Explorar skills

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.

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.

Uma meta-skill para criar figuras prontas para publicação, incluindo layouts de múltiplos painéis, anotações de significância, barras de erro, paletas seguras para daltônicos e formatação específica de periódicos (ex: Nature, Science, Cell). Ela orquestra matplotlib/seaborn/plotly com estilos de publicação, mas para exploração rápida, use seaborn ou plotly diretamente.

Um kit de ferramentas para dados biológicos focado em análise de microbioma, abrangendo análise de sequências, alinhamentos, árvores filogenéticas, métricas de diversidade (alfa/beta, UniFrac), ordenação (PCoA), PERMANOVA e E/S FASTA/Newick.

Um kit de ferramentas abrangente para análise de sobrevivência e modelagem de tempo até o evento em Python usando scikit-survival. Utilize esta skill para trabalhar com dados de sobrevivência censurados, realizar análises de tempo até o evento, ajustar modelos de Cox, Random Survival Forests, Gradient Boosting ou Survival SVMs, avaliar previsões de sobrevivência com índice de concordância ou Brier score, e lidar com riscos competitivos.

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.

Modelos generativos profundos para ômicas de célula única são ideais para modelagem avançada, efeitos de lote e dados multimodais, oferecendo correção probabilística de lote (scVI), aprendizado por transferência, expressão diferencial com incerteza e integração multimodal (TOTALVI, MultiVI). Para pipelines de análise padrão, use scanpy.

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 simulação de eventos discretos baseado em processos em Python. Use esta skill para construir simulações de sistemas com processos, filas, recursos e eventos temporizados, como manufatura, serviços, tráfego de rede e logística, onde entidades interagem com recursos compartilhados.

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.

Armazenamento e recuperação eficientes de dados de variantes genômicas usando TileDB. Ingestão escalável de VCF/BCF, adição incremental de amostras, armazenamento compactado, consultas paralelas e capacidades de exportação para genômica populacional.

Realize previsões de séries temporais zero-shot com o modelo fundamental TimesFM do Google. Ele lida com qualquer série temporal univariada (vendas, sensores, energia, sinais vitais, clima) sem treinamento de modelo personalizado, suportando entradas CSV/DataFrame/array para previsões pontuais e intervalos de predição, e inclui um verificador de sistema pré-voo.