Explorar skills

Infere redes reguladoras gênicas (GRNs) a partir de dados de expressão gênica usando algoritmos escaláveis (GRNBoost2, GENIE3). É útil na análise de dados transcriptômicos (RNA-seq em massa, de célula única) para identificar relações entre fatores de transcrição e genes-alvo, suportando computação distribuída para grandes conjuntos de dados.

Acelere código Python com GPU usando CuPy, Numba CUDA, Warp, cuDF, cuML, cuGraph, KvikIO, cuCIM, cuxfilter, cuVS, cuSpatial e RAFT. Ideal para acelerar cargas de trabalho de NumPy, pandas, scikit-learn, scikit-image, NetworkX, GeoPandas ou Faiss, abrangendo simulação física, renderização diferenciável e sistemas de partículas.

Kit de ferramentas de alto desempenho para análise de intervalos genômicos em Rust com bindings Python. É ideal para trabalhar com regiões genômicas, arquivos BED, trilhas de cobertura, detecção de sobreposição, tokenização para modelos de ML ou análise de fragmentos em genômica computacional e aprendizado de máquina.

Converse com seu agente sobre projetos, recomendações e artigos canônicos no Paperzilla. Use quando os usuários solicitarem recomendações de projetos recentes, detalhes de artigos canônicos, resumos em Markdown, feedback de recomendações, exportação de feed ou URLs de feed Atom.

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.

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

Uma alternativa auto-hospedada e de código aberto ao Google NotebookLM para pesquisa e análise de documentos com IA. Ajuda a organizar materiais de pesquisa, ingerir diversas fontes de conteúdo, gerar notas e resumos com IA, criar podcasts e conversar com documentos.

Filtros de química medicinal para triagem de compostos. Aplica regras de drug-likeness (Lipinski, Veber, CNS), catálogos de alertas estruturais (PAINS, NIBR, ChEMBL), métricas de complexidade e a linguagem de consulta de química medicinal para filtragem de bibliotecas.

Integração do Benchling Python SDK e da API REST para entidades de registro, inventário, entradas ELN, fluxos de trabalho, Benchling Apps e consultas ao Data Warehouse. Utilize para automatizar dados de laboratório com o benchling-sdk ou a API v2.

Ancoragem molecular baseada em difusão que prevê poses de ligação proteína-ligante a partir de PDB/SMILES, fornecendo pontuações de confiança e permitindo triagem virtual para o design de medicamentos baseado em estrutura. Não é para previsão de afinidade.

Para ideação e exploração criativa de pesquisa, use esta skill em sessões de brainstorming abertas para explorar conexões interdisciplinares, desafiar suposições ou identificar lacunas de pesquisa. É ideal para o planejamento de pesquisa em estágio inicial, antes que observações específicas estejam disponíveis.

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.