Научно-вычислительные задачи нуждаются в информации об оборудовании, чтобы выбрать оптимальные вычислительные стратегии. Этот навык автоматически определяет количество ядер CPU, доступность GPU, память и дисковое пространство, затем формирует рекомендации по параллельной обработке и GPU-ускорению.

GeoPandas расширяет pandas для геопространственных операций. Позволяет читать shapefiles, GeoJSON и данные PostGIS. Выполняйте пространственные соединения, анализ буферных зон, преобразования координат и создавайте хороплетные карты с интеграцией matplotlib.

Данные проточной цитометрии требуют специализированной обработки файлов. FlowIO разбирает файлы FCS, извлекает данные событий как массивы NumPy и позволяет конвертировать в форматы CSV для последующих аналитических пайплайнов.

Доступ к комплексным регуляторным данным FDA, включая побочные эффекты лекарственных средств, отзывы медицинских устройств и информацию о безопасности через официальный API openFDA. Создание рабочих процессов фармаконадзора и регуляторных исследований с помощью Python.

Научные файлы данных представлены в сотнях форматов. Этот навык автоматически определяет тип файла, извлекает метаданные, оценивает качество данных и генерирует комплексные отчеты в формате markdown с рекомендациями по анализу, специфичными для каждого формата.

DrugBank — это комплексная биоинформатическая база данных, содержащая подробную информацию о лекарственных препаратах. Этот навык обеспечивает программный доступ к свойствам лекарств, взаимодействиям, мишеням, путям и химическим структурам для фармакологических исследований и разработки лекарств.

Обработка и визуализация данных секвенирования нового поколения. Конвертация BAM в bigWig, генерация графиков контроля качества и создание готовых к публикации тепловых карт для экспериментов ChIP-seq, RNA-seq и ATAC-seq.

Предсказывайте молекулярные свойства, такие как растворимость, токсичность и аффинность связывания, с помощью DeepChem. Обучайте графовые нейронные сети или используйте предварительно обученные модели вроде ChemBERTa для задач разработки лекарств и материаловедения.

Обрабатывайте наборы данных, превышающие объём доступной оперативной памяти, с помощью параллельных вычислений. Преобразуйте рабочие процессы pandas и NumPy с одной машины для запуска на нескольких ядрах или распределённых кластерах без переписывания кода.

Доступ к глобальным статистическим данным из Data Commons, включая демографические, экономические, показатели здоровья и окружающей среды. Запрос данных о численности населения, ВВП, уровнях безработицы и географических связях с помощью методов Python-клиента.

Моделирование метаболизма требует специализированных знаний методов анализа и реконструкции на основе ограничений. COBRApy предоставляет комплексный Python-интерфейс для анализа баланса потоков, исследований с выключением генов и расчета огибающих продукции для исследований в системной биологии.

Поиск релевантных клинических исследований требует обращения к большой базе данных реестра. Этот навык предоставляет Python-интерфейс для запросов к API v2 ClinicalTrials.gov для поиска исследований по состоянию, препарату, локации или спонсору и получения подробной информации об исследованиях.

Клиническая документация требует точности и нормативного соответствия. Этот навык предоставляет шаблоны и инструменты проверки для отчетов о случаях, диагностических отчетов, документации клинических исследований и заметок о пациентах в соответствии со стандартами HIPAA, FDA и ICH-GCP.

Получите доступ к базе данных ChEMBL для поиска соединений по структуре и свойствам. Извлекайте данные о биологической активности, находите ингибиторы и проводите исследования зависимости структура-активность для разработки лекарств.

Получите доступ к комплексным данным о кинетике ферментов из крупнейшей в мире базы данных ферментов. Найдите значения Km, уравнения реакций, параметры, специфичные для организмов, и данные о специфичности субстратов для биохимических исследований и метаболической инженерии.

Запрос более 40 биологических баз данных, включая UniProt, KEGG и ChEMBL, с помощью унифицированного Python API. Упрощает кросс-базовый анализ и преобразование идентификаторов для биоинформатических исследований.

Автоматизируйте лабораторные рабочие процессы и управляйте биологическими данными, интегрируясь с платформой R&D Benchling. Доступ к последовательностям ДНК, данным о белках, инвентарю и электронным лабораторным журналам через Python SDK или REST API.

Вывод генных регуляторных сетей определяет связи факторов транскрипции с целевыми генами из транскриптомных данных. Arboreto предоставляет масштабируемые реализации алгоритмов GRNBoost2 и GENIE3, которые обрабатывают данные RNA-seq как объемного, так и одиночного клеточного типа на локальных машинах или распределенных кластерах.

AnnData предоставляет стандартизированную структуру данных для аннотированных матриц, используемую в геномике одиночных клеток. Этот навык позволяет создавать, читать, записывать и манипулировать файлами .h5ad с полной поддержкой метаданных, вложений и экосистемы scverse.

Данные временных рядов требуют специализированных алгоритмов, выходящих за рамки стандартного машинного обучения. Aeon предоставляет API, совместимые с scikit-learn, для классификации, регрессии, кластеризации, прогнозирования, обнаружения аномалий, сегментации и поиска сходства во временных данных.