Scientific

torchdrug ist ein PyTorch-nahes Toolkit für maschinelles Lernen mit Molekülen und Proteinen. Nutzen Sie den torchdrug Skill, um Tasks, Datensätze und modulare Modelle für Graph Neural Networks, Proteinmodellierung, Knowledge-Graph-Reasoning, Molekülgenerierung und Retrosynthese auszuwählen. Am besten geeignet für die Entwicklung eigener Modelle und reproduzierbare Konfigurationen, nicht nur für vorgefertigte Demos.

optimize-for-gpu hilft dabei, CPU-gebundenes Python mit der passenden Bibliothekswahl in NVIDIA-GPU-Code zu überführen. Geeignet für Arrays, DataFrames, ML-Pipelines, Graphanalyse, Bildverarbeitung, Geodaten, Vektorsuche und eigene Kernel. Das Skill unterstützt bei Entscheidungen rund um CuPy, cuDF, cuML, cuGraph, cuCIM, cuVS, KvikIO, Numba CUDA und Warp und liefert praxisnahe Hinweise zur Nutzung von optimize-for-gpu sowie zur Migration.

diffdock ist ein Docking-Skill zur Vorhersage von Protein-Ligand-Bindungsposen aus PDB-Strukturen oder aus Proteinsequenzen plus Liganden in SMILES, SDF oder MOL2. Verwenden Sie den diffdock Skill für structure-based drug design, virtuelles Screening und Posenanalyse mit Konfidenzwertung. Er ist nicht für die Vorhersage der Bindungsaffinität gedacht.

scikit-survival Skill für Survival Analysis und Time-to-Event-Modellierung in Python. Nutzen Sie diesen Leitfaden für zensierte Daten, Cox-Modelle, Random Survival Forests, Gradient Boosting, Survival SVMs und Überlebensmetriken wie den Concordance Index und den Brier Score.

scientific-schematics wandelt natürlichsprachliche Prompts in wissenschaftliche Diagramme in Publikationsqualität um – mit intelligenter, iterativer Verfeinerung. Für die Generierung nutzt es Nano Banana 2, für die Prüfung Gemini 3.1 Pro Preview und erzeugt Ergebnisse nur dann neu, wenn die Ausgabe den Schwellenwert für deinen Dokumenttyp unterschreitet. Gedacht für neuronale Netzarchitekturen, Systemdiagramme, Flussdiagramme, biologische Signalwege und andere komplexe wissenschaftliche Visualisierungen.

scanpy-Skill für die Analyse von Single-Cell-RNA-seq-Daten in Python. Geeignet für QC, Normalisierung, PCA, UMAP/t-SNE, Clustering, Markergen-Analyse, Trajektorienanalyse und Plots in Publikationsqualität. Am besten für explorative scRNA-seq-Workflows rund um AnnData, mit klaren Hinweisen zur Nutzung von scanpy und zur Installation.

Die research-grants Skill hilft dabei, eine grobe Forschungsidee in einen einreichungsreifen Förderantrag für NSF, NIH, DOE, DARPA oder Taiwan NSTC zu überführen. Sie unterstützt bei der Passung zum Fördergeber, einer regelkonformen Struktur, der Budgetbegründung, der Ausrichtung an Review-Kriterien und beim Ausformulieren von Abschnitten für Principal Investigators, Postdocs und technische Redakteure.

protocolsio-integration ist ein protocols.io API-Integrations-Skill zur programmgesteuerten Verwaltung wissenschaftlicher Protokolle. Nutze ihn für Suche, Erstellen, Aktualisieren, Veröffentlichen, Bearbeiten von Schritten, Organisation von Workspaces, Kommentare und Dateiverwaltung. Besonders hilfreich ist protocolsio-integration für Backend-Entwicklung, Workflow-Automatisierung und die wiederholbare Nutzung von protocols.io.

Die peer-review Skill hilft dir, formale, evidenzbasierte Gutachten zu Manuskripten und Förderanträgen zu verfassen. Nutze sie, um Methodik, Statistik, Reproduzierbarkeit, Ethik und Berichtstandards wie CONSORT, STROBE oder PRISMA zu bewerten – mit konstruktivem Feedback, das Autor:innen und Herausgeber:innen direkt umsetzen können.

parallel-web ist ein Skill für Web-Recherche und Extraktion, der auf parallel-cli basiert. Er hilft dir beim Web-Suchen, beim Extrahieren von URL-Inhalten, beim Anreichern von Daten aus Quellen und bei tiefergehender Recherche, wobei wissenschaftliche und akademische Quellen priorisiert werden. Verwende ihn für die Nutzung von parallel-web, Web-Recherche, Zitate und evidenzbasierte Workflows.

paperzilla ist ein Chat- und CLI-Skill für die Arbeit mit Paperzilla-Projekten, Empfehlungen, kanonischen Papers, Markdown-Zusammenfassungen, Feedback und Feed-Export. Verwende ihn, wenn du direkten Zugriff auf Paperzilla-Daten für akademische Forschung brauchst und nicht nur eine generische Zusammenfassung. Er hilft bei der Nutzung von paperzilla, bei paperzilla-Guide-Aufgaben und bei strukturierten Ausgaben.

matplotlib-Skill für Python-Plots mit voller Kontrolle über Achsen, Beschriftungen, Legenden, Layouts und Exportformate. Nutze ihn für wissenschaftliche Abbildungen, mehrteilige Analysen, benutzerdefinierte Diagrammtypen und reproduzierbare Visualisierungen, wenn du mehr Präzision brauchst als ein generischer Chart-Prompt bietet. Ein starker matplotlib-Leitfaden für Data Analysis und publikationsreife Plots.

markdown-mermaid-writing ist eine Skill zum Schreiben von Markdown- und Mermaid-Diagrammen für wissenschaftliche und technische Dokumentation. Damit lassen sich Workflows, Architekturen, Analysen und Berichte in editierbare, textzentrierte Dokumente mit klaren Diagrammen verwandeln – gut für Versionierung und praxisnahe Nutzung von markdown-mermaid-writing im Technical Writing.

latex-posters hilft dir, professionelle Forschungsplakate in LaTeX für Konferenzen, Symposien, Disputation und wissenschaftliche Kommunikation zu erstellen. Das Skill deckt package-sensible Workflows für beamerposter, tikzposter und baposter ab – inklusive Hinweise zu Layout, Hierarchie, Abbildungen, Zitaten und druckreifem Posterdesign.

Die literature-review-Skill unterstützt systematische Literature-Review-Workflows für akademische Recherche, einschließlich Quellensuche, Zitationsprüfung, thematischer Synthese sowie sauber aufbereiteter Markdown- oder PDF-Ausgaben. Verwende sie für Literaturreview-Leitfäden, Metaanalysen, Scoping Reviews und Research Briefs in wissenschaftlichen und technischen Fachgebieten.

Die lamindb-Skill hilft dir bei der Arbeit mit LaminDB, einem Open-Source-Framework für biologische Daten, das Daten abfragbar, nachvollziehbar, reproduzierbar und FAIR macht. Nutze sie für lamindb bei der Datenanalyse, Metadatenkuratierung, ontologiebasierten Annotation, Schema-Validierung und lineage-bewussten Workflows in Notebooks und Pipelines.

imaging-data-commons hilft dir, öffentliche Krebs-Bilddaten aus dem NCI Imaging Data Commons mit `idc-index` abzufragen und herunterzuladen. Nutze es für imaging-data-commons-Anwendungen über CT-, MR-, PET- und Pathologie-Datensätze hinweg, einschließlich Metadatensuche, Browser-Vorschau, Lizenzprüfung sowie Workflows für KI-Training oder Datenanalyse. Keine Authentifizierung erforderlich.

Das Infographics-Skill hilft dir, aus einem Thema, Datensatz oder einer Story veröffentlichungsreife Visuals zu erstellen. Es unterstützt Infographics für Datenvisualisierung mit Nano Banana Pro für die Generierung, Gemini 3 Pro für die Qualitätsprüfung, optionaler Recherche, barrierearmen Farbpaletten und iterativer Verfeinerung für Marketing, Berichte, Zeitachsen, Vergleiche und Social-Media-Layouts.

gget ist eine Bioinformatik-Skill für den schnellen, einheitlichen Zugriff auf mehr als 20 genomische Datenbanken und Analysewerkzeuge über CLI oder Python. Nutzen Sie ihn für Geninformationen, BLAST-nahe Abfragen, AlphaFold-Strukturen, Expressionsdaten, Krankheitsassoziationen und Analysen im Stil von Enrichment-Workflows. Er eignet sich für schnelle Exploration und für gget in Data-Analysis-Workflows.

get-available-resources prüft vor rechenintensiven wissenschaftlichen oder ML-Workflows CPU, GPU, Arbeitsspeicher und Festplatte. Es liefert eine Ressourcenübersicht sowie praxisnahe Empfehlungen für parallele Verarbeitung, GPU-Beschleunigung oder speicherschonende Vorgehensweisen und hilft Agents so, bessere Ausführungsentscheidungen für die Workflow-Automatisierung zu treffen.

Die exploratory-data-analysis-Skill verwandelt wissenschaftliche Dateien in formatbewusste EDA-Berichte. Sie erkennt den Dateityp, fasst Struktur und Qualität zusammen, extrahiert wichtige Metadaten und schlägt Folgeanalysen vor. Nutzen Sie sie für exploratory-data-analysis zur Datenanalyse in Chemie, Bioinformatik, Mikroskopie, Spektroskopie, Proteomik, Metabolomik und anderen wissenschaftlichen Dateiformaten.

exa-search ist eine Web-Recherche-Skill auf Basis von Exa für das Finden aktueller Informationen und das Extrahieren von Inhalten aus URLs. Sie eignet sich für Suche, Quellenrecherche, Artikel- und PDF-Extraktion sowie technische oder wissenschaftliche Recherchen mit semantischer Suche, akademischer Filterung und klaren Hinweisen zu Installation und Nutzung.

etetoolkit ist ein Toolkit für phylogenetische Bäume im ETE-Workflow. Verwenden Sie das etetoolkit-Skill zum Parsen, Bearbeiten, Vergleichen, Rooten, Beschneiden und Visualisieren von Bäumen in Newick, NHX, PhyloXML oder NeXML. Es unterstützt Phylogenomik, Orthologie-/Paralogie-Analysen, NCBI-Taxonomie sowie PDF- oder SVG-Ausgabe im Publikationsstil.

depmap unterstützt die Analyse der Cancer Dependency Map für Gen-Dependency-Scores von Krebszelllinien, Arzneimittel-Empfindlichkeit und Gene-Effect-Profile. Nutzen Sie es, um krebsspezifische Schwachstellen, synthetisch-letale Interaktionen und validierte Wirkstoffziele in der Onkologie mit einem reproduzierbaren depmap-Leitfaden für Data Analysis zu identifizieren.