技能大全

适用于超出内存或跨集群扩展的pandas/NumPy工作流的分布式计算。当需要将现有pandas/NumPy代码扩展到内存之外或跨集群时使用。最适合并行文件处理、分布式机器学习以及与现有pandas代码集成。若需单机外存分析，请使用vaex；若追求内存内速度，请使用polars。

与Data Commons合作，这是一个提供全球公共统计数据程序化访问的平台。在处理人口统计数据、经济指标、健康统计、环境数据或任何通过Data Commons可获取的公共数据集时，可使用此技能。适用于查询人口统计、GDP数据、失业率、疾病流行情况、地理实体解析，并探索统计实体之间的关系。

基于RDKit的Pythonic封装，提供简化接口与合理默认配置。专为标准药物发现流程优化，涵盖SMILES解析、结构标准化、分子描述符计算、指纹生成、聚类分析、3D构象生成及并行处理。始终返回原生rdkit.Chem.Mol对象。如需高级控制或自定义参数，请直接调用RDKit底层接口。

分子机器学习，具备多样化特征提取器和预置数据集。适用于属性预测（如ADMET、毒性评估），支持传统机器学习或图神经网络，尤其适合需要丰富特征化选项和MoleculeNet基准测试的场景。最适合利用预训练模型和多种分子表征进行快速实验。若需优先处理图结构的PyTorch工作流，推荐使用torchdrug；若需基准数据集，推荐使用pytdc。

NGS分析工具包。支持BAM转bigWig格式转换，质量控制（相关性分析、主成分分析、指纹图谱），热图/谱图绘制（转录起始位点、峰区分析），适用于ChIP-seq、RNA-seq、ATAC-seq数据可视化。

多智能体人工智能系统，专为科研辅助设计，能够自动化从数据分析到发表的全流程研究工作。该技能适用于从数据集生成研究思路、制定研究方法论、执行计算实验、进行文献检索，以及生成LaTeX格式的出版就绪论文。支持端到端的研究流程，并提供可定制的智能体协同编排功能。

基于扩散的分子对接。从PDB/SMILES预测蛋白质-配体结合构象，提供置信度评分，支持虚拟筛选，用于基于结构的药物设计。不适用于亲和力预测。

DNAnexus云基因组学平台。构建应用程序/小程序，管理数据（上传/下载），dxpy Python SDK，运行工作流，支持FASTQ/BAM/VCF格式，用于基因组学流程开发与执行。

文档工具包（.docx）。创建/编辑文档，追踪修订，添加注释，保持格式完整，提取文本，专为专业文档处理设计。

PDF处理工具包。提取文本/表格、创建PDF、合并/拆分、填写表单，适用于程序化文档处理与分析。

演示文稿工具包 (.pptx)。用于创建/编辑幻灯片、布局、内容、演讲者备注、批注，支持通过编程方式生成和修改演示文稿。

电子表格工具包 (.xlsx/.csv)。支持创建/编辑含公式与格式的表格，具备数据处理、可视化分析、公式重算功能，适用于电子表格处理与分析。

访问并分析DrugBank数据库中的全面药物信息，包括药物属性、相互作用、靶点、通路、化学结构及药理学数据。本功能适用于处理药物数据、药物发现研究、药理学分析、药物相互作用评估、靶点识别、化学相似性搜索、ADMET（吸收、分布、代谢、排泄和毒性）预测，以及任何需要从DrugBank获取详细药物及药物靶点信息的任务。

通过API/FTP访问欧洲核苷酸档案库。可按登录号获取DNA/RNA序列、原始读数（FASTQ格式）、基因组组装数据，适用于基因组学和生物信息学流程。支持多种数据格式。

查询Ensembl基因组数据库REST API，覆盖250多个物种。支持基因查找、序列提取、变异分析、比较基因组学、同源基因查询、VEP预测等功能，适用于基因组研究。

蛋白质语言模型综合工具包，涵盖ESM3（跨序列、结构与功能的多模态生成式蛋白质设计）和ESM C（高效蛋白质嵌入与表征）。适用于蛋白质序列分析、结构预测、功能推断、新型蛋白质设计、蛋白质嵌入生成、逆向折叠研究及蛋白质工程任务。支持本地模型部署与基于云的Forge API调用，可实现可扩展的推理计算。

系统发育树工具包（ETE）。支持树形结构操作（Newick/NHX格式）、进化事件检测、直系/旁系同源分析、NCBI分类学数据集成，以及面向系统发育基因组学的可视化输出（PDF/SVG格式）。

对200多种文件格式的科学数据文件执行全面的探索性数据分析。此技能适用于分析任何科学数据文件时，用于理解其结构、内容、质量和特征。自动检测文件类型并生成详细的Markdown报告，包含特定格式分析、质量指标和下游分析建议。涵盖化学、生物信息学、显微成像、光谱学、蛋白质组学、代谢组学及通用科学数据格式。