Explorar skills

Um framework de ML quântico agnóstico de hardware com diferenciação automática, ideal para treinar circuitos quânticos via gradientes, construir modelos quântico-clássicos híbridos e garantir portabilidade entre as principais plataformas quânticas. É melhor para algoritmos variacionais, redes neurais quânticas e integração com PyTorch/JAX/TensorFlow.

Construa e analise árvores filogenéticas utilizando MAFFT, IQ-TREE 2 e FastTree. Visualize-as com ETE3 ou FigTree para aplicações em análise evolutiva, genômica microbiana e estudos de relógio molecular.

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.

Consultar o Grafo de Conhecimento de Medicina de Precisão (PrimeKG) para dados biológicos multiescala, incluindo genes, medicamentos, doenças, fenótipos e muito mais.

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.

Kit de ferramentas para ciência dos materiais computacional, abrangendo estruturas cristalinas (CIF, POSCAR), diagramas de fase, estrutura de bandas, DOS, integração com Materials Project e conversão de formatos.

Plataforma completa de análise de espectrometria de massa para fluxos de trabalho de proteômica, abrangendo detecção de características, identificação de peptídeos e quantificação de proteínas. Suporta diversos formatos e algoritmos, sendo ideal para processamento abrangente de dados de MS; para comparações espectrais simples, use matchms.

Kit de ferramentas para arquivos genômicos, ideal para pipelines de processamento de dados NGS. Permite ler/escrever alinhamentos SAM/BAM/CRAM, variantes VCF/BCF, sequências FASTA/FASTQ, extrair regiões e calcular cobertura.

O Therapeutics Data Commons oferece conjuntos de dados de descoberta de medicamentos prontos para IA (ADME, toxicidade, DTI), benchmarks, divisões de andaimes e oráculos moleculares para ML terapêutico e previsão farmacológica.

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.

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.

Kit de ferramentas de quimioinformática para controle molecular detalhado, suportando análise SMILES/SDF, descritores, impressões digitais, busca de subestruturas, geração 2D/3D, similaridade e reações. Para fluxos de trabalho padrão com interface mais simples, use datamol (um wrapper para RDKit); para controle avançado, sanitização personalizada ou algoritmos especializados, use rdkit diretamente.