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。

存取 ChEMBL 資料庫以按結構和屬性搜索化合物。檢索生物活性測量數據，尋找抑制劑，並進行結構-活性關係研究以支援藥物發現研究。

研究人員需要存取大規模單細胞基因體學資料以進行疾病研究和藥物發現。此技能提供對 CELLxGENE Census 中 6100 萬個細胞的程式化存取,能夠進行群體規模的查詢而無需下載整個資料集。

存取來自全球最大酶資料庫的綜合酶動力學數據。查找 Km 值、反應方程式、生物體特定參數和底物特異性數據，用於生物化學研究和代謝工程。

用一致的 Python API 查詢 40 多個生物資料庫，包括 UniProt、KEGG 和 ChEMBL。簡化生物資訊學研究中的跨資料庫分析和識別符轉換。

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。

透過整合 Benchling 研發平台，自動化實驗室工作流程並管理生物數據。透過 Python SDK 或 REST API 存取 DNA 序列、蛋白質數據、庫存和電子實驗室筆記本。

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。

基因調控網路推斷可從轉錄體資料中識別轉錄因子與目標基因的關係。Arboreto 提供可擴展的 GRNBoost2 與 GENIE3 演算法實作，可在本機或分散式叢集上處理 bulk 與單細胞 RNA-seq 資料。

AnnData 為單細胞基因組學中使用的註釋矩陣提供了標準化的資料結構。此技能支援建立、讀取、寫入和操作 .h5ad 檔案，完全支援中繼資料、嵌入向量以及 scverse 生態系統。

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。

時間序列數據需要專門的演算法，而非標準的機器學習方法。Aeon 提供與 scikit-learn 相容的 API，可用於對時間序列數據進行分類、回歸、聚類、預測、異常偵測、分割和相似性搜尋。

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。

為兒童創作引人入勝、具有教育意義的圖畫書需要仔細關注視覺一致性、適齡內容和 culturally relevance。此技能可產生包含 18 種視覺風格和 12 種場景類型的高品質雙語圖畫書內容，專為 3-12 歲的兒童量身打造。

內容創作者難以持續產出引人入勝的社群媒體貼文。此技能可產生病毒式X（Twitter）內容，包括短推文、多推文串文和回覆，使用根據您個人風格量身定制的成熟模式。

在 X 上發布內容需要手動輸入或使用有風險的自動發布工具。此技能使用瀏覽器自動化來準備推文並儲存至草稿,確保任何貼文在發布前都經過使用者完整審核。