下载

Skill UI

浏览并发现 9688+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索包分析，共找到 62 条记录

默认排序最新上传最多下载

结构化科学论文检索

bgpt-paper-search

K-Dense-AI/scientific-agent-skills

本工具专为学术研究人员设计，能够检索科学文献数据库，并从全文论文中提取结构化的元数据和量化实验数据。它提供的包括方法、研究结果、样本量和质量评分，远超传统摘要搜索的范围。非常适用于进行系统综述、证据综合分析或需要详细、可比较研究细节的元分析。

系统发育树工具包

K-Dense-AI/scientific-agent-skills

一个用于系统发育树分析的套件，支持树结构操作、进化事件检测、NCBI分类学集成以及 PDF/SVG 等可视化，适合系统发育组学与基因家族研究。

基因组区间机器学习工具包

K-Dense-AI/scientific-agent-skills

Geniml是一个专为基因组区间数据（如BED文件）设计的Python工具包。它提供多种机器学习方法，如Region2Vec和BEDspace，用于学习基因组区域、单细胞数据和元数据的嵌入向量。该工具包支持维度降低、聚类分析、相似性搜索和构建共识参考峰集，是生物信息学和基因组学分析的强大辅助工具。

高性能基因组区间分析工具包

K-Dense-AI/scientific-agent-skills

Gtars是一个高性能的基因组信息学工具包，使用Rust语言编写并提供Python接口。它专注于基因组区间数据的处理与分析，核心功能包括：基因组区域重叠检测、覆盖度图谱生成、以及用于机器学习模型的基因组序列Tokenization。适用于计算基因组学、生物信息学和单细胞分析等领域。

NeuroKit2 生理信号处理

K-Dense-AI/scientific-agent-skills

NeuroKit2 提供心电、脑电、皮电、呼吸、肌电、眼电等生理信号的处理与分析流水线，包括清理、心率变异、复杂度与多模态集成，便于心理生理学与临床研究应用。

PathML 病理计算工具包

K-Dense-AI/scientific-agent-skills

PathML 是用于计算病理的 Python 工具集，支持多种切片格式、H&E 预处理、图谱构建和 HoVer-Net/HACTNet 训练，方便多重免疫荧光及空间蛋白组分析与管理。

系统发生树重建与分析工具包

K-Dense-AI/scientific-agent-skills

这是一个完整的系统发生学分析流程，用于重建生物序列（基因、蛋白质）的进化关系。流程涵盖了从多序列比对（MAFFT）到最大似然树构建（IQ-TREE 2），再到可视化和分析（ETE3）的完整生命周期。适用于病毒动力学、微生物基因组学、分子时钟分析等前沿生物信息学研究。

分子建模化学信息学工具包

K-Dense-AI/scientific-agent-skills

RDKit是一个功能全面的化学信息学库，提供强大的Python API，用于分子分析和操控。它支持读取和写入多种分子格式（如SMILES, SDF, InChI），计算理化描述符（分子量、LogP、TPSA），执行子结构搜索和立体化学分析。该工具对于药物发现、计算化学和高级化学信息学研究工作流程至关重要。

单细胞RNA测序分析流程

K-Dense-AI/scientific-agent-skills

Scanpy是一个基于AnnData的综合性Python工具包，专用于分析单细胞RNA测序数据。它提供了一个完整的、可扩展的单细胞基因组学分析工作流程，涵盖了从质量控制（QC）、标准化、降维（PCA、UMAP、t-SNE）到细胞聚类、标志基因识别和细胞类型注释的每一个关键步骤。适用于生成高质量单细胞图谱和进行探索性生物学分析。

scVelo RNA速度轨迹分析

K-Dense-AI/scientific-agent-skills

面向单细胞 RNA-seq 的 RNA 速度分析工具包，通过建模未剪接/已剪接转录本动力学推断细胞分化方向、潜在时间和驱动基因，可与 Scanpy 流程联动。

Python统计建模与计量分析

K-Dense-AI/scientific-agent-skills

Statsmodels是用于Python的专业统计建模和计量经济学库。它提供了一套完整的工具集，支持进行严格的统计推断，包括普通最小二乘回归（OLS）、广义线性模型（GLM）、混合效应模型和时间序列分析（ARIMA）。适用于计量经济学、生物统计学等领域，进行详细的诊断分析、系数估计和假设检验，生成专业报告。

零样本时间序列预测模型

timesfm-forecasting

K-Dense-AI/scientific-agent-skills

该技能利用Google的TimesFM基础模型，实现零样本时间序列预测。无需用户进行模型训练，即可对任何单变量时间序列（如销量、传感器数据或天气数据）进行高效预测。结果包含点预测值和校准的预测区间，提供了完整的概率预测视图，适用于各种时间序列数据分析。

上一页 1 2 345 6 下一页

语言