Scientific

torchdrug는 분자 및 단백질 머신러닝을 위한 PyTorch 네이티브 툴킷입니다. torchdrug 스킬을 사용해 그래프 신경망, 단백질 모델링, 지식 그래프 추론, 분자 생성, 역합성에 맞는 작업, 데이터셋, 모듈형 모델을 선택하세요. 단순한 데모가 아니라, 커스텀 모델 개발과 재현 가능한 설정에 특히 적합합니다.

optimize-for-gpu는 CPU 중심 Python을 NVIDIA GPU 코드로 전환할 때 적절한 라이브러리 선택을 도와줍니다. 배열, 데이터프레임, ML 파이프라인, 그래프 분석, 이미지 처리, 지리공간 작업, 벡터 검색, 커스텀 커널에 활용할 수 있습니다. CuPy, cuDF, cuML, cuGraph, cuCIM, cuVS, KvikIO, Numba CUDA, Warp를 어떤 상황에 써야 하는지 실용적인 optimize-for-gpu 사용법과 마이그레이션 조언으로 안내합니다.

DiffDock는 PDB 구조 또는 단백질 서열과 SMILES, SDF, MOL2 형식의 리간드를 바탕으로 단백질-리간드 결합 포즈를 예측하는 도킹 기술입니다. 구조 기반 신약 설계, 가상 스크리닝, 신뢰도 점수가 포함된 포즈 분석에 DiffDock 기술을 활용할 수 있습니다. 결합 친화도 예측 용도는 아닙니다.

Python에서 생존 분석과 이벤트 발생 시간(time-to-event) 모델링을 위한 scikit-survival 스킬입니다. 검열 데이터, Cox 모델, 랜덤 서바이벌 포레스트, 그래디언트 부스팅, Survival SVM, 그리고 concordance index와 Brier score 같은 생존 지표를 다룰 때 이 가이드를 활용하세요.

scientific-schematics는 자연어 프롬프트를 출판 품질의 과학 다이어그램으로 바꾸고, 스마트한 반복 개선까지 지원합니다. 생성에는 Nano Banana 2를, 검토에는 Gemini 3.1 Pro Preview를 사용하며, 문서 유형별 기준치보다 결과가 낮을 때만 재생성합니다. 신경망 구조, 시스템 다이어그램, 플로차트, 생물학적 경로 등 복잡한 과학 비주얼에 적합합니다.

Python에서 단일세포 RNA-seq 데이터를 분석하는 scanpy 스킬입니다. QC, 정규화, PCA, UMAP/t-SNE, 군집화, 마커 유전자 탐색, 궤적 분석, 출판용 품질의 플롯에 활용하세요. AnnData를 중심으로 구성된 탐색적 scRNA-seq 워크플로에 가장 적합하며, scanpy 사용법과 설치 안내도 함께 제공합니다.

research-grants 스킬은 거친 연구 아이디어를 NSF, NIH, DOE, DARPA 또는 대만 NSTC용 지원서로 다듬어 주는 데 도움이 됩니다. 지원기관 적합성 검토, 규정에 맞는 구조화, 예산 정당화, 평가 기준에 맞춘 서술, 그리고 책임연구자, 박사후연구원, 기술 문서 작성자를 위한 섹션 초안을 지원합니다.

protocolsio-integration은 과학 프로토콜을 프로그램 방식으로 관리하기 위한 protocols.io API 통합 스킬입니다. 검색, 생성, 업데이트, 게시, 단계 편집, 워크스페이스 구성, 댓글, 파일 처리를 할 때 사용할 수 있습니다. Backend Development, 워크플로 자동화, 반복 가능한 protocols.io 사용 사례에서 특히 유용합니다.

peer-review 스킬은 논문과 연구비 신청서를 형식적이고 근거 중심으로 검토하는 데 도움을 줍니다. 방법론, 통계, 재현성, 윤리, 그리고 CONSORT, STROBE, PRISMA 같은 보고 기준을 점검하고, 저자와 편집자가 실제로 반영할 수 있는 건설적인 피드백을 제공할 때 유용합니다.

parallel-web은 parallel-cli로 구동되는 웹 리서치 및 추출 스킬입니다. 웹 검색, URL 콘텐츠 추출, 출처 기반 데이터 보강, 그리고 학술·과학 자료를 우선하는 심층 리서치를 지원합니다. parallel-web 사용법, 웹 리서치, 인용, 증거 우선 워크플로에 활용하기 좋습니다.

paperzilla는 Paperzilla 프로젝트, 추천, canonical papers, 마크다운 요약, 피드백, 피드 내보내기를 다루는 채팅 및 CLI 스킬입니다. 단순한 일반 요약이 아니라 Academic Research용 Paperzilla 데이터에 직접 접근해야 할 때 사용하세요. paperzilla 사용법, paperzilla 가이드 작업, 구조화된 출력에 도움이 됩니다.

Python 그래프 작성을 위한 matplotlib 스킬로, 축, 레이블, 범례, 레이아웃, 내보내기 형식을 세밀하게 제어할 수 있습니다. 과학 논문용 그림, 멀티 패널 분석, 맞춤형 차트 유형, 그리고 일반적인 차트 프롬프트보다 더 높은 정밀도가 필요한 재현 가능한 시각화에 적합합니다. 데이터 분석과 출판용 플롯에 강한 matplotlib 가이드입니다.

markdown-mermaid-writing은 과학 및 기술 문서를 위한 Markdown과 Mermaid 다이어그램 작성 스킬입니다. 워크플로, 아키텍처, 분석, 보고서를 편집 가능한 텍스트 우선 문서로 바꾸고, 명확한 다이어그램과 버전 관리 친화성, 그리고 Technical Writing에 바로 쓸 수 있는 실용적인 markdown-mermaid-writing 활용법을 제공합니다.

latex-posters는 학회, 심포지엄, 학위 심사, 과학 커뮤니케이션용 전문 연구 포스터를 LaTeX로 만들 수 있도록 돕습니다. beamerposter, tikzposter, baposter를 패키지별로 고려한 워크플로를 지원하며, 레이아웃, 정보 구조, 그림, 인용, 인쇄용 포스터 디자인까지 안내합니다.

literature-review 스킬은 Academic Research를 위한 체계적인 문헌 검토 워크플로를 지원합니다. 여기에는 자료 탐색, 인용 검증, 주제별 종합, 그리고 정돈된 markdown 또는 PDF 출력 생성이 포함됩니다. 문헌 검토 가이드 작업, 메타분석, 범위 검토, 과학·기술 분야의 연구 브리프에 활용할 수 있습니다.

lamindb 스킬은 오픈소스 생물학 데이터 프레임워크인 LaminDB를 활용해 데이터를 질의 가능하고, 추적 가능하며, 재현 가능하고, FAIR 원칙에 맞게 다루도록 도와줍니다. Data Analysis용 lamindb, 메타데이터 큐레이션, 온톨로지 기반 주석, 스키마 검증, 그리고 노트북과 파이프라인 전반에서 계보 추적을 고려한 워크플로에 사용할 수 있습니다.

imaging-data-commons는 idc-index를 사용해 NCI Imaging Data Commons의 공개 암 연구 영상 데이터를 조회하고 다운로드할 수 있게 도와줍니다. CT, MR, PET, 병리 데이터셋 전반에서 imaging-data-commons를 활용할 수 있으며, 메타데이터 검색, 브라우저 미리보기, 라이선스 확인, AI 학습 또는 데이터 분석 워크플로까지 지원합니다. 인증은 필요하지 않습니다.

이 인포그래픽 스킬은 주제, 데이터셋, 또는 서사에서 바로 출판 가능한 비주얼을 만드는 데 도움이 됩니다. Nano Banana Pro 생성, Gemini 3 Pro 품질 검토, 선택적 리서치, 접근성 높은 팔레트, 반복적 개선을 지원해 마케팅 자료, 보고서, 타임라인, 비교표, 소셜 레이아웃용 인포그래픽을 효율적으로 만들 수 있습니다.

gget은 CLI 또는 Python에서 20개 이상의 유전체 데이터베이스와 분석 도구에 빠르고 통합적으로 접근할 수 있는 생물정보학 스킬입니다. 유전자 정보, BLAST 관련 조회, AlphaFold 구조, 발현 데이터, 질병 연관성, enrichment 스타일 분석에 활용할 수 있습니다. 빠른 탐색과 gget 기반 데이터 분석 워크플로에 잘 맞습니다.

get-available-resources는 무거운 과학 계산이나 ML 워크플로를 실행하기 전에 CPU, GPU, 메모리, 디스크 상태를 점검합니다. 리소스 스냅샷과 함께 병렬 처리, GPU 가속, 메모리 안전 접근 방식에 대한 실용적인 권장 사항을 제공해, 에이전트가 워크플로 자동화에서 더 나은 실행 선택을 하도록 돕습니다.

exploratory-data-analysis 스킬은 과학 파일을 형식 인식형 EDA 보고서로 바꿉니다. 파일 유형을 감지하고, 구조와 품질을 요약하며, 핵심 메타데이터를 추출하고, 다음 분석 단계를 제안합니다. 화학, 생정보학, 현미경, 분광학, 프로테오믹스, 메타볼로믹스 등 다양한 과학 파일 형식의 Data Analysis에 필요한 exploratory-data-analysis 용도로 활용하세요.

exa-search는 Exa로 구동되는 웹 리서치 스킬로, 최신 정보를 찾고 URL에서 콘텐츠를 추출하는 데 사용합니다. 검색, 출처 탐색, 기사 및 PDF 추출, 그리고 의미 기반 검색과 학술 스타일 필터링, 명확한 설치·사용 안내가 필요한 기술·과학 리서치에 적합합니다.

etetoolkit은 ETE 워크플로우를 위한 계통수 툴킷입니다. etetoolkit 스킬을 사용하면 Newick, NHX, PhyloXML, NeXML 형식의 트리를 파싱, 편집, 비교, 루팅, 가지치기, 시각화할 수 있습니다. 또한 phylogenomics, orthology/paralogy 분석, NCBI taxonomy, 출판용 PDF 또는 SVG 출력도 지원합니다.

depmap은 암 의존성 지도(Cancer Dependency Map)를 분석해 암 세포주 유전자 의존성 점수, 약물 민감도, 유전자 효과 프로필을 파악하는 데 도움을 줍니다. 이를 통해 암 특이적 취약점과 합성 치사 상호작용을 식별하고, 재현 가능한 depmap 가이드를 바탕으로 종양학 약물 타깃을 검증할 수 있습니다.