Bioinformatics

Kỹ năng rdkit hỗ trợ các quy trình cheminformatics chính xác: phân tích cú pháp SMILES, SDF, MOL, PDB và InChI; tính toán descriptor; tạo fingerprint; chạy tìm kiếm substructure; xử lý phản ứng; và xây dựng tọa độ 2D/3D. Hãy dùng hướng dẫn rdkit này khi cần kiểm soát nâng cao, sanitization tùy chỉnh, và quy trình rdkit cho phân tích dữ liệu.

dnanexus-integration là một kỹ năng thực tiễn cho công việc genomics trên đám mây DNAnexus. Dùng nó để xây dựng apps và applets, quản lý tải lên và tải xuống, chạy workflows, và tự động hóa pipelines bằng dxpy. Hướng dẫn dnanexus-integration hỗ trợ các tác vụ Backend Development liên quan đến file FASTQ, BAM và VCF, cùng cấu hình đặc thù của nền tảng và thực thi job.

diffdock là một skill docking để dự đoán tư thế gắn kết protein-ligand từ cấu trúc PDB hoặc từ chuỗi protein kèm ligand ở định dạng SMILES, SDF hoặc MOL2. Hãy dùng skill diffdock cho thiết kế thuốc dựa trên cấu trúc, sàng lọc ảo và phân tích tư thế có chấm điểm độ tin cậy. Skill này không dùng để dự đoán ái lực gắn kết.

pyopenms là một skill khối phổ dựa trên Python dành cho các quy trình proteomics và metabolomics. Hãy dùng nó để cài đặt pyopenms, nạp và kiểm tra các file mzML cùng các định dạng liên quan, xử lý phổ, phát hiện feature, nhận diện peptide và protein, và xây dựng các pipeline phân tích dữ liệu LC-MS/MS có thể tái lập.

pydeseq2 là một kỹ năng DESeq2 bằng Python cho phân tích biểu hiện gen khác biệt từ bulk RNA-seq. Dùng nó để so sánh các điều kiện, xây dựng mô hình một nhân tố hoặc nhiều nhân tố, áp dụng kiểm định Wald và hiệu chỉnh FDR, đồng thời tạo biểu đồ volcano hoặc MA trong các quy trình làm việc với pandas và AnnData.

Skill neuropixels-analysis cho phân tích ghi nhận thần kinh Neuropixels. Tải dữ liệu SpikeGLX, Open Ephys hoặc NWB, tiền xử lý, hiệu chỉnh chuyển động, chạy spike sorting, tính các chỉ số chất lượng và tuyển chọn unit cho phân tích dữ liệu tiếp theo. Phù hợp nhất với người dùng cần một hướng dẫn neuropixels-analysis thực tế, từ file thô đến kết quả sẵn sàng cho công bố.

molfeat là một skill biểu diễn đặc trưng phân tử dành cho ML và phân tích dữ liệu. Nó giúp chuyển đổi SMILES hoặc phân tử RDKit thành fingerprint, descriptor và embedding được huấn luyện sẵn cho QSAR, sàng lọc ảo, tìm kiếm độ tương đồng và phân tích không gian hóa học. Dùng hướng dẫn molfeat này để chọn các biểu diễn phù hợp và xây dựng các pipeline biểu diễn đặc trưng có thể tái sử dụng.

latchbio-integration là skill để xây dựng và triển khai quy trình bioinformatics trên Latch. Hãy dùng skill này để đóng gói các pipeline Python bằng các decorator `@workflow` và `@task`, quản lý dữ liệu `LatchFile` và `LatchDir`, và điều chỉnh các workflow Nextflow hoặc Snakemake để chạy serverless.

imaging-data-commons giúp bạn truy vấn và tải về dữ liệu hình ảnh ung thư công khai từ NCI Imaging Data Commons bằng `idc-index`. Dùng skill này cho các tác vụ với imaging-data-commons trên bộ dữ liệu CT, MR, PET và mô bệnh học, bao gồm tìm kiếm metadata, xem trước trên trình duyệt, kiểm tra giấy phép, và quy trình phân tích dữ liệu hoặc huấn luyện AI. Không cần xác thực.

Phân tích và thiết kế glycosyl hóa protein với kỹ năng glycoengineering. Xác định các sequon N-glycosylation, ước tính các điểm nóng O-glycosylation, và hỗ trợ tối ưu hóa kháng thể, thiết kế vắc xin, cùng quy trình Data Analysis cho glycoengineering với hướng dẫn ra quyết định thực tiễn.

gget là một skill tin sinh học giúp truy cập nhanh, thống nhất hơn 20 cơ sở dữ liệu hệ gen và công cụ phân tích từ CLI hoặc Python. Dùng nó để tra cứu thông tin gen, truy vấn liên quan đến BLAST, cấu trúc AlphaFold, dữ liệu biểu hiện, liên kết bệnh lý và các phân tích kiểu enrichment. Nó phù hợp cho việc khám phá nhanh và các quy trình phân tích dữ liệu với gget.

geniml là một skill cho học máy trên các vùng genomic, dùng với file BED, đầu ra scATAC-seq và dữ liệu khả năng tiếp cận chromatin. Hãy dùng khi bạn cần Region2Vec, BEDspace, scEmbed, consensus peaks và các workflow ML khác ở cấp vùng. Đây là lựa chọn phù hợp khi bạn cần embeddings, clustering hoặc hướng dẫn tiền xử lý cho các vùng genomic.

etetoolkit là bộ công cụ cây phát sinh chủng loài cho các quy trình ETE. Dùng skill etetoolkit để phân tích cú pháp, chỉnh sửa, so sánh, định gốc, tỉa và trực quan hóa cây ở định dạng Newick, NHX, PhyloXML hoặc NeXML. Skill này hỗ trợ phylogenomics, phân tích orthology/paralogy, taxonomy NCBI, và xuất PDF hoặc SVG theo phong cách xuất bản.

depmap hỗ trợ phân tích Cancer Dependency Map cho điểm phụ thuộc gen của dòng tế bào ung thư, độ nhạy với thuốc và hồ sơ tác động gen. Hãy dùng nó để xác định các điểm yếu đặc hiệu của ung thư, các tương tác gây chết tổng hợp và xác thực mục tiêu thuốc ung thư bằng một hướng dẫn depmap có thể tái lập cho Phân tích Dữ liệu.

Skill deeptools hỗ trợ các workflow phân tích NGS trong deepTools: chuyển BAM sang bigWig, QC, so sánh mẫu, và tạo heatmap hoặc biểu đồ profile cho ChIP-seq, RNA-seq, ATAC-seq và các xét nghiệm liên quan. Hãy dùng nó như một hướng dẫn deeptools thực tiễn khi bạn cần phân tích và trực quan hóa trên dòng lệnh có thể tái lập.

Skill cellxgene-census để truy vấn CELLxGENE Census bằng lập trình. Dùng để khám phá dữ liệu biểu hiện gen, metadata, embeddings và các mẫu liên hệ giữa nhiều bộ dữ liệu trên các mô, bệnh và loại tế bào. Phù hợp nhất cho phân tích single-cell ở quy mô quần thể và so sánh với atlas tham chiếu; nếu làm việc với dữ liệu của chính bạn, hãy dùng scanpy hoặc scvi-tools.

bioservices là một skill Python để truy vấn hơn 40 dịch vụ tin sinh học qua một giao diện duy nhất. Hãy dùng nó cho các quy trình liên cơ sở dữ liệu, ánh xạ ID, tra cứu pathway và hợp chất, cũng như các tác vụ phát triển backend cần truy xuất qua API đáng tin cậy trên UniProt, KEGG, ChEMBL, Reactome và nhiều dịch vụ khác.

adaptyv giúp bạn sử dụng Adaptyv Bio Foundry API và Python SDK để cài đặt, gửi chuỗi protein và lấy kết quả xét nghiệm. Hãy dùng skill adaptyv này cho phát triển API, thiết lập xác thực, định dạng request và hướng dẫn thực tế cho các workflow về binding, screening, thermostability, expression và fluorescence.