Explorar skills

Arrays NumPy e DataFrames Pandas para bioinformática, abordando operações vetorizadas, broadcasting, normalização CPM/RPKM, pontuação PWM, loc/iloc, agrupamento e fusão de anotações.

Padrões de lista e tupla para bioinformática — divisão de códons, registros de coordenadas genéticas, tuplas nomeadas, ordenação por GC/comprimento e armadilhas de cópia.

Integração com BioPython Seq/SeqRecord/SeqIO, API Entrez do NCBI, consultas UniProt e conversão de formatos biológicos.

Receitas de análise de FASTA/FASTQ/CSV, padrões de E/S de arquivo por streaming e armadilhas específicas de formato para arquivos de dados de bioinformática.

Iteradores personalizados para bioinformática, incluindo iteração de códons, geração de k-mers, streaming FASTA/FASTQ e padrões de processamento lazy de sequências.

Classes Python para bioinformática — projetando classes Sequence, Gene e ProteinRecord com encapsulamento, métodos dunder, herança, ABCs e propriedades.

Tipos de dados Python para bioinformática: int, float, str, bool, None e conversões de tipo com exemplos biológicos. Use ao aprender como Python representa dados biológicos.

This skill should be used when the user asks to 'research package', 'package intel', 'what does [npm-pkg] do', 'add package to knowledge graph', 'enrich [pkg]', when adding depends_on [[npm-*]] relations, 'research crate', 'what does [crate] do', 'crate intel', 'rust package', 'pypi package', 'python package', 'go module', 'golang package', 'composer package', 'php package', 'ruby gem', 'gem intel

Python Essencial para bioinformática: tipos, manipulação de bio-strings (códons, complemento reverso), funções e I/O de arquivos FASTA/GenBank.

Explora o uso de listas e tuplas em bioinformática para extração de códons, registros de coordenadas genômicas, tuplas nomeadas e semântica de cópia, focando apenas em padrões bioespecíficos.

Review research code for reproducibility and quality, extract the paper's main empirical claims, compare paper to code, and write a constructive markdown report. Designed for quantitative marketing / economics projects with LaTeX papers and R or Python code.

Create distributable Python packages with proper project structure, setup.py/pyproject.toml, and publishing to PyPI. Use when packaging Python libraries, creating CLI tools, or distributing Python code.