K-Dense-AI

Um kit de ferramentas abrangente para modelos de linguagem de proteínas EvolutionaryScale, incluindo ESM3 para design multimodal generativo e ESM C para embeddings eficientes. Ele suporta várias tarefas de proteínas, como análise de sequência/estrutura/função, dobramento inverso, design de variantes e previsão de estrutura ESMFold2, com pesos abertos locais e suporte em nuvem.

Gera relatórios completos de pesquisa de mercado (mais de 50 páginas) no estilo das principais consultorias, com formatação profissional em LaTeX, geração extensiva de visuais, integração profunda com pesquisa de dados e análise estratégica multiframework, incluindo Porter Five Forces, PESTLE, SWOT, TAM/SAM/SOM e BCG Matrix.

Hugging Face Transformers para carregar modelos do Hub, executar inferência de pipeline, geração de texto e ajuste fino com Trainer em tarefas de PNL, visão, áudio e multimodais. Use ao trabalhar com AutoModel, pipelines, tokenizers ou TrainingArguments – não para ML geral fora da biblioteca Transformers.

Use esta skill para trabalhar com conjuntos de dados Brain Imaging Data Structure (BIDS), incluindo a organização de dados de neurociência e biomédicos, consulta de layouts, validação de conformidade, conversão de DICOM para BIDS e criação de derivados BIDS.

Biblioteca de simulação de física quântica para sistemas quânticos abertos, ideal para o estudo de equações mestras, dinâmica de Lindblad, decoerência, óptica quântica ou QED de cavidade. É indicada para pesquisa em física, dinâmica de sistemas abertos e simulações educacionais, mas não para computação quântica baseada em circuitos.

Esta skill é ideal para tarefas de machine learning com séries temporais, como classificação, regressão, clustering, previsão, detecção de anomalias, segmentação e busca de similaridade. Utilize-a ao trabalhar com dados temporais, padrões sequenciais ou observações indexadas por tempo que exigem algoritmos especializados além das abordagens padrão de ML, especialmente para séries temporais univariadas e multivariadas.

Kit de ferramentas de análise NGS para conversão de BAM para bigWig, controle de qualidade (correlação, PCA, fingerprints) e visualização de dados de ChIP-seq, RNA-seq e ATAC-seq através de heatmaps/perfis (TSS, picos).

PyHealth permite construir pipelines de deep learning para saúde, suportando o carregamento de diversos conjuntos de dados EHR/sinal/imagem, a definição de tarefas como previsão de mortalidade ou recomendação de medicamentos, e o treinamento com vários modelos.

O scVelo realiza análise de velocidade de RNA para estimar transições de estado celular a partir da dinâmica de mRNA não-processado/processado, inferindo direções de trajetória, tempo latente e genes-chave em dados de RNA-seq de célula única, complementando Scanpy/scVI para inferência de trajetória.

Pesquise artigos científicos e recupere dados experimentais estruturados de estudos completos via servidor BGPT MCP. Retorna mais de 25 campos por artigo, incluindo métodos, resultados e conclusões, útil para revisões de literatura e para encontrar detalhes experimentais além dos resumos.

Crie diagramas científicos com qualidade de publicação usando Nano Banana 2 AI e refinamento iterativo inteligente. Com revisão de qualidade via Gemini 3.1 Pro Preview, regenera apenas se necessário, especializando-se em arquiteturas de redes neurais, diagramas de sistemas, fluxogramas e visualizações científicas complexas.