ETE 工具包簡化進化生物學研究的系統發育分析。處理樹數據、檢測進化事件並創建可發表的視覺化。

查詢 Ensembl 基因組數據庫 REST API 以獲取脊椎動物基因組數據。查找基因、檢索序列、使用 VEP 分析變異，並在 250 多個物種中進行比較基因組學。

DNAnexus 提供基於雲端的基因組學分析，但需要平台特定的知識。本技能提供完整的文件，用於建構應用程式、管理資料以及執行生物資訊學工作流程。

DiffDock 運用先進的擴散模型來預測小分子如何在 3D 空間中與蛋白質結合。研究人員可以通過生成具有置信度分數的準確結合姿勢來加速藥物發現，以進行基於結構的藥物設計。

透過自動化假設生成、方法論開發、計算實驗和 LaTeX 論文撰寫，將數據集轉化為可發表的研究。多代理 AI 協調專業代理以實現端到端的研究管線。

透過 Python 介面有效處理化學數據。Datamol 在保持與 RDKit 生態系統完全相容的同時，簡化了複雜的化學資訊學操作。

癌症研究人員需要全面的突變數據進行研究。此技能提供對 COSMIC 資料庫的程式化存取，該資料庫包含數百萬個體細胞突變、經過整理的癌症基因列表以及用於精準腫瘤學研究的突變特徵。

ClinVar 包含臨床遺傳學關鍵變異分類，但存取和解讀此資料需要專業知識。此技能提供透過網頁介面、API 或 FTP 下載查詢 ClinVar 的全面指南，並附有臨床意義分類的詳細解讀指南。

存取 ClinPGx 以檢索藥物基因組學數據，包括基因-藥物相互作用、CPIC 指南和等位基因功能資訊。此技能通過提供基因指導用藥劑量的臨床決策支持來支持精準醫學。

臨床研究人員需要基於證據的文件來支持藥物開發和法規申報。此技能可建立可供發表的臨床決策支援文件，包含生物標誌物分層和GRADE證據分級。

此技能幫助研究人員查找論文、擷取中繼資料，並產生正確格式的 BibTeX 項目。它可驗證現有的引用，確保科學寫作和發表的參考文獻準確性。

使用 Google 的 Cirq 框架設計和模擬量子電路。此技能提供全面的文檔，涵蓋建構量子電路、噪聲建模、硬體整合以及在量子電腦和模擬器上執行實驗。

研究人員手動在 bioRxiv 上搜尋相關預印本浪費大量時間。此技能透過精確的關鍵字、作者、日期範圍和科學類別篩選來自動化文獻發現。

使用 Biopython 高效處理 DNA、RNA 和蛋白質序列。以程式化方式存取 NCBI 資料庫、執行序列比對，並為研究應用自動化複雜的生物資訊學工作流程。

Biomni 透過自主執行多步驟分析任務來轉化複雜的生物醫學研究。研究人員可以專注於科學問題，而 AI 則處理跨基因組學、藥物發現和臨床領域的數據處理、文獻回顧和計算分析。

處理天文數據需要處理複雜的坐標系統、文件格式和計算。此技能提供使用 Astropy 處理天球坐標、FITS 文件和宇宙學計算的指導。

研究人員需要有效率的存取方式來取得計算蛋白質結構預測結果，以進行藥物發現和結構生物學研究。此技能可直接存取 AlphaFold 資料庫中超過 2 億個 AI 預測的蛋白質結構，支援透過 UniProt ID 擷取、下載座標檔案，以及分析置信度指標。

蛋白質設計需要實驗驗證。Adaptyv 提供 API 存取雲端實驗室的權限，可自動測試結合親和力、表達水平、熱穩定性和酶活性。大約 21 天內可獲得實驗結果。

研究分支堆積並變得難以管理。此技能可自動偵測、合併和組織來自 Claude Code Web 會話的研究發現，並將其轉化為可操作的 GitHub 問題。

開發人員在使用軟體程式庫時，經常面臨文件過時或不完整的問題。Context7 技能連接到 Context7 API，以取得任何支援的程式庫或框架的最新文件、程式碼範例和 API 參考。