在 ZINC 中查找可购买的化合物和有用的类似物可能需要专门的查询语法。此技能可指导用户进行搜索、下载、筛选和分子对接准备。

大型科学数组可能会给内存和存储系统带来巨大压力。本技能指导如何结合 Zarr、NumPy、Dask 和 Xarray 进行分块、压缩、云存储和并行工作流处理。

高维数据难以进行可视化、聚类，也难以在机器学习流水线中复用。此技能提供实用的 UMAP 配置、调优、转换和评估指导。

图学习项目需要谨慎选择数据、模型、采样和评估方法。此技能提供 PyTorch Geometric 指南、示例、模板、基准测试和可视化工具。

统计工作流常因模型选择不当、诊断不足或解释错误而失败。本技能提供结构化的 statsmodels 指导，以实现可靠的统计推断和预测。

统计检验的选择和报告可能不一致且容易出错。此技能可指导分析规划、诊断、效应量、统计功效、结果解读以及 APA 风格报告。

复杂队列和共享资源在部署前难以评估。此技能可指导您进行 SimPy 建模、监控、同步和结果分析。

机器学习团队需要清晰了解模型预测背后的原因。此技能可指导 SHAP 解释器选择、绘图、调试、公平性检查和生产环境解释工作流程。

生产级 ML 系统难以持续地进行设计、部署和监控。此技能涵盖 MLOps、LLM 集成、RAG 架构以及本地工作流脚手架。

统计绘图选择可能会拖慢数据分析和图表制作。本技能可指导 Seaborn 图表选择、参数设置、样式设计和示例编写，以创建清晰的 Python 可视化。

单细胞组学分析需要谨慎选择模型、进行预处理并解读结果。此技能指导 scvi-tools 工作流，用于整合、差异表达、注释和空间分析。

生存建模需要能够处理删失的事件发生时间数据的方法。此技能会指导从数据准备到模型评估的 scikit-survival 工作流。

机器学习项目需要一致的预处理、评估和模型选择模式。此技能为 Claude、Codex 和 Claude Code 提供聚焦于 scikit-learn 的指导，并附带参考资料和示例。

生物信息学工作通常需要正确的序列、树、多样性和排序分析工作流。此技能可引导 Claude、Codex 和 Claude Code 使用 scikit-bio API。

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。

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。

当文件格式、索引和坐标系统处理不一致时，基因组分析常常会失败。此技能为 Claude、Codex 和 Claude Code 提供聚焦于 pysam 的指导，覆盖比对、变异、序列和覆盖度工作流。

药物发现团队需要一致的数据集和公平的基准。此技能指导 PyTDC 工作流，用于加载数据、拆分数据集、评估模型以及使用分子 oracle。

优化项目通常需要可重复的算法选择、约束处理和 Pareto 前沿分析。此技能通过示例、参考资料和故障排查模式指导 pymoo 工作流。

质谱工作流需要使用许多 OpenMS 对象、文件格式和算法。此技能为 Claude、Codex 和 Claude Code 提供实用的 pyOpenMS 指南，用于蛋白质组学和代谢组学分析。