科研技能套件

Latch平台为生物信息学提供高效的工作流解决方案。 Latch平台用于生物信息学工作流。使用Latch SDK构建管道，@workflow/@task装饰器，部署无服务器工作流，支持LatchFile/LatchDir，集成Nextflow/Snakemake。

高效查询6100万+单细胞数据，支持多种过滤条件。 查询CZ CELLxGENE Census（6100万+细胞）。按细胞类型/组织/疾病过滤，检索表达数据，与scanpy/PyTorch集成，适用于大规模单细胞分析。

一款系统化的同行评审工具，提升评审效率。 系统化的同行评审工具包。评估方法论、统计、设计、可重复性、伦理、图表完整性、报告标准，适用于跨学科的手稿和资助申请评审。

提供电子实验室笔记本的API集成功能，便于管理和备份。 电子实验室笔记本API集成。访问笔记本，管理条目/附件，备份笔记本，与Protocols.io/Jupyter/REDCap集成，适用于程序化ELN工作流。

ETE工具包用于系统发育树的操作与分析。 系统发育树工具包（ETE）。树操作（Newick/NHX）、进化事件检测、同源性/旁系性、NCBI分类、可视化（PDF/SVG），适用于系统发育基因组学。

scikit-learn是Python中的强大机器学习库。 使用scikit-learn进行Python中的机器学习。适用于监督学习（分类、回归）、无监督学习（聚类、降维）、模型评估、超参数调优、预处理或构建机器学习管道。提供全面的参考文档。

通过Open Targets平台查询靶标与疾病的关联信息。 查询Open Targets平台以获取靶标-疾病关联、药物靶标发现、可追溯性/安全性数据、遗传学/组学证据和已知药物，适用于治疗靶标识别。

访问RCSB PDB，获取3D蛋白质和核酸结构信息。 访问RCSB PDB以获取3D蛋白质/核酸结构。按文本/序列/结构搜索，下载坐标（PDB/mmCIF），检索元数据，适用于结构生物学和药物发现。

DNAnexus云基因组平台，助力基因组数据管理与分析。 DNAnexus云基因组平台。构建应用程序/小程序，管理数据（上传/下载），dxpy Python SDK，运行工作流，支持FASTQ/BAM/VCF，适用于基因组管道的开发和执行。

强大的多目标优化框架，支持多种算法。 多目标优化框架。支持NSGA-II、NSGA-III、MOEA/D、Pareto前沿、约束处理、基准测试（ZDT、DTLZ），适用于工程设计和优化问题。

高性能的强化学习任务处理工具，支持多种环境和系统。 此技能用于处理强化学习任务，包括高性能RL训练、自定义环境开发、向量化并行仿真、多智能体系统或与现有RL环境（Gymnasium、PettingZoo、Atari、Procgen等）的集成。

跨平台的量子计算与机器学习工具，支持多种框架。 跨平台的Python量子计算、量子机器学习和量子化学库。支持构建和训练量子电路，具有自动微分功能，并与PyTorch/JAX/TensorFlow无缝集成，支持在模拟器和量子硬件上独立执行。

通过API/FTP访问欧洲核苷酸档案，支持多种格式。 通过API/FTP访问欧洲核苷酸档案。检索DNA/RNA序列、原始读取（FASTQ）、按获取号检索基因组组装，适用于基因组学和生物信息学管道。支持多种格式。

通过API v2快速查询ClinicalTrials.gov的临床试验信息。 通过API v2查询ClinicalTrials.gov。按疾病、药物、地点、状态或阶段搜索试验。通过NCT ID检索试验详细信息，导出数据，适用于临床研究和患者匹配。

强大的ChEMBL生物活性分子和药物数据查询工具。 查询ChEMBL的生物活性分子和药物发现数据。按结构/属性搜索化合物，检索生物活性数据（IC50、Ki），查找抑制剂，进行SAR研究，适用于药物化学。

全面的Python天文学和天体物理学库。此技能用于处理天文数据，包括天体坐标、物理单位、FITS文件、宇宙学计算、时间系统、表格、世界坐标系统（WCS）和天文数据分析。

强大的单细胞RNA-seq分析工具，支持多种数据格式。 单细胞RNA测序分析。加载.h5ad/10X数据，进行质量控制、归一化、PCA/UMAP/t-SNE、Leiden聚类、标记基因、细胞类型注释和轨迹分析，适用于scRNA-seq分析。

强大的统计建模工具，支持多种分析方法。 统计建模工具包。支持OLS、GLM、逻辑回归、ARIMA、时间序列、假设检验、诊断、AIC/BIC，适用于严格的统计推断和计量经济学分析。

快速高效的DataFrame库，支持多种数据操作。 快速DataFrame库（Apache Arrow）。支持选择、过滤、分组、连接、惰性求值、CSV/Parquet输入输出、表达式API，适用于高性能数据分析工作流。

通过REST API直接访问PubMed，支持多种查询方式。 直接通过REST API访问PubMed。支持高级布尔/MeSH查询、E-utilities API、批处理、引用管理。对于Python工作流，建议使用biopython（Bio.Entrez）。适用于直接的HTTP/REST工作或自定义API实现。

无服务器容器和GPU加速的Python代码运行环境。 在云端使用无服务器容器、GPU和自动扩展运行Python代码。适用于部署机器学习模型、运行批处理作业、调度计算密集型任务或提供需要GPU加速或动态扩展的API。

专为时间序列机器学习任务设计的插件，支持多种功能。 此技能用于时间序列机器学习任务，包括分类、回归、聚类、预测、异常检测、分割和相似性搜索。适用于处理时间数据、序列模式或需要专门算法的时间索引观察。

用于控制多种实验室设备的自动化工具包。 实验室自动化工具包，用于控制液体处理器、板读器、泵、加热摇床、培养箱、离心机和分析设备。在自动化实验室工作流程、编程液体处理机器人（Hamilton STAR、Opentrons OT-2、Tecan EVO）、集成实验室设备时使用此技能。

用于训练和管理强化学习代理的工具。 用于强化学习任务，包括训练 RL 代理（PPO、SAC、DQN、TD3、DDPG、A2C 等）、创建自定义 Gym 环境、实现监控和控制的回调、使用向量化环境进行并行训练，以及与深度 RL 工作流程集成。

用于精细控制分子的化学信息学工具。 用于精细分子控制的化学信息学工具包。支持 SMILES/SDF 解析、描述符（MW、LogP、TPSA）、指纹、子结构搜索、2D/3D 生成、相似性、反应。对于具有更简单接口的标准工作流程，请使用 datamol（RDKit 的包装器）。

便捷访问全球公共统计数据的工具。 使用 Data Commons，这是一个提供全球来源公共统计数据的编程访问平台。在处理人口数据、经济指标、健康统计、环境数据或通过 Data Commons 提供的任何公共数据集时使用此技能。

高效解析流式细胞仪FCS文件，提取数据与元信息。 解析 FCS（流式细胞术标准）文件 v2.0-3.1。提取事件为 NumPy 数组，读取元数据/通道，转换为 CSV/DataFrame，适用于流式细胞术数据预处理。

生成可测试的科学假设，助力实验设计与探索。 生成可测试的假设。从观察中形成，设计实验，探索竞争解释，发展预测，提出机制，适用于各领域的科学探究。

基于图的药物发现工具包，支持多种药物相关任务。 基于图的药物发现工具包。支持分子属性预测（ADMET）、蛋白质建模、知识图推理、分子生成、逆合成、GNN（GIN、GAT、SchNet）、40+ 数据集，适用于基于 PyTorch 的分子、蛋白质和生物医学图的机器学习。

强大的AI图像生成与编辑工具，助您轻松创作。 使用 AI 模型（FLUX、Gemini）生成或编辑图像。用于一般目的的图像生成，包括照片、插图、艺术作品、视觉资产、概念艺术，以及任何非技术性图表或示意图的图像。

强大的学术文献查询与分析工具。 使用 OpenAlex 数据库查询和分析学术文献。在搜索学术论文、分析研究趋势、查找作者或机构的作品、跟踪引用、发现开放获取出版物或进行文献计量分析时使用此技能。

基于大型语言模型的自动化假设生成工具。 使用大型语言模型进行自动假设生成和测试。在从数据集中生成科学假设、结合文献见解与实证数据、对观察数据进行假设测试或进行系统假设探索时使用此技能。

高效处理Neuropixels神经记录数据的工具。 Neuropixels 神经记录分析。加载 SpikeGLX/OpenEphys 数据，进行预处理、运动校正、Kilosort4 刺激排序、质量指标、Allen/IBL 策划、AI 辅助视觉分析，适用于 Neuropixels 1.0/2.0 的细胞外电生理学。在处理神经记录和刺激排序时使用。

使用 matplotlib、seaborn 和 plotly 创建高质量科学图表。 使用 matplotlib/seaborn/plotly 创建出版图形。支持多面板布局、误差条、显著性标记、色盲安全，导出 PDF/EPS/TIFF，适用于期刊准备的科学图表。

快速构建专业的科研演示幻灯片。 构建研究演讲的幻灯片和演示文稿。用于制作 PowerPoint 幻灯片、会议演示、研讨会演讲、研究演示、论文答辩幻灯片或任何科学演讲。提供幻灯片结构、设计模板、时间指导和视觉验证。

全面支持各种临床报告的撰写与合规。 撰写全面的临床报告，包括病例报告（CARE 指南）、诊断报告（放射学/病理学/实验室）、临床试验报告（ICH-E3、SAE、CSR）和患者文档（SOAP、H&P、出院总结）。提供模板、合规支持（HIPAA、FDA、ICH-GCP）。

PyTorch Lightning 使深度学习训练更高效。 深度学习框架（PyTorch Lightning）。组织 PyTorch 代码为 LightningModules，配置多 GPU/TPU 的训练器，实现数据管道、回调、日志记录（W&B、TensorBoard）、分布式训练（DDP、FSDP、DeepSpeed），用于可扩展的神经网络训练。

提供全面的LaTeX模板和提交指南。 访问主要科学出版场所（如 Nature、Science、PLOS、IEEE、ACM）、学术会议（如 NeurIPS、ICML、CVPR、CHI）、研究海报和资助提案（如 NSF、NIH、DOE、DARPA）的全面 LaTeX 模板、格式要求和提交指南。

云实验室平台，专注于蛋白质测试与验证。 用于自动化蛋白质测试和验证的云实验室平台。在设计蛋白质并需要实验验证（包括结合测定、表达测试、热稳定性测量、酶活性测定或蛋白质序列优化）时使用。

基础绘图库，支持多种图形绘制。 基础绘图库。创建折线图、散点图、条形图、直方图、热图、3D 图、子图，导出 PNG/PDF/SVG，适用于科学可视化和出版图形。

高效处理基因组数据的工具包。 基因组文件工具包。读取/写入 SAM/BAM/CRAM 对齐、VCF/BCF 变体、FASTA/FASTQ 序列，提取区域，计算覆盖度，适用于 NGS 数据处理管道。

强大的 Python 接口，用于质谱数据分析。 用于质谱数据分析的 Python 接口（OpenMS）。适用于 LC-MS/MS 蛋白质组学和代谢组学工作流程，包括文件处理（mzML、mzXML、mzTab、FASTA、pepXML、protXML、mzIdentML）、信号处理、特征检测、肽识别和定量分析。