Scientific

torchdrug es un toolkit nativo de PyTorch para machine learning molecular y de proteínas. Usa la skill de torchdrug para elegir tareas, datasets y modelos modulares para redes neuronales de grafos, modelado de proteínas, razonamiento sobre grafos de conocimiento, generación molecular y retrosíntesis. Es la mejor opción para desarrollar modelos a medida y trabajar con configuraciones reproducibles, no solo para demos cerradas.

optimize-for-gpu ayuda a convertir Python limitado por CPU en código para GPU NVIDIA con la elección correcta de librería. Úsalo para arrays, dataframes, pipelines de ML, análisis de grafos, imágenes, trabajo geoespacial, búsqueda vectorial y kernels personalizados. Orienta decisiones sobre CuPy, cuDF, cuML, cuGraph, cuCIM, cuVS, KvikIO, Numba CUDA y Warp, con uso práctico de optimize-for-gpu y consejos de migración.

diffdock es una skill de docking para predecir poses de unión proteína-ligando a partir de estructuras PDB o de secuencias de proteína junto con ligandos en SMILES, SDF o MOL2. Usa la skill diffdock para diseño de fármacos basado en estructura, cribado virtual y análisis de poses con puntuación de confianza. No sirve para predecir afinidad de unión.

Skill de scikit-survival para análisis de supervivencia y modelado de tiempo hasta el evento en Python. Usa esta guía para datos censurados, modelos de Cox, bosques aleatorios de supervivencia, gradient boosting, Survival SVM y métricas de supervivencia como el índice de concordancia y el puntaje de Brier.

scientific-schematics convierte prompts en lenguaje natural en diagramas científicos de calidad de publicación con refinamiento iterativo inteligente. Usa Nano Banana 2 para la generación y Gemini 3.1 Pro Preview para la revisión, y solo regenera cuando el resultado queda por debajo del umbral definido para tu tipo de documento. Está pensado para arquitecturas de redes neuronales, diagramas de sistemas, diagramas de flujo, rutas biológicas y otros visuales científicos complejos.

Skill de scanpy para el análisis de datos scRNA-seq de célula única en Python. Úsalo para QC, normalización, PCA, UMAP/t-SNE, clustering, descubrimiento de genes marcadores, análisis de trayectoria y gráficos listos para publicación. Es ideal para flujos exploratorios de scRNA-seq basados en AnnData, con uso claro de scanpy y guía de instalación.

La skill research-grants ayuda a convertir una idea de investigación en bruto en una propuesta lista para presentar a NSF, NIH, DOE, DARPA o Taiwan NSTC. Facilita el encaje con el patrocinador, la estructura conforme a requisitos, la justificación del presupuesto, el enfoque según criterios de evaluación y la redacción de secciones para investigadores principales, posdoctorados y redactores técnicos.

protocolsio-integration es una skill de integración con la API de protocols.io para gestionar protocolos científicos de forma programática. Úsala para buscar, crear, actualizar, publicar, editar pasos, organizar espacios de trabajo, gestionar comentarios y manejar archivos. Resulta especialmente útil para Backend Development, automatización de flujos de trabajo y el uso repetible de protocols.io.

La skill peer-review te ayuda a redactar revisiones formales y basadas en evidencia de manuscritos y solicitudes de subvención. Úsala para evaluar la metodología, las estadísticas, la reproducibilidad, la ética y estándares de reporte como CONSORT, STROBE o PRISMA, con comentarios constructivos que autores y editores puedan poner en práctica.

parallel-web es una skill de investigación y extracción web impulsada por parallel-cli. Ayuda a buscar en la web, extraer contenido de URLs, enriquecer datos a partir de fuentes y realizar investigaciones más profundas, con prioridad para fuentes académicas y científicas. Úsala para el uso de parallel-web, la investigación web, las citas y flujos de trabajo basados en evidencia.

paperzilla es una skill de chat y CLI para trabajar con proyectos de Paperzilla, recomendaciones, papers canónicos, resúmenes en markdown, comentarios y exportación de feeds. Úsala cuando necesites acceso directo a los datos de Paperzilla para investigación académica, no solo un resumen genérico. Ayuda con el uso de paperzilla, tareas de la guía de paperzilla y salida estructurada.

Skill de matplotlib para gráficos en Python con control total sobre ejes, etiquetas, leyendas, diseños y formatos de exportación. Úsalo para figuras científicas, análisis multipanel, tipos de gráficos personalizados y visualizaciones reproducibles cuando necesites más precisión que la que ofrece un prompt genérico de gráficos. Es una guía sólida de matplotlib para Análisis de Datos y para crear gráficos listos para publicación.

markdown-mermaid-writing es un skill de escritura de diagramas en Markdown y Mermaid para documentación científica y técnica. Úsalo para convertir flujos de trabajo, arquitecturas, análisis e informes en documentos editables, centrados en texto, con diagramas claros, facilidad para control de versiones y una forma práctica de usar markdown-mermaid-writing en redacción técnica.

latex-posters te ayuda a crear pósteres de investigación profesionales en LaTeX para congresos, simposios, defensas de tesis y comunicación científica. Cubre flujos de trabajo compatibles con paquetes como beamerposter, tikzposter y baposter, con orientación sobre diseño, jerarquía visual, figuras, citas y preparación de pósteres listos para impresión.

La skill literature-review facilita flujos de trabajo sistemáticos de revisión bibliográfica para investigación académica, incluyendo localización de fuentes, verificación de citas, síntesis temática y resultados pulidos en Markdown o PDF. Úsala para tareas de guías de literature-review, metaanálisis, revisiones exploratorias y briefs de investigación en ámbitos científicos y técnicos.

La skill de lamindb te ayuda a trabajar con LaminDB, un framework de código abierto para datos biológicos que hace que los datos sean consultables, trazables, reproducibles y FAIR. Úsala para lamindb en análisis de datos, curación de metadatos, anotación basada en ontologías, validación de esquemas y flujos de trabajo con conocimiento de linaje en notebooks y pipelines.

imaging-data-commons te ayuda a consultar y descargar datos públicos de imagen médica oncológica de NCI Imaging Data Commons con idc-index. Úsalo para trabajar con imaging-data-commons en conjuntos de CT, MR, PET y patología, incluyendo búsqueda de metadatos, vista previa en el navegador, comprobaciones de licencias y flujos de trabajo para entrenamiento de IA o análisis de datos. No requiere autenticación.

La skill de infografías te ayuda a crear visuales listos para publicar a partir de un tema, un conjunto de datos o una narrativa. Permite crear infografías para visualización de datos con generación de Nano Banana Pro, revisión de calidad con Gemini 3 Pro, investigación opcional, paletas accesibles y refinamiento iterativo para marketing, informes, líneas de tiempo, comparativas y diseños para redes sociales.

gget es una skill de bioinformática para acceder de forma rápida y unificada a más de 20 bases de datos genómicas y herramientas de análisis desde CLI o Python. Úsala para información de genes, búsquedas relacionadas con BLAST, estructuras de AlphaFold, datos de expresión, asociaciones con enfermedades y análisis de enriquecimiento. Encaja bien para exploración rápida y flujos de trabajo de análisis de datos con gget.

get-available-resources comprueba CPU, GPU, memoria y disco antes de flujos de trabajo científicos o de ML pesados. Devuelve una instantánea de recursos y recomendaciones prácticas para procesamiento paralelo, aceleración con GPU o enfoques seguros para la memoria, ayudando a los agentes a tomar mejores decisiones de ejecución en la automatización de flujos de trabajo.

La skill exploratory-data-analysis convierte archivos científicos en informes de EDA adaptados al formato. Detecta el tipo de archivo, resume la estructura y la calidad, extrae metadatos clave y sugiere el siguiente análisis. Úsala para exploratory-data-analysis en Data Analysis aplicada a química, bioinformática, microscopía, espectroscopía, proteómica, metabolómica y otros formatos de archivo científicos.

exa-search es una skill de investigación web impulsada por Exa para encontrar información actual y extraer contenido de URLs. Úsala para búsquedas, descubrimiento de fuentes, extracción de artículos y PDF, e investigación técnica o científica con recuperación semántica, filtrado al estilo académico y una guía clara de instalación y uso.

etetoolkit es un conjunto de herramientas para árboles filogenéticos en flujos de trabajo ETE. Usa la skill etetoolkit para analizar, editar, comparar, enraizar, podar y visualizar árboles en Newick, NHX, PhyloXML o NeXML. Admite filogenómica, análisis de ortología/paralogía, taxonomía NCBI y salida PDF o SVG con aspecto de publicación.

depmap ayuda a analizar el Cancer Dependency Map para obtener puntuaciones de dependencia génica en líneas celulares de cáncer, sensibilidad a fármacos y perfiles de efecto génico. Úsalo para identificar vulnerabilidades específicas del cáncer, interacciones sintéticas letales y validar dianas oncológicas con una guía reproducible de depmap para Data Analysis.