下载

Skill UI

浏览并发现 10585+ 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

搜索组学，共找到 21 条记录

默认排序最新上传最多下载

系统发育树工具包

K-Dense-AI/claude-scientific-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。

人类代谢物数据库查询

K-Dense-AI/claude-scientific-skills

通过 HMDB 检索 22 万余条人类代谢物信息，可按名称、ID、结构、疾病、标本筛选，获取化学、临床、通路和谱图数据并批量下载，支持代谢组学研究与生物标志物分析。

代谢组学工作台API

metabolomics-workbench-database

K-Dense-AI/claude-scientific-skills

通过 REST API 访问 NIH 代谢组学工作台，获取代谢物、RefMet 规范命名、质谱 m/z 检索与研究数据，支持生物标志物与代谢组学分析。

开放靶点数据库平台

opentargets-database

K-Dense-AI/claude-scientific-skills

通过 Open Targets GraphQL API 查询靶点-疾病关联、可成药性、安全性、药物及多组学证据，帮助完成治疗靶点发现、优先级排序、安全评估和药物再利用等工作。

单细胞生成建模工具集

K-Dense-AI/claude-scientific-skills

基于 PyTorch 的单细胞组学概率生成模型框架，统一 API 支持批次校正、数据整合、多模态/空间分析、差异表达与迁移学习，适合高级建模流程。

系统发生树重建与分析工具包

K-Dense-AI/claude-scientific-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。

AnnData：单细胞注释数据结构

K-Dense-AI/scientific-agent-skills

AnnData是一个专业的Python库，用于处理和分析注释化的矩阵数据，尤其适用于单细胞基因组学和生物信息学领域。它能高效存储实验测量值（X）和多维度的元数据（obs, var等）。本技能支持读取、写入、子集和拼接大型复杂数据集（如.h5ad、.zarr），是进行scRNA-seq分析和集成scverse生态系统的关键工具。

基因调控网络推断

K-Dense-AI/scientific-agent-skills

Arboreto是一个强大的Python库，用于从各种基因表达数据集（如单细胞或批量RNA-seq）推断基因调控网络（GRN）。它利用GRNBoost2和GENIE3等算法，识别转录因子与目标基因之间的关键调控关系。支持Dask分布式计算，适用于大规模高通量转录组学分析。

细胞图谱数据查询与分析

cellxgene-census

K-Dense-AI/scientific-agent-skills

该技能提供对CZ CELLxGENE大型公共单细胞和空间转录组学数据的程序化访问。用户无需下载整个数据集，即可按细胞类型、组织、疾病等维度进行高效查询，获取基因表达矩阵、元数据和预计算的嵌入信息。适用于大规模、跨数据集的生物学研究和模型训练。

DNAnexus基因组学云平台集成

dnanexus-integration

K-Dense-AI/scientific-agent-skills

这是一个用于在DNAnexus云平台上开发和执行基因组学分析流程的综合工具包。它覆盖了从应用构建、管理大型生物医学数据集（如FASTQ, BAM, VCF）到工作流编排和使用dxpy Python SDK进行程序化交互的全生命周期。

ESM蛋白质语言模型与设计

K-Dense-AI/scientific-agent-skills

该技能基于ESM（进化尺度模型）系列，为蛋白质组学和计算生物学提供全流程解决方案。核心功能包括：利用ESM3进行蛋白质序列生成（从头设计）、结构预测（序列到3D结构）和逆向折叠（结构到序列设计）。同时，可以使用ESMC模型提取高质量蛋白质嵌入，支持功能注释和高级生物信息学研究。

基因组区间机器学习

K-Dense-AI/scientific-agent-skills

Geniml是一个用于对基因组区间数据（BED文件）进行机器学习建模的Python工具包。它提供了多种无监督方法（如Region2Vec和BEDspace），用于学习基因组区域、单细胞（scATAC-seq）和元数据关联的鲁棒嵌入。适用于基因组学研究中的降维、聚类、细胞类型注释和跨模态查询等任务。

语言