下载

Skill UI

浏览并发现 10029+ 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

搜索设计工具，共找到 15 条记录

默认排序最新上传最多下载

Power BI数据模型设计审查

power-bi-model-design-review

github/awesome-copilot

这是一个全面的Power BI数据模型设计审查工具。它旨在指导用户评估数据模型的架构完整性、关系设计质量、存储模式选择、数据质量和性能优化。适用于任何需要确保BI模型具备高性能、高可维护性和高扩展性的场景。

Power BI 性能排查指南

power-bi-performance-troubleshooting

github/awesome-copilot

提供系统的 Power BI 性能排查与优化流程，涵盖模型、DAX、报表设计和容量诊断，并结合工具数据帮助定位瓶颈、加速加载与交互。

DeepChem：分子结构与化学计算

K-Dense-AI/scientific-agent-skills

DeepChem是一个综合性的Python库，专为将机器学习应用于化学、材料科学和生物学等领域设计。它支持分子属性预测（如ADMET、毒性），利用图神经网络（GNNs）训练模型，并处理多种分子数据格式（SMILES, SDF）。该库提供了丰富的特征化选项，是药物发现和计算化学研究的强大基础工具。

蛋白质糖基化分析与工程设计

glycoengineering

K-Dense-AI/scientific-agent-skills

本技能提供全面的工具用于分析和工程化蛋白质的糖基化修饰。它可以扫描氨基酸序列识别N-糖基化位点（N-X-S/T）并预测O-糖基化热点。主要应用于优化治疗性抗体、设计疫苗抗原和分析生物类似物，从而改善蛋白质的稳定性、功能或免疫逃逸能力。

基因组区间分析与处理工具

K-Dense-AI/scientific-agent-skills

Gtars是一个高性能的基因组区间分析工具包，基于Rust开发并提供Python绑定。它专为处理基因组区间数据而设计，功能包括重叠区域检测、覆盖度轨道生成（WIG/BigWig）、用于机器学习模型的基因组序列Tokenization，以及单细胞基因组学中的片段分析。适用于构建复杂的生物信息学分析流程。

全玻片图像分析与预处理

K-Dense-AI/scientific-agent-skills

Histolab是一个专业的数字病理学图像处理Python库。它能够自动化处理全玻片图像（WSI），实现组织区域的自动检测、精确分割和小块切片提取。该工具是为准备深度学习数据集和进行复杂的计算病理学分析流程而设计的。

科学假设生成

hypothesis-generation

K-Dense-AI/scientific-agent-skills

本工具是一个遵循科学方法论的系统化流程，用于从观察或初步数据中构建可检验的科学假设。它指导用户完成文献综述、证据综合、提出竞争性假设和设计实验等全过程，尤其强调必须结合AI生成的科学图表来完善假设报告。

分子特征化与机器学习

K-Dense-AI/scientific-agent-skills

Molfeat是一个全面的分子特征化工具包，用于将化学结构（如SMILES）转化为机器学习所需的数值表示。它集成了超过100种特征计算器（包括ECFP、MACCS和预训练模型），广泛应用于QSAR药物设计、虚拟筛选和深度学习模型构建，是化学信息学领域的核心工具。

神经记录数据分析流程

neuropixels-analysis

K-Dense-AI/scientific-agent-skills

这是一个为神经像素高密度电生理记录设计的端到端分析工具包。它基于SpikeInterface的最佳实践，覆盖了完整的分析工作流：包括数据加载（如SpikeGLX, NWB）、预处理、运动/漂移校正、尖峰排序（如Kilosort4）、计算质量指标和精细的单元精修。适用于神经科学研究。

计算病理学全流程分析工具包

K-Dense-AI/scientific-agent-skills

PathML是一个全面的计算病理学Python工具包，专为全流程病理图像分析设计。它支持加载160多种专有WSI格式，并提供从 stain 归一化、细胞核分割到构建空间图谱等核心功能。特别适用于多重免疫荧光和空间蛋白质组学的深度学习模型训练与大规模生物医学图像分析。

PyDESeq2：RNA-seq差异表达分析

K-Dense-AI/scientific-agent-skills

这是一个基于Python的工具包，用于对批量RNA-seq计数数据进行差异基因表达分析。它支持从多种格式加载数据，并处理复杂的单/多因素设计（如校正批次效应）。用户可以执行完整的DESeq2统计流程，包括标准化、拟合和进行严格的Wald检验。非常适合将生物信息学分析流程从R语言迁移到Python环境。

质谱分析与数据处理平台

K-Dense-AI/scientific-agent-skills

这是一个基于Python的质谱分析计算平台，专为蛋白质组学和代谢组学工作流设计。它支持从原始MS数据到鉴定、定量（包括无标签和等位素定量）的完整分析流程，能够处理复杂的LC-MS/MS数据，是生物信息学研究的强大工具。

语言