Dados e Análise

Esta skill demonstra o uso da API Adaptyv Bio Foundry e do SDK Python para design, submissão e recuperação de resultados de experimentos de proteínas, incluindo ensaios de ligação, triagem, BLI/SPR e termoestabilidade, sendo acionada por palavras-chave relevantes ou importações de código.

Esta skill oferece revisão estruturada de manuscritos e propostas de subsídio com avaliação baseada em checklist, ideal para revisões por pares formais que avaliam metodologia, validade estatística e conformidade com padrões de relato, fornecendo feedback construtivo.

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.

Redes neurais gráficas nativas do PyTorch para moléculas e proteínas, adequadas para arquiteturas GNN personalizadas em descoberta de medicamentos, modelagem de proteínas ou raciocínio em grafos de conhecimento. É ideal para desenvolvimento de modelos personalizados, previsão de propriedades de proteínas e retrosíntese; para modelos pré-treinados e featurizers diversos, use deepchem, e para conjuntos de dados de benchmark, use pytdc.

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.

Geração e teste automatizados de hipóteses impulsionados por LLMs em conjuntos de dados tabulares. Use para explorar sistematicamente padrões em dados empíricos, combinando insights da literatura com testes de hipóteses baseados em dados.

Esta skill orquestra a análise completa de RNA-seq em massa, processando leituras FASTQ brutas desde o controle de qualidade e corte até o alinhamento e quantificação para montar uma matriz de contagens em nível de gene. Em seguida, realiza expressão diferencial, enriquecimento de vias e gera figuras para publicação.

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.

Modelagem metabólica baseada em restrições (COBRA) abrange FBA, FVA, nocautes genéticos, amostragem de fluxo e modelos SBML para análise em biologia de sistemas e engenharia metabólica.

Gere ou edite imagens usando modelos de IA (FLUX, Nano Banana 2). Use para geração de imagens de propósito geral, incluindo fotos, ilustrações, arte e arte conceitual, mas não diagramas técnicos. Para diagramas técnicos, use a skill scientific-schematics.

Execute uma deliberação do Conselho Mental com múltiplas perspectivas sobre qualquer questão, decisão ou desafio criativo, oferecendo diversos pontos de vista e auxiliando na resolução de problemas complexos.

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.