Dados e Análise

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 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.

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.

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.

Esta skill é para tarefas de aprendizado de máquina com dados de intervalo genômico (arquivos BED), como treinamento de embeddings de região (Region2Vec, BEDspace), análise de ATAC-seq de célula única (scEmbed) ou construção de picos de consenso. Aplica-se a coleções de arquivos BED, dados de scATAC-seq e conjuntos de dados de acessibilidade da cromatina.

Visualização estatística com integração pandas para exploração rápida de distribuições, relações e comparações categóricas. É ideal para box plots, violin plots, pair plots e heatmaps, construído em matplotlib.

Framework de computação quântica da IBM. Utilize para hardware IBM Quantum, cargas de trabalho de produção com Qiskit Runtime ou ferramentas de otimização da IBM, sendo ideal para execução em hardware IBM, mitigação de erros quânticos e computação quântica empresarial.

Uma habilidade abrangente para escrever em markdown e diagramas Mermaid. Ela estabelece diagramas baseados em texto como o padrão de documentação, oferecendo guias de estilo completos, 24 referências de tipos de diagrama e 9 modelos de documento para documentos científicos, relatórios, análises ou visualizações.

Consulte o Cancer Dependency Map (DepMap) para obter pontuações de dependência genética de linhagens de células cancerosas (CRISPR Chronos), dados de sensibilidade a medicamentos e perfis de efeito genético.

Este kit de ferramentas do operador suporta fluxos de trabalho nf-core/pacsomatic de tumor-normal pareados a partir de entradas BAM, permitindo validação, geração de samplesheets, preparação de artefatos de lançamento Nextflow, execução local ou em agendadores, e triagem de falhas de execução. Ele é acionado por solicitações para executar pacsomatic ou preparar comandos de lançamento.