處理藥物發現數據集需要導航分散的來源和不一致的格式。PyTDC 提供 50 多個精心策劃的治療機器學習數據集，帶有標準化的 API、有意義的數據分割和基準評估協議。

工程師和研究人員需要在成本、重量和效能等相互衝突的目標之間找到最佳平衡點。此技能透過 pymoo 提供 NSGA-II、NSGA-III 及其他演化演算法,以發現複雜設計問題的帕累托最優解。

開發醫療保健領域的機器學習模型需要了解複雜的臨床資料格式、醫療編碼系統和專業的模型架構。此技能提供使用 PyHealth 建構、訓練和評估臨床預測模型的全面指導，適用於死亡率預測、藥物推薦和醫療編碼任務。

以統計嚴謹性從大量 RNA-seq 計數資料中識別差異表現基因。PyDESeq2 提供完整的 DESeq2 工作流程,包括標準化、離散度估計、Wald 檢定、FDR 校正以及適合發表的視覺化圖表。

找到相關的生物醫學研究非常耗時。此技能提供進階搜尋技術、MeSH 術語指導和 E-utilities API 文件，可快速在擁有數百萬條引用的 PubMed 資料庫中找到文章、臨床試驗和系統性回顧。

尋找化學資訊需要瀏覽多個資料庫和複雜的 API 查詢。此技能提供對 PubChem 資料庫的統一存取，可透過名稱、結構或識別碼進行簡單搜尋，並支援屬性檢索和相似性搜尋，適用於化學資訊學工作流程。

科學家們花費大量時間手動搜尋和記錄實驗方案。此技能提供與 protocols.io API v3 的完整整合，可程式化存取搜尋、建立、管理和發布科學實驗方案，並支援團隊協作功能。

科學稿件的同行評審需要跨學科的一致方法論。此技能提供結構化的框架，用於評估方法論、統計方法、可重複性、倫理規範和報告標準，以進行全面的稿件和資助提案評估。

尋找3D生物結構需要瀏覽多個資料庫和檔案格式。此技能提供對RCSB PDB儲存庫的統一存取，可搜尋、下載及分析超過200,000個實驗測定和計算的分子結構。

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。