Bioinformatics

torchdrug は、分子およびタンパク質の機械学習に特化した PyTorch ネイティブのツールキットです。torchdrug skill を使えば、グラフニューラルネットワーク、タンパク質モデリング、知識グラフ推論、分子生成、逆合成に向けて、タスク、データセット、モジュール型モデルを見極められます。用意されたデモを見るだけでなく、カスタムモデル開発と再現性の高い設定を重視する場合に最適です。

rdkit skill は、SMILES、SDF、MOL、PDB、InChI の解析、記述子の計算、フィンガープリント生成、部分構造検索、反応処理、2D/3D 座標の生成など、精密な化学情報ワークフローを支援します。高度な制御、カスタムサニタイズ、Data Analysis ワークフローでの rdkit 活用を確認したい場合に使えるガイドです。

dnanexus-integration は、DNAnexus のクラウドゲノミクス作業に役立つ実践的なスキルです。アプリやアプレットの作成、アップロード／ダウンロードの管理、ワークフローの実行、`dxpy` を使ったパイプラインの自動化に活用できます。dnanexus-integration のガイドは、FASTQ、BAM、VCF ファイルを扱う Backend 開発タスクに加え、プラットフォーム固有の設定やジョブ実行もサポートします。

diffdockは、PDB構造、またはタンパク質配列とSMILES、SDF、MOL2形式のリガンドから、タンパク質-リガンド結合ポーズを予測するドッキングスキルです。構造ベース創薬、バーチャルスクリーニング、信頼度付きポーズ解析にdiffdockスキルを活用できます。結合親和性の予測には対応していません。

scvi-tools は、確率的なシングルセル解析のための Python フレームワークです。この scvi-tools スキルは、バッチ補正、潜在埋め込み、不確実性つき差次的発現、転移学習、マルチモーダル統合に活用できます。single-cell RNA-seq、ATAC、CITE-seq、multiome、空間解析のワークフローに特に適しており、高度な Machine Learning のユースケースでは特に強みを発揮します。

scvelo は、単一細胞 RNA-seq データにおける RNA velocity 解析のための Python スキルです。未スプライス／スプライス済み mRNA から細胞状態遷移を推定し、軌道の方向性を推論し、latent time を算出し、driver genes を特定するのに使えます。標準的なクラスタリングや pseudotime だけでは方向性が足りない Data Analysis での scvelo に特に有用です。

Python で生存分析と time-to-event モデリングを行うための scikit-survival スキルです。打ち切りデータ、Cox モデル、Random Survival Forest、Gradient Boosting、Survival SVM、さらに concordance index や Brier score などの生存分析指標まで、導入判断に必要なポイントをこのガイドで確認できます。

Pythonで単一細胞RNA-seqデータを解析するためのscanpy skillです。QC、正規化、PCA、UMAP/t-SNE、クラスタリング、マーカー遺伝子の発見、軌跡解析、論文品質のプロットに使えます。AnnDataを中心にした探索的なscRNA-seqワークフローに最適で、scanpyの使い方と導入手順もわかりやすく示します。

pyopenms は、プロテオミクスやメタボロミクスのワークフロー向けに使える、Python ベースの質量分析スキルです。pyopenms のインストール、mzML や関連ファイルの読み込みと確認、スペクトル処理、特徴量検出、ペプチド・タンパク質同定、再現性のある LC-MS/MS データ解析パイプラインの構築に使えます。

pydeseq2は、バルクRNA-seqの差次的遺伝子発現解析に使えるPython版DESeq2スキルです。条件比較、単因子・多因子デザインの当てはめ、Wald検定とFDR補正、さらにpandasやAnnDataのワークフローでのvolcano plotやMA plotの作成に役立ちます。

Neuropixels の神経記録解析向け neuropixels-analysis スキルです。SpikeGLX、Open Ephys、NWB データを読み込み、前処理、モーション補正、スパイクソーティング、品質指標の算出、ユニットのキュレーションまでを扱います。生データから論文投稿レベルの結果まで、実用的な neuropixels-analysis ガイドを探している方に最適です。

molfeat は、ML とデータ分析向けの分子特徴量化スキルです。SMILES や RDKit 分子を、QSAR、仮想スクリーニング、類似検索、化学空間解析に使えるフィンガープリント、記述子、事前学習済み埋め込みへ変換するのに役立ちます。この molfeat ガイドを使えば、実務で使いやすい表現を選び、再利用しやすい特徴量化パイプラインを構築できます。

latchbio-integration は、Latch 上でバイオインフォマティクスのワークフローを構築・デプロイするためのスキルです。`@workflow` と `@task` デコレータを使った Python パイプラインのパッケージ化、`LatchFile` と `LatchDir` のデータ管理、Nextflow や Snakemake ワークフローのサーバーレス実行向け調整に役立ちます。

imaging-data-commons は、idc-index を使って NCI Imaging Data Commons の公開がん画像データを検索・ダウンロードするためのスキルです。CT、MR、PET、病理データセットにまたがる imaging-data-commons の利用に向いており、メタデータ検索、ブラウザプレビュー、ライセンス確認、AI 学習やデータ分析のワークフローまでカバーします。認証は不要です。

glycoengineeringスキルを使って、タンパク質の糖鎖修飾を解析・設計できます。N型糖鎖付加のシーコンを特定し、O型糖鎖付加のホットスポットを推定しながら、抗体最適化、ワクチン設計、データ分析ワークフローにおけるglycoengineeringを、実務向けの判断ガイドとともに支援します。

ggetは、CLIまたはPythonから20以上のゲノムデータベースと解析ツールへ高速かつ統一的にアクセスできる生物情報学スキルです。遺伝子情報、BLAST関連の検索、AlphaFold構造、発現データ、疾患関連、エンリッチメント系の解析に使えます。素早い探索や、ggetを使ったData Analysisワークフローに向いています。

genimlは、BEDファイル、scATAC-seq出力、クロマチンアクセシビリティデータを対象にしたゲノム区間の機械学習向けスキルです。Region2Vec、BEDspace、scEmbed、コンセンサスピークなど、領域レベルのMLワークフローで使えます。埋め込み、クラスタリング、ゲノム領域の前処理方針を知りたいときに適しています。

etetoolkit は、ETE ワークフロー向けの系統樹ツールキットです。etetoolkit スキルを使えば、Newick、NHX、PhyloXML、NeXML 形式の樹木を解析・編集・比較・ルート設定・剪定・可視化できます。系統ゲノム解析、オルソログ／パラログ解析、NCBI taxonomy、論文向けの PDF または SVG 出力に対応しています。

depmapは、Cancer Dependency Mapを使って、がん細胞株の遺伝子依存性スコア、薬剤感受性、遺伝子効果プロファイルの解析を支援します。がん特異的な脆弱性や合成致死相互作用の特定、オンコロジー創薬ターゲットの検証に活用でき、Data Analysis向けに再現性のあるdepmapガイドとして使えます。

deeptoolsスキルは、deepToolsを使ったNGS解析ワークフローを支援します。BAMからbigWigへの変換、QC、サンプル比較、ChIP-seq・RNA-seq・ATAC-seqなどのヒートマップやプロファイルプロットまで幅広く扱えます。再現性のあるコマンドライン解析と可視化が必要なときに、実用的なdeeptoolsガイドとして活用できます。

CELLxGENE Census をプログラムからクエリするための cellxgene-census skill です。発現データ、メタデータ、埋め込み、さらに組織・疾患・細胞種をまたぐクロスデータセットのパターン探索に使えます。集団規模のシングルセル解析やリファレンスアトラス比較に最適で、自分のデータには scanpy や scvi-tools を使うのが向いています。

bioservices は、1つのインターフェースから 40以上の bioinformatics サービスを検索できる Python skill です。UniProt、KEGG、ChEMBL、Reactome などをまたぐクロスデータベースのワークフロー、ID マッピング、パスウェイや化合物の検索、信頼性の高い API ベースの取得処理が必要なバックエンド開発に適しています。

adaptyv は、Adaptyv Bio Foundry API と Python SDK を使って、インストール、タンパク質配列の送信、アッセイ結果の取得を行うためのスキルです。API開発、認証設定、リクエストの組み立てに加え、binding、screening、thermostability、expression、fluorescence の各ワークフローに関する実践的なガイダンスを得るために使えます。