈 데이터를 조회합니다. 유전자 검색, 서열 확보, VEP를 사용한 변이 분석, 250종 이상의 종에 대한 비교 유전체학을 수행합니다.

DNAnexus는 클라우드 기반 유전체 분석 플랫폼이지만 플랫폼별 전문 지식이 필요합니다. 이 스킬은 앱 구축, 데이터 관리, 생물정보학 워크플로우 실행을 위한 완전한 문서화를 제공합니다.

DiffDock는 고급 확산 모델을 사용하여 작은 분자가 단백질에 3D 공간에서 어떻게 결합하는지 예측합니다. 연구자들은 구조 기반 약물 설계를 위해 신뢰도 점수와 함께 정확한 결합 포즈를 생성하여 약물 발견을 가속화할 수 있습니다.

가설 생성, 방법론 개발, 계산 실험, LaTeX 논문 작성을 자동화하여 데이터셋을 출판-ready 연구로 변환합니다. Multiagent AI가 종단 간 연구 파이프라인을 위한 전문 에이전트를 조정합니다.

RDKit에 대한 Python 인터페이스로 화학 데이터를 효율적으로 처리합니다. Datamol은 RDKit 생태계와의 완전한 호환성을 유지하면서 복잡한 cheminformatics 연산을 단순화합니다.

암 연구자들은 연구를 위한 포괄적인 변이 데이터가 필요합니다. 이 기술은 수백만 개의 체세포 변이, 큐레이션된 암 유전자 목록 및 정밀 종양학 연구를 위한 돌연변이 시그니처를 포함하는 COSMIC 데이터베리에 대한 프로그래밍 방식의 접근을 제공합니다.

ClinVar는 임상 유전학에 중요한 변이 분류를 포함하고 있지만, 이 데이터에 접근하고 해석하려면 전문 지식이 필요합니다. 이 스킬은 웹 인터페이스, API 또는 FTP 다운로드를 통해 ClinVar를 조회하는 포괄적인 안내와 임상적 중요성 분류에 대한 상세한 해석 가이드라인을 제공합니다.

유전자-약물 상호작용, CPIC 가이드라인 및 대립유전자 기능 정보를 포함하여 약리유전체 데이터에 접근하기 위해 ClinPGx를 사용합니다. 이 기술은 유전형 안내 약물 용량에 대한 임상 의사결정 지원을 제공하여 정밀의학을 지원합니다.

임상 연구자들은 약물 개발 및 규제 제출을 위한 근거 기반 문서가 필요합니다. 이 스킬은 바이오마커 층별화와 GRADE 근거 등급을 갖춘 출판용 임상 의사결정 지원 문서를 생성합니다.

이 스킬은 연구자들이 논문을 찾고 메타데이터를 추출하며 올바른 형식의 BibTeX 항목을 생성하는 것을 돕습니다. 기존 인용을 검증하고 과학적 글쓰기 및 출판을 위한 참고문헌 정확성을 보장합니다.

Google Cirq 프레임워크를 사용하여 양자 회로를 설계하고 시뮬레이션합니다. 이 기술은 양자 회로 구축, 노이즈 모델링, 하드웨어 통합, 양자 컴퓨터 및 시뮬레이터에서 실험 실행에 대한 포괄적인 문서를 제공합니다.

연구자들은 관련 bioRxiv 프리프린트를 수동으로 검색하는 데 많은 시간을浪费합니다. 이 스킬은 키워드, 저자, 날짜 범위 및 과학적 범주를 통한 정밀한 필터링으로 문헌 발견을 자동화합니다.

Biopython을 사용하여 DNA, RNA 및 단백질 시퀀스를 효율적으로 처리합니다. NCBI 데이터베이스에 프로그래밍 방식으로 접근하고, 시퀀스 정렬을 수행하며, 연구 애플리케이션을 위한 복잡한 생물정보학 파이프라인을 자동화합니다.

Biomni는 다단계 분석 작업을 자율적으로 수행하여 복잡한 생물의학 연구를 혁신합니다. 연구자들은 과학적 질문에 집중할 수 있으며, AI가 유전학, 약물 발견, 임상 영역 전반에 걸쳐 데이터 처리, 문헌 검토, 계산 분석을 담당합니다.

천문 데이터 작업에는 복잡한 좌표계, 파일 형식 및 계산 처리가 필요합니다. 이 스킬은 Astropy를 사용하여 천체 좌표, FITS 파일 및 우주론적 계산을 처리하는 방법에 대한 안내를 제공합니다.