分析 ECG、EEG、EDA 和 EMG 等生理信号，用于研究与临床应用。NeuroKit2 提供统一的 Python 工具包，用于处理心血管、神经与自主神经系统数据，并配备全面的可视化与分析工具。

分子机器学习需要将化学结构转换为数值表示。Molfeat 提供 100+ 种特征化器，将 SMILES 字符串转换为适用于 QSAR 建模和药物发现的机器学习特征。

从包含4200多项研究的NIH代谢组学工作台数据库中搜索和检索代谢组学数据。访问代谢物结构、研究元数据、RefMet命名法，并执行质谱搜索。

质谱数据包含复杂的光谱信息，需要专门的处理。Matchms 提供了全面的工具来导入、过滤和比较质谱，用于代谢物鉴定和化合物分析。

创建专业的50+页市场研究报告，采用LaTeX专业排版。生成战略图表，执行多框架分析，制作咨询级别的可交付成果，为商业决策提供支持。

手动进行文献综述需要花费数小时在数据库搜索和格式化引用上。此技能通过搜索PubMed、arXiv、bioRxiv和Semantic Scholar，验证所有引用并生成专业PDF来自动化系统性文献综述流程。

以编程方式管理电子实验笔记本。自动化数据上传、备份笔记本，并与 Jupyter 和 REDap 等科学工具集成，支持研究工作流程。

研究人员需要高效访问 KEGG 生物信息学数据进行通路分析和基因映射。此技能提供 Python 辅助函数用于所有 KEGG REST API 操作，包括通路检索、基因-通路映射、化合物搜索以及数据库之间的 ID 转换。

将观察结果转化为结构化的、可检验的科学假设。本技能指导您进行文献综合、机制发展、实验设计和预测制定，使用经过验证的科学方法框架。

研究人员需要高效访问基因表达数据集进行分析。该技能支持查询、下载和分析来自NCBI GEO数据库的数据，该数据库包含数百万基因组学样本。

Geniml 将 BED 文件转换为机器学习嵌入，用于基因组区域分析。训练模型以发现染色质可及性模式，构建共识峰集，以及分析单细胞 ATAC-seq 数据。

访问来自 NCBI 的全面基因数据，包括序列、注释和功能信息。通过基因符号、ID 或生物背景进行搜索，检索 RefSeq、基因本体论、染色体位置和表型信息，用于生物信息学研究。

FluidSim为Python带来高性能计算流体力学。运行Navier-Stokes模拟，分析湍流，并使用简单的Python命令可视化结果。无需复杂的Fortran或C++设置。

ETE 工具包简化了进化生物学研究中的系统发育分析。处理树数据，检测进化事件，并创建可用于出版的可视化图表。

查询 Ensembl 基因组数据库 REST API 以获取脊椎动物基因组数据。查找基因、检索序列、使用 VEP 分析变异，并跨 250 多个物种进行比较基因组学分析。

DNAnexus 提供基于云的基因组学分析，但需要平台特定知识。本技能提供构建应用、管理数据和运行生物信息学工作流的完整文档。

DiffDock使用先进的扩散模型来预测小分子如何在3D空间中与蛋白质结合。研究人员可以通过生成具有置信度评分的准确结合姿态来加速基于结构的药物设计，从而推进药物发现。

通过自动假设生成、方法论开发、计算实验和LaTeX论文写作，将数据集转化为可直接发表的研究成果。多代理AI协调专业代理实现端到端研究流水线。

通过 Pythonic 接口高效处理化学数据。Datamol 简化了复杂的化学信息学操作，同时保持与 RDKit 生态系统的完全兼容性。

癌症研究人员需要全面的突变数据用于研究。本技能提供对COSMIC数据库的程序化访问，该数据库包含数百万个体细胞突变、经过审核的癌症基因列表和突变特征，用于精准肿瘤学研究。