药物发现需要分析数千种分子结构以评估溶解性、类药性等性质。RDKit提供了全面的工具来解析分子格式、计算描述符和可视化化学结构。

量子系统需要专门的模拟工具。QuTiP 提供了用于开放量子系统的求解器，支持主方程、林blad 动力学和退相干。使用此技能来模拟量子光学、空腔 QED 和耗散量子过程。

量子计算能够解决经典计算机难以处理的复杂优化、化学和机器学习问题。Qiskit 提供了构建量子电路、优化电路以适应 IBM 硬件并在真实量子处理器或模拟器上执行的工具。

此技能帮助您将 PyTorch 代码组织成可重用的 LightningModule。它提供了模板和文档，用于配置多 GPU 训练、实现数据管道以及使用 W&B 和 TensorBoard 等流行工具设置实验跟踪。

药物发现研究人员需要标准化的数据集来训练机器学习模型。PyTDC 提供精心整理的 ADME、毒性和药物-靶标相互作用数据集，包含适当的训练-测试划分和评估预言器。

使用工具处理和分析DNA测序数据，支持读取BAM、VCF和FASTQ文件。提取基因组区域、计算覆盖统计量，并整合多种文件类型进行全面的变异分析。

使用全面的质谱工具处理蛋白质组学和代谢组学数据。此技能提供对OpenMS算法的访问，用于文件格式处理、光谱处理、特征检测和肽鉴定工作流程。

处理晶体结构和材料数据。转换文件格式、计算相图、分析对称性，并访问 Materials Project 数据库进行计算材料科学研究。

多目标优化是在多个相互冲突的目标需要同时满足时，寻找权衡解的过程。本技能提供对 pymoo 算法的全面访问，包括 NSGA-II、NSGA-III 和 MOEA/D，用于寻找帕累托最优解并可视化权衡前沿。

使用 PyMC 构建、拟合和验证贝叶斯模型。创建分层模型，运行 MCMC 采样，并使用 LOO 和 WAIC 指标比较模型。

通过统一的 Python 命令控制液体处理机器人、读板器和实验室设备,实现实验室工作流自动化。此技能可在 Hamilton、Tecan 和 Opentrons 平台上实现可重复的协议,并内置仿真测试功能。

医疗研究人员和数据科学家难以处理复杂的临床数据格式和编码系统。PyHealth提供了一个统一的工具包，用于加载医疗数据集、处理EHR数据、训练预测模型以及处理标准医疗编码。

处理 CT、MRI、X 光和超声等 DICOM 医学图像。读取、写入、匿名化、转换和提取医疗影像文件中的元数据。

PyDESeq2 可对批量 RNA-seq 计数数据进行差异基因表达分析。执行统计检验、多重比较校正，并生成可用于发表的火山图和 MA 图，助力基因组学研究。

训练强化学习智能体需要高性能并行环境和高效的算法。PufferLib提供优化的PPO+LSTM训练，通过向量化、共享内存缓冲区和多智能体支持实现2-10倍加速。

研究人员需要高效获取生物医学文献以进行系统综述和循证研究。本技能提供 PubMed 查询的全面文档，包括布尔运算符、MeSH 术语和 E-utilities API 访问。

研究人员需要快速获取分子属性和化学结构。该技能可连接 PubChem 拥有超过 1.1 亿化合物的数据库，实现即时化学信息学查询。

使用HTML和CSS配合AI生成的视觉元素将研究内容转换为专业的研究海报。导出为PDF用于打印，或转换为PowerPoint格式用于会议演示。

此技能提供与 protocols.io API 的全面集成，用于管理科学协议。使用它可以搜索现有协议、创建新协议、管理协作工作区、处理讨论以及组织实验室文档工作流程。

告别手动创建演示文稿。此技能可将HTML转换为PowerPoint、编辑现有幻灯片，并使用成熟的XML工作流程提取内容。通过代码更快地构建演示文稿。