K-Dense-AI

Esta skill oferece algoritmos de aprendizado por reforço prontos para produção (PPO, SAC, DQN, TD3, DDPG, A2C) com uma API semelhante ao scikit-learn, adequada para experimentos padrão de RL e prototipagem rápida com ambientes Gymnasium. Para treinamento paralelo de alto desempenho ou sistemas multiagente, pufferlib é recomendado.

Construa, execute e depure pipelines de dados Nextflow e workflows nf-core de ponta a ponta. Utilize sempre que o usuário mencionar Nextflow, nf-core, arquivos .nf, DSL2, execução de pipelines, teste de módulos com nf-test, ou configuração de executores/contêineres.

Esta skill lida com todas as tarefas relacionadas a PDFs, como leitura, extração de texto/tabelas, fusão, divisão, rotação, adição de marcas d'água, criação, preenchimento de formulários, criptografia/descriptografia, extração de imagens e OCR em PDFs digitalizados.

Gera planos de tratamento médico concisos e focados em formato LaTeX/PDF para todas as especialidades clínicas. Suporta diversos tipos de cuidados, incorporando metas SMART, intervenções baseadas em evidências e conformidade com HIPAA.

DNAnexus é uma plataforma de genômica em nuvem para construir aplicativos/applets, gerenciar dados (upload/download) e executar fluxos de trabalho usando o SDK Python dxpy. Suporta FASTQ/BAM/VCF para o desenvolvimento e execução de pipelines genômicos.

Uma biblioteca rápida de DataFrame em memória para conjuntos de dados que cabem na RAM, ideal quando o pandas é muito lento. Apresenta avaliação preguiçosa, execução paralela e um backend Apache Arrow, sendo adequada para conjuntos de dados de 1-100GB e pipelines ETL.

Realiza análise de enriquecimento de vias e conjuntos de genes em listas ou dados de genes classificados, interpretando os resultados. É útil quando o usuário possui um conjunto de genes e deseja identificar quais vias biológicas, termos GO ou conjuntos de genes estão super-representados ou enriquecidos, incluindo a análise de super-representação.

Esta skill oferece a estrutura de dados para matrizes anotadas em análise de célula única, ideal para arquivos .h5ad ou integração com o ecossistema scverse. Para fluxos de trabalho de análise, use scanpy; para modelos probabilísticos, scvi-tools; e para consultas em escala populacional, cellxgene-census.

Realize e analise simulações de dinâmica molecular com OpenMM e MDAnalysis, abrangendo a configuração de sistemas proteína/pequenas moléculas, definição de campos de força, minimização de energia, DM de produção e análise de trajetórias (RMSD, RMSF, mapas de contato, superfícies de energia livre). Aplicável em biologia estrutural, ligação de fármacos e biofísica.

Uma biblioteca Python para trabalhar com dados vetoriais geoespaciais, como shapefiles, GeoJSON e arquivos GeoPackage. É utilizada para análise espacial, operações geométricas, transformações de coordenadas e outras tarefas com dados geográficos vetoriais, suportando bancos de dados PostGIS e mapas interativos.

Realiza análise exploratória de dados abrangente em arquivos científicos de mais de 200 formatos. Detecta automaticamente o tipo de arquivo e gera relatórios detalhados em markdown com análises específicas do formato, métricas de qualidade e recomendações para análises futuras, auxiliando na compreensão da estrutura, conteúdo e qualidade dos dados.

Realize consultas rápidas via CLI/Python em mais de 20 bancos de dados de bioinformática para buscas rápidas de informações genéticas, pesquisas BLAST, estruturas AlphaFold e análise de enriquecimento. É ideal para exploração interativa e consultas simples, sendo biopython ou bioservices recomendados para processamento em lote ou fluxos de trabalho avançados.