使用計算病理學需要專門的工具來進行全切片圖像分析。此技能提供 PathML 的全面參考文檔，使您能夠載入千兆像素病理圖像、預處理 H&E 染色、訓練機器學習模型以及分析空間蛋白質組學數據。

將學術論文轉換為專業的宣傳材料,用於會議和線上分享。此技能可從 LaTeX 或 PDF 來源自動建立互動式網站、簡報影片和會議海報。

使用整合的遺傳、組學和臨床數據尋找治療標靶和候選藥物。查詢基因-疾病關聯及其證據評分,以加速藥物發現。

研究工作需要尋找相關學術論文並分析出版趨勢。此技能提供直接存取 OpenAlex 資料庫的能力,該資料庫包含超過 2.4 億筆學術著作,可進行文獻搜尋、引用分析和研究產出評估,無需手動瀏覽資料庫。

科學家和研究人員需要有效管理大型顯微鏡圖像資料集的方法。此技能提供 OMERO Python API 的完整參考文檔，實現自動化圖像檢索、像素分析、ROI 管理和批量處理，適用於高通量篩選工作流程。

研究分散在多個 Notion 頁面中的資訊既費時又容易遺漏關鍵細節。此技能提供了一個結構化的工作流程,用於搜尋、獲取和整合 Notion 內容,形成有組織的摘要、總結、比較或包含適當引用的綜合報告。

分析 Neuropixels 記錄需要專業知識和複雜的處理流程。本技能提供從原始數據到精選單元的完整工��流程，包括前處理、尖峰排序、質量指標，以及遵循 SpikeInterface、Allen Institute 和 IBL 最佳實踐的人工智能輔助整理。

搜尋來自 NIH 資料庫的數千項代謝組學研究和代謝物資料。存取標準化命名法、質譜資料和研究詮釋資料,用於生物標記發現和代謝研究。

篩選大型化合物庫以尋找藥物候選物是一項耗時的工作。此技能應用已確立的藥物化學規則,如 Lipinski 五規則、PAINS 過濾器和結構警示,自動識別有前景的化合物以供進一步研究。

撰寫全面的市場研究報告既耗時又需要專業知識，包括框架設計、格式排版和視覺設計。本技能透過提供結構化模板、自動生成視覺圖表和專業的LaTeX格式來簡化整個流程，產出的文件可與頂級諮詢公司的交付成果相媲美。

研究人員需要花費數小時在多個資料庫中搜索並手動驗證引用。此技能可簡化文獻回顧流程，透過搜索學術資料庫、去除重複結果、根據CrossRef驗證引用，以及生成格式正確的專業PDF文件。

生物資料集難以追蹤、查詢和重現。LaminDB 提供統一的科學資料管理框架，內建本體論驗證、工作流程譜系追蹤，以及符合 FAIR 標準的研究重現性支援。

LabArchives 整合可透過程式化方式存取電子實驗室筆記本。自動執行資料備份、條目建立和檔案附加。連接 Jupyter、Prism 和 REDCap 等科學工具，以簡化研究文檔工作。

研究人員需要高效存取 KEGG 生物資訊資料庫以進行路徑分析。此技能提供 Python 輔助函數,透過官方 KEGG REST API 查詢路徑、基因、化合物和藥物。

研究人員在制定基於證據的嚴謹可測試假設時常遇到困難。此技能提供系統化的 8 步驟工作流程,用於制定機制性假設、設計區分性實驗,並創建專業的 LaTeX 報告。

手動生成假設速度緩慢且受限於人類創造力。Hypogenic 使用 LLM 自動化系統性假設生成和測試,結合數據驅動模式與文獻洞察,加速科學發現。

研究人員需要快速取得代謝物資訊以進行代謝組學研究。此技能提供搜尋人類代謝組資料庫的指引,以找到化學性質、生物標記和光譜資料,用於代謝物鑑定和研究。

數位病理學工作流程需要處理千兆像素的全切片影像以進行計算分析。本技能提供全面的指導，說明如何擷取圖塊、偵測組織區域，以及為組織學研究中的深度學習管線準備資料集。

尋找疾病的遺傳關聯需要導航複雜的基因組數據庫。本技能提供清晰的指導，教您如何查詢 NHGRI-EBI GWAS 目錄，以檢索 SNP 性狀關聯、p 值和統計摘要，用於研究目的。

基因組區間分析需要專門的工具來處理BED檔案、檢測重疊以及生成覆蓋軌跡。Gtars提供高效能的Rust實作，並附有Python綁定，適用於計算基因組學和機器學習工作流程。