K-Dense-AI

Pipeline padrão de análise de RNA-seq de célula única para controle de qualidade, normalização, redução de dimensionalidade (PCA/UMAP/t-SNE), agrupamento, expressão diferencial e visualização. É ideal para análise exploratória de scRNA-seq com fluxos de trabalho estabelecidos.

ML molecular para previsão de propriedades (ADMET, toxicidade) usando diversos featurizers e conjuntos de dados pré-construídos, suportando ML tradicional ou GNNs. É excelente para experimentos rápidos com modelos pré-treinados e featurização extensiva, frequentemente utilizando benchmarks do MoleculeNet.

Esta habilidade central para pesquisa aprofundada e escrita gera manuscritos científicos em parágrafos completos, nunca em tópicos. Ela emprega um processo de duas etapas: primeiro, delineando seções com pontos-chave de pesquisa, depois convertendo-os em prosa fluida, aderindo à estrutura IMRAD, vários estilos de citação e diretrizes de relatórios para submissões a periódicos.

Esta ferramenta oferece extração e pré-processamento leve de tiles WSI, ideal para processamento básico de lâminas, detecção de tecido e normalização de coloração para imagens H&E. É mais adequada para pipelines simples, preparação de conjuntos de dados e análise rápida baseada em tiles, sendo pathml recomendado para aplicações avançadas.

Use quando precisar de matemática simbólica exata em Python — álgebra, cálculo, resolução de equações, álgebra linear simbólica ou geração de código via lambdify/LaTeX. Prefira NumPy ou SciPy quando aproximações de ponto flutuante forem suficientes.

Observa a tela do usuário via screenpipe para detectar fluxos de trabalho de pesquisa repetidos, comparando-os com habilidades de agente científico existentes e elaborando novas para padrões não cobertos. Use esta skill quando o usuário solicitar a análise de seu trabalho recente e a proposição de habilidades com base em suas atividades reais.

Utiliza o PyTorch Lightning para organizar código PyTorch em LightningModules, configurar Trainers para multi-GPU/TPU, e implementar pipelines de dados, callbacks, logging e treinamento distribuído para um treinamento escalável de redes neurais.

Use esta skill para criar, ler, editar ou manipular documentos Word (.docx), incluindo a formatação de documentos profissionais, extração de conteúdo ou gerenciamento de imagens.

Um kit de ferramentas web completo, impulsionado por parallel-cli, com forte ênfase em fontes acadêmicas e científicas. Utilize-o para pesquisa web, extração de conteúdo de URLs, enriquecimento de dados e relatórios de pesquisa aprofundada, priorizando artigos revisados por pares e bases de dados acadêmicas.

Realize análises de cenário estruturadas 'E se', explorando 4-6 possibilidades (melhor, provável, pior, curinga, contrária, segunda ordem). Utilize quando o usuário fizer perguntas especulativas sobre futuros incertos, bifurcações estratégicas, planejamento de contingência ou para testar uma decisão antes de se comprometer.

Analisa arquivos FCS (Flow Cytometry Standard) v2.0-3.1. Extrai eventos como arrays NumPy, lê metadados/canais e converte para CSV/DataFrame para pré-processamento de dados de citometria de fluxo.

Análise de expressão gênica diferencial (Python DESeq2). Identifica genes DE a partir de contagens de RNA-seq bulk, aplicando testes de Wald, correção FDR e gerando gráficos de vulcão/MA para análise de RNA-seq.