histolab

学术投稿常常会因为不同投稿场所的格式规则不同而失败。此技能提供模板、要求和示例，帮助更快地准备材料。

医疗器械团队必须在认证审核前创建完整的 QMS 文档。此技能提供模板、检查清单和差距分析指导，帮助做好 ISO 13485 准备。

药物发现团队需要可靠的数据集和公平的评估协议。此技能帮助 Claude 使用 PyTDC 获取经过整理的治疗领域 ML 数据、基准划分、指标和分子 oracle。

蛋白质-配体对接需要仔细的设置、参数选择和结果解读。此技能可指导 DiffDock 工作流，用于处理构象、置信度评分和筛选。

研究人员需要将观察结果转化为清晰、可检验的解释。此技能会组织证据审查、竞争性假设、预测和实验计划。

选择检验方法和报告结果可能耗时且容易出错。此技能可指导检验选择、假设条件、效应量、功效分析、贝叶斯选项以及 APA 报告。

全切片图像工作流需要谨慎处理格式、图块、模型和存储。此技能提供 PathML 指导，涵盖加载、预处理、图分析、机器学习和多参数成像。

科学数据文件很难检查，因为每种格式存储结构和元数据的方式都不同。此技能可检测格式、分析数据质量，并创建实用的 Markdown EDA 报告。

单细胞 RNA-seq 工作流需要仔细的 QC、归一化、聚类和文档记录。此技能提供 Scanpy 工作流、脚本、模板和参考资料，用于可复现分析。

科学图件常常因尺寸、分辨率、颜色和标签问题无法通过期刊检查。此技能指导 Claude、Codex 和 Claude Code 创建无障碍且可用于发表的图件。

结构化配置数据在 JSON、YAML 和 TOML 文件之间可能难以检查。此技能指导使用 jq 和 yq 查询进行提取、过滤、转换和更新。

研究作者在投稿前通常需要精确的数据可用性表述。此技能可帮助起草声明、将数据集映射到访问路径，并检查 FAIR 元数据。