Scientific

clinical-research ajuda equipes a desenhar estudos clínicos prospectivos antes da submissão, com classificação de desfechos, estimativas de tamanho de amostra e poder para dois braços, além de pontuação de viabilidade por phase-gate. Inclui ferramentas Python, referências e um modelo de sinopse de protocolo, mantendo as saídas como estimativas para revisão por médico, bioestatístico e especialistas regulatórios.

Guia do skill torch-geometric para redes neurais gráficas com PyTorch Geometric. Use para ajuda na instalação do torch-geometric, uso do torch-geometric, classificação de grafos, classificação de nós, previsão de links, grafos heterogêneos, camadas customizadas de MessagePassing e escalabilidade de GNNs em fluxos de Machine Learning.

Use a skill do SymPy para matemática simbólica exata em Python, incluindo álgebra, cálculo, matrizes, fórmulas de física, teoria dos números, geometria e geração de código. Ela ajuda você a manter expressões exatas, escolher os módulos certos do SymPy e evitar erros comuns com floats. É ideal para quem quer um guia prático de SymPy para fluxos simbólicos e para usar SymPy em análise de dados.

O skill rdkit ajuda em fluxos de trabalho precisos de quimioinformática: análise de SMILES, SDF, MOL, PDB e InChI; cálculo de descritores; geração de fingerprints; busca por subestruturas; tratamento de reações; e criação de coordenadas 2D/3D. Use este guia do rdkit para controle avançado, sanitização personalizada e fluxos de trabalho de rdkit para análise de dados.

qutip é uma skill em Python para simulação de física quântica voltada a sistemas quânticos abertos, dissipação, evolução temporal e óptica quântica. Use este guia do qutip para equações mestras, dinâmica de Lindblad, decoerência, cavity QED, simulação de estados e operadores e exemplos em Scientific Python. Não é para computação quântica baseada em circuitos.

qiskit é uma skill de computação quântica da IBM para criar circuitos, escolher backends, fazer transpiling para hardware e executar jobs em simuladores ou dispositivos IBM Quantum. É uma ótima opção para uso do qiskit em química, otimização e machine learning, especialmente quando você precisa de orientação prática de instalação e execução, e não de um guia só teórico de qiskit.

paper-lookup é uma skill de busca e recuperação para Pesquisa Acadêmica, ajudando você a encontrar artigos científicos, preprints, citações, correspondências de DOI/PMID, resumos, texto completo e cópias de acesso aberto em 10 bases acadêmicas. Use-a quando precisar localizar a fonte certa primeiro, e não fazer uma busca genérica na web. O guia do paper-lookup aponta para PubMed, PMC, Crossref, OpenAlex, Semantic Scholar, CORE, arXiv, bioRxiv, medRxiv e Unpaywall.

hypogenic é uma skill para gerar e testar hipóteses em datasets tabulares ou derivados de texto, com suporte de LLM. Ela ajuda na análise de dados com hypogenic ao transformar perguntas empíricas em fluxos de trabalho estruturados e testáveis para interpretação de classificação, análise de conteúdo e detecção de enganos. Use quando você precisar de hipóteses com base em evidências, não apenas de brainstorming.

A skill hugging-science ajuda você a encontrar e usar recursos de IA científica no catálogo Hugging Science e na organização `hugging-science` do Hugging Face. Ela é indicada para biologia, química, clima, genômica, materiais, astronomia e trabalhos semelhantes quando você precisa de um dataset, modelo, Space ou post de blog que realmente possa executar ou citar. Use-a para fluxos de uso do hugging-science e do guia hugging-science em vez de uma busca genérica.

histolab é uma skill em Python para pré-processamento de imagens de lâmina inteira (whole-slide image, WSI) em patologia digital. Ela oferece suporte a detecção de tecido, extração de tiles e normalização de coloração para lâminas H&E, sendo útil para preparação de datasets, análise rápida baseada em tiles e fluxos leves de análise de dados. Instale e use histolab com orientações práticas sobre máscaras, tilers e gerenciamento de lâminas.

A skill de statsmodels ajuda você a usar o statsmodels na análise de dados em Python quando precisa de modelos estatísticos, inferência e diagnósticos. Ela cobre ajuste de OLS, GLM, desfechos discretos, séries temporais e modelos mistos, com tabelas de coeficientes, valores-p, intervalos de confiança e checagens de pressupostos. Use este guia de statsmodels para econometria, previsão e relatórios com base técnica sólida.

A skill statistical-analysis ajuda você a escolher, executar e relatar testes defensáveis para Análise de Dados, incluindo pressupostos, tamanhos de efeito, poder estatístico e resultados no estilo APA. Use-a em pesquisa acadêmica, experimentos e estudos observacionais quando a escolha do teste e a clareza do relatório importam mais do que codificar um modelo específico.

scvi-tools é um framework em Python para análise probabilística de dados de célula única. Use esta skill do scvi-tools para correção de lote, embeddings latentes, expressão diferencial com incerteza, transfer learning e integração multimodal. Ela é uma ótima opção para fluxos de trabalho com single-cell RNA-seq, ATAC, CITE-seq, multiome e espacial, especialmente em casos de uso avançados de Machine Learning.

scvelo é um skill em Python para análise de RNA velocity em dados de RNA-seq de célula única. Use-o para estimar transições de estado celular a partir de mRNA não emendado e emendado, inferir a direção da trajetória, calcular tempo latente e identificar genes drivers. É especialmente útil para scvelo for Data Analysis quando você precisa de direção além de clustering padrão ou pseudotempo.

scientific-writing é uma habilidade central para a ferramenta de pesquisa profunda e redação. Ela transforma notas de pesquisa, esboços e achados de fontes em prosa científica pronta para publicação, com estrutura IMRAD, parágrafos completos, estilos de citação como APA/AMA/Vancouver e diretrizes de relato como CONSORT, STROBE e PRISMA. Use-a para artigos de periódicos, revisões, resumos e rascunhos prontos para submissão.

scientific-visualization é uma meta-skill para criar figuras prontas para publicação. Use-a para gráficos de submissão a periódicos com layouts em vários painéis, anotações de significância, barras de erro, paletas seguras para daltônicos e formatação no estilo Nature/Science/Cell. Ela coordena matplotlib, seaborn e plotly para trabalhos de Visualização de Dados com scientific-visualization.

Crie decks de slides e apresentações para talks de pesquisa com a skill scientific-slides. Use-a em apresentações de conferência, seminários, defesas de tese, atualizações de laboratório e outros decks científicos. Ela prioriza narrativa clara, pouco texto, hierarquia visual, citações e uma estrutura pronta para apresentação em PowerPoint ou LaTeX Beamer.

scientific-critical-thinking ajuda a avaliar alegações científicas, desenho de estudo, viés, fatores de confusão e qualidade da evidência. Use-o para análise crítica, apoio à revisão de literatura, checagens de risco de viés no GRADE ou Cochrane e para uma avaliação no estilo Peer Review sobre o que um artigo realmente sustenta.

O scholar-evaluation ajuda a avaliar trabalhos acadêmicos e de pesquisa com pontuação estruturada em formulação do problema, metodologia, análise, redação e prontidão para publicação. Use-o para revisão acadêmica, planejamento de revisões e feedback consistente sobre artigos, propostas, revisões de literatura e outros rascunhos acadêmicos.

scientific-brainstorming é uma skill de ideação para pesquisa voltada ao pensamento científico aberto. Use-a para explorar conexões interdisciplinares, questionar pressupostos, identificar lacunas de pesquisa e estruturar ideias iniciais de projeto antes de ter um conjunto de dados robusto ou uma hipótese final.

Rowan é uma plataforma cloud-native de workflows para modelagem molecular e química medicinal, com API em Python. O skill rowan é mais indicado para previsão em lote de pKa, ensembles de conformeros e tautômeros, docking, cofolding, dinâmica molecular, permeabilidade e workflows de descritores quando você quer execuções reproduzíveis e programáticas sem precisar gerenciar infraestrutura local de HPC ou GPU.

pytdc é uma skill para o Therapeutics Data Commons, oferecendo datasets e benchmarks prontos para IA em descoberta de fármacos para ADME, toxicidade, DTI, DDI, geração, splits por scaffold e predição farmacológica.

pyopenms é uma skill baseada em Python para espectrometria de massa em fluxos de trabalho de proteômica e metabolômica. Use-a para instalar o pyopenms, carregar e inspecionar arquivos mzML e relacionados, processar espectros, detectar features, identificar peptídeos e proteínas e montar pipelines reprodutíveis de análise de dados LC-MS/MS.

pymoo é uma skill em Python para otimização de um ou vários objetivos, frentes de Pareto, problemas com restrições e testes de benchmark. Use este guia do pymoo para escolher algoritmos como NSGA-II, NSGA-III e MOEA/D, seguir o fluxo de instalação e uso e aplicar o pymoo em análise de dados quando for preciso equilibrar várias métricas.