“Agent Identity” 共 1,714 个结果
io.github.K-Dense-AI/scientific-agent-skills/pydeseq2
Performs bulk RNA-seq differential expression analysis with PyDESeq2, including count validation, formula designs, explicit contrasts, Wald tests, FDR correction, coefficient-matched LFC shrinkage, and result visualization. Use for PyDESeq2 or Python DESeq2 workflows with biological replicates.
io.github.K-Dense-AI/scientific-agent-skills/dask
Scales pandas, NumPy, and custom Python research workflows beyond memory or across clusters with Dask. Covers DataFrames, Arrays, Bags, Futures, chunking, schedulers, and distributed diagnostics. Use for partitioned file processing, scientific array computation, or parallel tasks whose memory and dependency structure require Dask.
io.github.K-Dense-AI/scientific-agent-skills/matlab
Builds, reviews, migrates, and plans MATLAB or GNU Octave numerical workflows. Use for arrays, tabular/time data, tests, projects, graphics, MAT files, and explicit Python interoperability.
io.github.K-Dense-AI/scientific-agent-skills/geomaster
Supports geospatial research workflows for remote sensing, vector and raster GIS, spatial statistics, terrain and network analysis, and machine learning for Earth observation. Use when processing satellite imagery, aligning coordinate systems and raster grids, accessing STAC catalogs, analyzing geospatial time series, or implementing scientific GIS workflows in Python, R, Julia, JavaScript, C++, Java, Go, or Rust.
io.github.K-Dense-AI/scientific-agent-skills/opentrons-integration
为 Flex 与 OT-2 机器人编写、审查、迁移、仿真并排查官方 Opentrons Python Protocol API v2 协议。适用于机器人专属的液体处理、deck 与 labware 设置、移液器、模块、运行时参数、液体类别，以及 Opentrons App 分析。当同一工作流需要支持多品牌机器人时改用 pylabrobot。
io.github.K-Dense-AI/scientific-agent-skills/gtars
在 Python、Rust 与 CLI 中使用 Gtars 完成本地基因组区间模型与集合代数、重叠与计数、consensus 与覆盖度、tokenization、片段处理，以及 refget/BEDbase 规划。
io.github.K-Dense-AI/scientific-agent-skills/networkx
使用 NetworkX 在 Python 中创建、分析和可视化复杂网络与图。适用于处理网络/图数据结构、运行图算法（最短路径、中心性、聚类）、社区发现、生成合成网络（随机图、无标度图、小世界图）、读写图文件格式，或绘制网络拓扑。常见应用包括社交、生物、交通与引文网络。
io.github.K-Dense-AI/scientific-agent-skills/latchbio-integration
使用 Python SDK、CLI、Latch Data 与 Registry、Nextflow、Snakemake、程序化执行与 Latch MCP，在 Latch 平台上构建、注册、调试并运行生物信息学工作流。适用于编写或部署 Latch 工作流、配置资源或接口、搬运数据、集成 Registry，以及启动和监控运行。
io.github.K-Dense-AI/scientific-agent-skills/rowan
Rowan 是带 Python API 的云原生分子建模与药物化学工作流平台。适用于 pKa 与大分子 pKa 预测、构象与互变异构体系综、对接与类似物对接、蛋白-配体共折叠、MSA 生成、分子动力学、通透性、描述符工作流，以及相关的小分子或蛋白建模任务。适合程序化批量筛选、多步化学流水线，以及原本需要自建 HPC/GPU 基础设施的工作流。
io.github.K-Dense-AI/scientific-agent-skills/pyzotero
使用 pyzotero Python 客户端操作 Zotero 参考文献库。通过 Zotero Web API v3 检索、创建、更新和删除条目、合集、标签与附件。适用于以编程方式操作 Zotero 文库、管理文献引用、导出引文、检索文库内容、上传 PDF 附件，或构建与 Zotero 集成的科研自动化工作流。
io.github.K-Dense-AI/scientific-agent-skills/modal
Modal 是按需运行 Python（含按需 GPU）的无服务器云平台。在使用 Modal SDK 部署或托管 AI/ML 模型、运行 GPU 加速负载（训练、微调、推理）、托管 Web 端点、调度批处理任务，或将 Python 代码扩展到云容器时使用。
io.github.K-Dense-AI/scientific-agent-skills/adaptyv
如何使用 Adaptyv Bio Foundry API 与 Python SDK 进行蛋白实验设计、提交与结果获取。只要用户提到 Adaptyv、Foundry API、蛋白结合实验、蛋白筛选实验、BLI/SPR 实验、热稳定性实验，或想提交蛋白序列进行实验表征，就使用本技能。当代码导入 `adaptyv`、`adaptyv_sdk`、`FoundryClient`，或引用 `foundry-api-public.adaptyvbio.com` 时也应触发。
io.github.K-Dense-AI/scientific-agent-skills/polars
面向 Python ETL、分析与 pandas 迁移的高性能 DataFrame 库。适用于基于表达式的数据操作，支持惰性查询优化、并行执行、流式跨核处理、Arrow 互操作与可选的 GPU 执行。
io.github.K-Dense-AI/scientific-agent-skills/geopandas
面向直接使用 GeoPandas GeoSeries、GeoDataFrame、空间运算或矢量数据 I/O 的 Python 工作流的指导与本地审计工具。
io.github.K-Dense-AI/scientific-agent-skills/esm
在使用 `esm` Python SDK、ESM3 或 ESMC 模型 ID、Forge/Biohub 推理客户端或 ESMFold2 折叠工作流时使用。
io.github.K-Dense-AI/scientific-agent-skills/statsmodels
Python 统计模型库。当需要具体的模型类（OLS、GLM、混合模型、ARIMA）并要详尽的诊断、残差与推断时使用。最适合计量经济学、时间序列，以及带系数表的严格推断。需要引导式统计检验选择与 APA 报告时使用 statistical-analysis。
io.github.K-Dense-AI/scientific-agent-skills/scikit-learn
使用 scikit-learn 在 Python 中进行机器学习。适用于监督学习（分类、回归）、无监督学习（聚类、降维）、模型评估、超参数调优、预处理或构建 ML 流水线。提供算法、预处理技术、流水线与最佳实践的全面参考文档。
io.github.K-Dense-AI/scientific-agent-skills/optimize-for-gpu
将科学 Python 工作负载加速到 NVIDIA GPU 上，并验证结果正确且更快。适用于 CUDA/GPU 优化；CPU 受限的 NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、向量检索、图像处理、图、仿真或文件 I/O 负载；CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA、RAFT 相关问题；以及性能剖析、内存搬运、kernel 或多 GPU 瓶颈。当大规模数据并行的 Python 代码很慢且 GPU 加速是合理选项时也应使用，即使用户没有提到 CUDA。
io.github.K-Dense-AI/scientific-agent-skills/benchling-integration
Benchling Python SDK 与 REST API 集成，覆盖 registry 实体、库存、ELN 条目、工作流、Benchling Apps 与 Data Warehouse 查询。在使用 benchling-sdk 或 v2 API 自动化实验室数据时使用。
io.github.K-Dense-AI/scientific-agent-skills/astropy
面向需要 Astropy API 的天文与天体物理工作流的核心 Python 库，涵盖单位/量纲、坐标、FITS I/O、表格、时间系统、WCS 与宇宙学。在使用 Astropy 实现或调试天文数据分析代码时使用。
io.github.K-Dense-AI/scientific-agent-skills/datamol
RDKit 的 Pythonic 封装，接口更简单、默认值更合理。标准药物发现任务的首选：SMILES 解析、标准化、描述符、指纹、聚类、3D 构象、并行处理。返回原生 rdkit.Chem.Mol 对象。需要高级控制或自定义参数时直接使用 rdkit。
io.github.K-Dense-AI/scientific-agent-skills/pysam
基于 Python/HTSlib 的基因组文件工作流。在使用 pysam 读取、查询、过滤或写出 SAM/BAM/CRAM、VCF/BCF、FASTA/FASTQ 或 tabix 数据时使用，包括 pileup、覆盖度、索引与 CRAM 参考。
io.github.K-Dense-AI/scientific-agent-skills/zarr-python
用于云存储的分块 N 维数组（Zarr-Python 3）。压缩数组、并行 I/O、经 fsspec 访问 S3/GCS、兼容 NumPy/Dask/Xarray，适用于大规模科学计算流水线。
io.github.K-Dense-AI/scientific-agent-skills/paperclip
使用 GXL 的 Paperclip CLI 检索和阅读生物医学论文全文、FDA/PMDA/EMA 监管文件、临床试验注册信息和 UniProt/PDB/ChEMBL 条目。涵盖用 PAPERCLIP_API_KEY 安装与鉴权 `paperclip` 二进制、/papers、/fda、/trials、/proteins、/clipboard 下的只读虚拟文件系统、来源范围的语义搜索、全语料 grep、元数据查询与 SQL、跨多篇论文的 map/reduce 阅读、图像视觉分析、带论断核验的可选论文仓库，以及锁定行号的引用。当被要求安装 paperclip、运行 paperclip search/grep/map/reduce/sql/repo、通过 paperclip 查找或阅读生物医学文献、监管文件或临床试验，或生成带行号的引用时使用。
