技能大全

直接通过REST API访问PubMed。支持高级布尔/MeSH查询、E-utilities接口、批量处理及文献管理功能。在Python工作流中推荐使用biopython（Bio.Entrez模块）。适用于直接HTTP/REST操作或定制化API开发场景。

高性能强化学习框架，专为速度与规模优化而设计。适用于需要快速并行训练、向量化环境、多智能体系统或游戏环境（如Atari、Procgen、NetHack）集成的场景。相比标准实现可获得2-10倍的加速效果。若需快速原型设计或具有详尽文档的标准算法实现，建议选用stable-baselines3。

差异基因表达分析（Python DESeq2）。通过沃尔德检验、错误发现率校正及火山图/MA图绘制，从批量RNA-seq计数数据中识别差异表达基因，适用于RNA-seq分析流程。

用于处理DICOM（医学数字成像与通信）文件的Python库。适用于以下场景：读取、写入或修改DICOM格式的医学影像数据，从医学图像（CT、MRI、X光、超声）中提取像素数据，对DICOM文件进行匿名化处理，操作DICOM元数据和标签，将DICOM图像转换为其他格式，处理压缩的DICOM数据，或处理医学影像数据集。适用于涉及医学图像分析、PACS系统、放射学工作流程和医疗影像应用的任务。

综合性医疗人工智能工具包，用于利用临床数据开发、测试和部署机器学习模型。该技能适用于处理电子健康记录（EHR）、临床预测任务（死亡率、再入院率、药物推荐）、医疗编码系统（ICD、NDC、ATC）、生理信号（EEG、ECG）、医疗数据集（MIMIC-III/IV、eICU、OMOP），或为医疗应用实施深度学习模型（RETAIN、SafeDrug、Transformer、GNN）。

供应商无关的实验室自动化框架。适用于控制多种设备类型（如Hamilton、Tecan、Opentrons、酶标仪、泵等）或需要跨不同供应商统一编程的场景。最适合复杂工作流程、多供应商设备组合及仿真模拟。若仅需使用Opentrons官方API编写协议，opentrons-integration工具可能更为简便。

材料科学工具包。晶体结构（CIF、POSCAR）、相图、能带结构、态密度、材料计划集成、格式转换，专为计算材料科学设计。

基于PyMC的贝叶斯建模。构建分层模型、马尔可夫链蒙特卡罗（NUTS算法）、变分推断、留一法/WAIC模型比较、后验检验，实现概率编程与统计推断。

多目标优化框架。NSGA-II、NSGA-III、MOEA/D算法，帕累托前沿，约束处理，基准测试问题（ZDT、DTLZ系列），适用于工程设计与优化问题。

完整的质谱分析平台。适用于蛋白质组学工作流程，包括特征检测、肽段鉴定、蛋白质定量以及复杂的液相色谱-串联质谱（LC-MS/MS）分析流程。支持多种文件格式和算法。最适合蛋白质组学及全面的质谱数据处理。若需进行简单的谱图比对和代谢物鉴定，请使用matchms。

基因组文件工具包。支持读写SAM/BAM/CRAM比对文件、VCF/BCF变异文件、FASTA/FASTQ序列文件，具备区域提取与覆盖度计算功能，专为二代测序数据处理流程设计。

治疗数据共享平台。提供面向人工智能的药物发现数据集（如ADME、毒性、药物靶点相互作用）、基准测试、骨架分割、分子预测模型，服务于治疗性机器学习和药理学预测。

深度学习框架（PyTorch Lightning）。将PyTorch代码组织为LightningModule模块，配置支持多GPU/TPU的Trainer训练器，实现数据管道、回调函数、日志记录（W&B、TensorBoard）以及分布式训练（DDP、FSDP、DeepSpeed），以支持可扩展的神经网络训练。

IBM量子计算框架。适用于针对IBM量子硬件、使用Qiskit Runtime处理生产工作负载，或需要IBM优化工具的场景。最适合IBM硬件执行、量子误差缓解及企业级量子计算。若需谷歌硬件请选用Cirq；基于梯度的量子机器学习推荐PennyLane；开放量子系统模拟则建议使用QuTiP。

量子物理开放系统仿真库。适用于研究主方程、林德布拉德动力学、退相干、量子光学或腔量子电动力学。最适合物理研究、开放系统动力学及教育仿真。不适用于基于电路的量子计算——量子算法与硬件执行请使用qiskit、cirq或pennylane。

用于精细分子控制的化学信息学工具包。支持SMILES/SDF解析、分子描述符计算（分子量、LogP、拓扑极性表面积）、分子指纹生成、子结构搜索、2D/3D结构生成、相似性比对及反应处理。若需简化界面的标准化工作流程，推荐使用datamol（基于RDKit的封装工具）。如需高级控制、自定义分子净化或专用算法，请直接使用rdkit。

查询Reactome REST API用于通路分析、富集分析、基因-通路映射、疾病通路、分子相互作用、表达分析，以支持系统生物学研究。

撰写国家科学基金会（NSF）、国立卫生研究院（NIH）、能源部（DOE）、国防高级研究计划局（DARPA）及台湾国家科学及技术委员会（NSTC）的竞争性研究计划书，需针对各机构特点进行定制化设计，重点关注以下核心要素： --- ### **一、机构差异化要求** 1. **NSF** - **格式**：遵循《计划书准备指南》（PAPPG），侧重“智力价值”与“广泛影响”双核心。 - **评审标准**：科学价值、可行性、研究者资质、社会效益（如教育推广、公众参与）。 - **预算**：详细列示人员、设备、差旅费，需区分直接成本与间接成本。 - **创新叙事**：强调基础研究的突破性与学科交叉潜力。 2. **NIH** - **格式**：采用《SF424申请表》，聚焦“公共卫生相关性”。 - **评审标准**：科学严谨性、创新性、研究者能力、研究环境、临床或转化潜力。 - **预算**：按NIH模块化预算或详细预算要求编制，注重人力投入与动物/临床实验成本。 - **显著性陈述**：明确阐述对疾病预防、诊断或治疗的潜在贡献。 3. **DOE** - **格式**：遵循《实验室计划书指南》，突出“能源安全”“技术创新”与“科学基础设施”。 - **评审标准**：技术可行性、能源效益、国家战略匹配度、团队跨领域协作能力。 - **预算**：强调设备采购与规模化实验成本，需附能源效益经济分析。 - **广泛影响**：说明对清洁能源、制造业或国家安全领域的推动作用。 4. **DARPA** - **格式**：遵循《招标书》（BAA）特定模板，强调“颠覆性技术”与“军事应用潜力”。 - **评审标准**：技术风险管控、突破性创新、短期可验证里程碑、跨学科整合。 - **预算**：分阶段列明里程碑资金需求，注重快速原型开发与测试成本。 - **合规要点**：需包含数据权属、出口管制（ITAR/EAR）及安全审查计划。 5. **台湾NSTC** - **格式**：依《专题研究计划申请书》撰写，侧重“学术前沿性”与“产业联动”。 - **评审标准**：学术影响力、技术落地潜力、青年学者培养、国际合作机制。 - **预算**：按人事费、业务费、设备费分类，常要求匹配企业或机构资金。 - **社会影响**：强调技术转移、产业升级或地方创新生态系统建设。 --- ### **二、通用核心策略** 1. **显著性陈述** - 用具体数据说明研究空白，例如：“当前技术效率极限为X，本项目目标提升至Y，有望解决Z领域长期瓶颈。” 2. **创新叙事** - 采用“痛点-解决方案”框架，例如：“传统方法受限于A，本项目通过B新技术，首次实现C功能，突破D理论假设。” 3. **广泛影响** - 量化社会效益：如“培养X名跨领域研究生”“通过开源平台赋能Y行业”“潜在经济效益达Z规模”。 4. **合规性检查** - 验证页数限制、字体格式、附录材料要求。 - 确保利益冲突声明、数据管理计划（DMP）、动物/人体实验伦理审批齐全。 --- ### **三、预算编制要点** - **人员投入**：合理分配PI、博士后、研究生工时。 - **间接成本**：按机构协商费率计算（NSF通常≤60%，NIH各校差异大）。 - **国际协作**：如涉及跨境合作，需说明资金分配与知识产权协议。 - **设备采购**：论证必要性并对比市售型号性价比。 --- ### **四、计划书优化建议** 1. **差异化摘要**：针对机构使命调整首段引述（如NSF强调“科学前沿”，DARPA侧重“技术突袭”）。 2. **评审模拟**：邀请跨领域专家模拟评审，针对性修补逻辑漏洞。 3. **可视化设计**：采用技术路线图、里程碑甘特图增强可读性。 4. **预提交审查**：利用机构预审服务（如NSF FastLane校验、NIH ASSIST系统）。 --- **范例片段（NIH风格显著性陈述）** > “本项目通过开发新型生物标记物检测平台，有望将早期肺癌诊断灵敏度从当前70%提升至95%，直接应对《健康中国2030》中癌症早筛需求，预计五年内可覆盖高危人群超1000万人次。” 通过精准匹配机构价值观、结构化呈现方法论、量化社会影响力，并严格执行格式规范，可显著提升计划书竞争力。建议结合具体招标指南（如DARPA BAA编号、NSTC年度重点领域）进行微观调整。