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。

需要快速存取基因資訊、蛋白質結構或表現數據？此技能提供透過單一介面統一存取20多個生物資訊學資料庫的功能。搜尋基因、檢索序列、預測結構並分析疾病關聯，無需切換工具。

尋找及處理基因表現資料集需要導航複雜的資料庫結構和檔案格式。這個技能提供可立即使用的程式碼模式，用於搜尋、下載及分析 GEO 微陣列和 RNA-seq 資料。

處理基因組區間資料進行機器學習任務需要專門的工具。Geniml 提供無監督方法來學習基因組區域、單細胞和元資料標籤的嵌入，用於相似性搜索、聚類和下游分析。

從 NCBI Gene 資料庫搜尋和檢索基因資訊。取得基因符號、RefSeq 序列、GO 註釋、染色體位置和表型關聯，用於研究和分析。

蛋白質工程需要專門的 AI 模型來分析序列-結構-功能關係。ESM 提供最先進的蛋白質語言模型,用於生成新序列、預測結構,以及通過多模態 AI 設計功能性蛋白質。

基因組研究人員需要存取跨物種的基因序列、變異和比較數據。此技能查詢 Ensembl 資料庫 REST API 以檢索超過 250 個脊椎動物物種的基因資訊、DNA 序列、變異預測、直系同源基因和調控特徵。

尋找和下載核苷酸序列需要了解複雜的 API 語法和多個端點模式。此技能提供查詢歐洲核苷酸檔案庫的完整文檔，以便通過登錄號檢索 DNA/RNA 序列、基因組組裝和原始測序讀數。

Denario 自動化從資料分析到發表的完整研究流程。它使用 AI 代理生成假設、開發方法論、執行實驗並產生符合期刊格式的論文。

癌症研究人員需要以程式化方式存取全球最大的體細胞突變資料庫。此技能可透過驗證下載 COSMIC 癌症基因體資料,包括突變、基因註釋和臨床變異,用於研究和精準腫瘤學。

為患者、研究或藥物開發尋找臨床試驗需要 navigat一個複雜的註冊系統。此技能提供 Python 介面來查詢官方 ClinicalTrials.gov 資料庫。可依據病症、藥物、地點或贊助者搜尋，尋找正在招募的試驗、檢索詳細的研究資訊，並匯出資料進行分析。

手動管理引用既耗時又容易出錯。此技能可自動搜尋學術資料庫、從 DOI 和 PMID 提取元數據、驗證引用,並生成可供發表的 BibTeX 條目。