科学

torchdrug 是一套以 PyTorch 為核心的分子與蛋白質機器學習工具箱。你可以透過 torchdrug 技能來選擇任務、資料集與模組化模型，涵蓋圖神經網路、蛋白質建模、知識圖譜推理、分子生成與逆合成。它最適合客製化模型開發與可重現的設定，而不只是現成示範。

optimize-for-gpu 可搭配合適的函式庫選擇，將受 CPU 限制的 Python 轉為 NVIDIA GPU 程式碼。適用於陣列、DataFrame、ML pipelines、圖分析、影像處理、地理空間工作、向量搜尋與自訂 kernels。它會以實用的 optimize-for-gpu 使用方式與遷移建議，協助你在 CuPy、cuDF、cuML、cuGraph、cuCIM、cuVS、KvikIO、Numba CUDA 和 Warp 之間做出判斷。

diffdock 是一個 docking 技能，可根據 PDB 結構，或蛋白質序列搭配以 SMILES、SDF 或 MOL2 表示的配體，預測 protein-ligand 的結合姿勢。可用於結構導向藥物設計、虛擬篩選，以及帶有信心分數的 pose 分析。它不適用於結合親和力預測。

scikit-survival 技能，適用於 Python 中的生存分析與事件時間建模。可用這份指南處理刪失資料、Cox 模型、隨機生存森林、梯度提升、Survival SVM，以及 concordance index 和 Brier score 等生存評估指標。

scientific-schematics 可將自然語言提示詞轉成可達到出版等級的科學圖表，並透過智慧型迭代精修持續提升成品。它以 Nano Banana 2 進行生成，並使用 Gemini 3.1 Pro Preview 進行審查；只有當輸出低於你文件類型所需門檻時才會重新生成。這套流程特別適合神經網路架構、系統圖、流程圖、生物路徑，以及其他複雜的科學視覺化內容。

用於 Python 中 scanpy 單細胞 RNA-seq 資料分析的技能。可用來進行 QC、正規化、PCA、UMAP/t-SNE、分群、標記基因探索、軌跡分析，以及產出適合發表的圖表。最適合以 AnnData 為核心、以探索性 scRNA-seq 工作流程為主的情境，並提供清楚的 scanpy 使用與安裝指引。

research-grants 研究補助技能可將一個粗略的研究構想整理成可送審的補助計畫書，適用於 NSF、NIH、DOE、DARPA 或台灣 NSTC。它支援贊助機構適配度判讀、符合規範的架構、預算說明、審查標準對應，以及供計畫主持人、博士後與技術寫作者使用的章節草擬。

protocolsio-integration 是一個用於透過程式化方式管理科學流程的 protocols.io API 整合技能。可用於搜尋、建立、更新、發佈、步驟編輯、工作區整理、留言與檔案處理。對於 Backend Development、工作流程自動化，以及需要可重複使用 protocols.io 的情境，特別實用。

peer-review 技能可幫助你撰寫正式、以證據為本的論文與計畫書審查意見。可用來評估研究方法、統計、可重現性、倫理，以及 CONSORT、STROBE、PRISMA 等報告標準，並提供作者與編輯能夠採取行動的建設性回饋。

parallel-web 是一個由 parallel-cli 驅動的網頁研究與擷取技能。它可協助你搜尋網路、擷取 URL 內容、從來源補強資料，並進行更深入的研究，且預設優先使用學術與科學來源。適合用於 parallel-web 使用、網頁研究、引用蒐集，以及以證據為先的工作流程。

paperzilla 是一個結合聊天與 CLI 的技能，用來處理 Paperzilla 專案、推薦、canonical papers、markdown 摘要、回饋與 feed 匯出。當你需要直接存取 Paperzilla 的資料來做學術研究，而不只是拿到一般摘要時，就該使用它。它也適合處理 paperzilla 的使用方式、paperzilla 指南相關任務，以及結構化輸出。

這個 matplotlib 技能專為 Python 繪圖而設，能完整控制座標軸、標籤、圖例、版面配置與匯出格式。適合科學圖表、多面板分析、自訂圖表類型，以及需要比一般圖表提示更高精準度的可重現視覺化。對於 Data Analysis 與可直接用於發表的圖表，它是一份很強的 matplotlib 指南。

markdown-mermaid-writing 是一個用於科學與技術文件的 Markdown 與 Mermaid 圖表撰寫技能。可將工作流程、架構、分析與報告整理成可編輯、以文字為先的文件，搭配清楚的圖表、方便版本控管，並提供 Technical Writing 實務上可用的 markdown-mermaid-writing 用法。

latex-posters 可協助你用 LaTeX 製作專業的研究海報，適用於研討會、座談會、論文口試與科學傳播。它涵蓋針對 beamerposter、tikzposter、baposter 的套件相容工作流程，並提供版面配置、層級結構、圖表、引用，以及可直接印製的海報設計指引。

literature-review 技能支援 Academic Research 的系統化文獻回顧工作流程，包含來源搜尋、引文查核、主題整合，以及整理完善的 markdown 或 PDF 輸出。可用於 literature-review 指南任務、meta-analysis、scoping review，以及跨科學與技術領域的研究簡報。

lamindb 技能可協助你使用 LaminDB——一個開源的生物資料框架，讓資料具備可查詢、可追蹤、可重現與 FAIR 特性。適合用於 lamindb 的資料分析、metadata 整理、基於 ontology 的標註、schema 驗證，以及跨 notebooks 與 pipelines 的 lineage-aware 工作流程。

imaging-data-commons 可協助你使用 idc-index 查詢並下載來自 NCI Imaging Data Commons 的公開癌症影像資料。適用於 CT、MR、PET 與病理資料集的 imaging-data-commons 使用情境，包含中繼資料搜尋、瀏覽器預覽、授權檢查，以及 AI 訓練或資料分析工作流程。無需驗證。

infographics 技能可幫你從主題、資料集或敘事出發，製作可直接用於出版的視覺素材。它支援以 Data Visualization 為主的 infographics，結合 Nano Banana Pro 生成、Gemini 3 Pro 品質審查、可選研究、無障礙配色，以及反覆優化，適合行銷素材、報告、時間軸、比較圖與社群版面。

gget 是一個生物資訊技能，可透過 CLI 或 Python 快速、統一地存取 20+ 個基因組資料庫與分析工具。適合查詢基因資訊、BLAST 相關資料、AlphaFold 結構、表現量資料、疾病關聯，以及進行類 enrichment 分析。它很適合快速探索，以及 gget for Data Analysis 工作流程。

get-available-resources 會在執行高負載科學或 ML 工作流程前，先檢查 CPU、GPU、記憶體與磁碟狀態。它會回傳資源快照與實用建議，例如是否適合平行處理、GPU 加速或採用記憶體安全的做法，協助代理在工作流程自動化時做出更好的執行決策。

exploratory-data-analysis 技能可將科學檔案轉為支援格式感知的 EDA 報告。它會偵測檔案類型、摘要結構與品質、擷取關鍵中繼資料，並建議後續分析方向。適合用於 Data Analysis 中的 exploratory-data-analysis，涵蓋化學、生物資訊、顯微影像、光譜、蛋白質體、代謝體與其他科學檔案格式。

exa-search 是一項由 Exa 驅動的網頁研究技能，可用來尋找最新資訊並從 URL 擷取內容。適合用於搜尋、來源發掘、文章與 PDF 擷取，以及具備語意檢索、類學術篩選與清楚安裝／使用指引的技術或科學研究。

etetoolkit 是一套用於 ETE 工作流程的系統發育樹工具組。使用 etetoolkit 技能可解析、編輯、比較、定根、修剪與視覺化 Newick、NHX、PhyloXML 或 NeXML 格式的樹。它支援系統發育基因組學、同源／旁系同源分析、NCBI taxonomy，以及適合發表的 PDF 或 SVG 輸出。

depmap 可協助分析 Cancer Dependency Map，取得癌症細胞株的基因依賴分數、藥物敏感性與基因效應輪廓。可用來找出癌症特異性脆弱點、合成致死交互作用，並透過可重現的 depmap 指南驗證腫瘤學藥物標的，適合 Data Analysis 使用。