科学

面向 PyTorch Geometric 图神经网络的 torch-geometric 技能指南。适用于 torch-geometric 安装帮助、torch-geometric 使用、图分类、节点分类、链接预测、异构图、自定义 MessagePassing 层，以及面向 Machine Learning 工作流的 GNN 扩展与性能优化。

使用 sympy 技能在 Python 中进行精确的符号数学运算，涵盖代数、微积分、矩阵、物理公式、数论、几何和代码生成。它能帮助你保持表达式精确，选择合适的 SymPy 模块，并避免大量浮点数带来的错误。适合需要一份实用 sympy 指南来处理符号工作流，以及用于 Data Analysis 的 sympy 的用户。

rdkit 技能适用于需要精细控制的化学信息学工作流：解析 SMILES、SDF、MOL、PDB 和 InChI；计算描述符；生成指纹；执行子结构检索；处理反应；以及构建 2D/3D 坐标。将这份 rdkit 指南用于高级控制、自定义 sanitize，以及面向数据分析的 rdkit 工作流。

qutip 是一个面向开放量子系统、耗散、时间演化和量子光学的 Python 量子物理模拟技能。本 qutip 指南适用于主方程、Lindblad 动力学、退相干、腔量子电动力学、态/算符模拟以及 Scientific Python 示例。不适用于基于量子线路的量子计算。

qiskit 是面向 IBM 量子计算的技能，可用于构建量子电路、选择后端、针对硬件进行 transpile，以及在模拟器或 IBM Quantum 设备上运行任务。它非常适合用于化学、优化和机器学习中的 qiskit 场景，尤其适合你需要可直接安装并运行的实用指导，而不是只讲理论的 qiskit 说明时。

paper-lookup 是一款面向 Academic Research 的检索技能，可帮助你在 10 个学术数据库中查找学术论文、预印本、引文、DOI/PMID 匹配项、摘要、全文和开放获取副本。它适合在你需要先找到正确来源，而不是做泛化网页搜索时使用 paper-lookup。paper-lookup 指南覆盖 PubMed、PMC、Crossref、OpenAlex、Semantic Scholar、CORE、arXiv、bioRxiv、medRxiv 和 Unpaywall。

hypogenic 是一项用于在 LLM 支持下，对表格数据或文本衍生数据集生成并测试假设的技能。它通过将经验性问题转化为结构化、可检验的工作流，帮助你进行数据分析中的假设生成，适用于分类解释、内容分析和欺骗检测。适合需要有证据支撑的假设，而不只是头脑风暴的场景。

hugging-science 技能可帮助你从 Hugging Science 目录和 `hugging-science` 这个 Hugging Face 组织中查找并使用科学 AI 资源。它适用于生物学、化学、气候、基因组学、材料、天文学以及类似场景，尤其是在你需要一个可以真正运行或引用的数据集、模型、Space 或博客文章时。请在 hugging-science 的使用与 hugging-science 指南工作流中使用它，而不是只靠通用搜索。

histolab 是一个用于数字病理全切片图像（WSI）预处理的 Python 技能。它支持组织检测、切片提取和 H&E 切片的染色归一化，适合数据集准备、基于切片的快速分析以及轻量级数据分析工作流。结合掩膜、tiler 和切片管理的实用指导，即可安装并使用 histolab。

当你在 Python 数据分析中需要统计建模、推断和诊断时，statsmodels 技能可帮助你使用 statsmodels。它适用于 OLS、GLM、离散因变量、时间序列和混合模型，并提供系数表、p 值、置信区间和假设检验。可将这份 statsmodels 指南用于计量经济学、预测和可交付、可辩护的报告输出。

statistical-analysis 技能可帮助你为 Data Analysis 选择、执行并汇报有说服力的检验，涵盖前提假设、效应量、统计功效以及 APA 风格结果。适用于学术研究、实验和观察性研究，尤其是在检验选择和清晰报告比实现某个具体模型更重要的场景。

scvi-tools 是一个用于概率式单细胞分析的 Python 框架。可将此 scvi-tools 技能用于批次校正、潜在嵌入、带不确定性的差异表达、迁移学习和多模态整合。它非常适合单细胞 RNA-seq、ATAC、CITE-seq、multiome 和空间组学工作流，尤其适用于更高级的机器学习场景。

scvelo 是一款用于单细胞 RNA-seq 数据中 RNA velocity 分析的 Python 技能。可用它根据未剪接和已剪接 mRNA 估计细胞状态转变、推断轨迹方向、计算 latent time，并识别 driver genes。对于需要超越标准聚类或 pseudotime、进一步判断方向性的 Data Analysis 场景，scvelo 尤其有用。

scientific-writing 是深度研究与写作工具的核心技能。它能把研究笔记、提纲和资料发现，整理成可直接投稿的科研写作成稿，支持 IMRAD 结构、完整段落，以及 APA/AMA/Vancouver 等引文格式和 CONSORT、STROBE、PRISMA 等报告规范。适用于期刊论文、修订、摘要，以及可提交的初稿。

scientific-visualization 是一个用于生成可直接用于发表图表的元技能。适合期刊投稿中的多面板布局、显著性标注、误差线、色盲友好配色，以及 Nature/Science/Cell 风格排版。它会协调 matplotlib、seaborn 和 plotly，用于 Data Visualization 相关的 scientific-visualization 工作。

使用 scientific-slides 技能为科研汇报制作幻灯片和演示文稿。适用于会议报告、组会分享、论文答辩、实验室进展汇报以及其他科研类幻灯片。它强调清晰叙事、少文字、视觉层级、引用标注，以及适合上台讲述的结构，适配 PowerPoint 或 LaTeX Beamer。

scientific-critical-thinking 帮助评估科学主张、研究设计、偏倚、混杂因素和证据质量。可用于批判性分析、文献综述支持、GRADE 或 Cochrane 风险偏倚检查，以及面向 Peer Review 式判断的 scientific-critical-thinking，帮助判断一篇论文真正能支持什么。

scholar-evaluation 可通过覆盖问题定义、方法、分析、写作和发表准备度的结构化评分，帮助评估学术与研究成果。适用于学术审阅、修改规划，以及对论文、提案、文献综述和其他学术初稿提供一致性的反馈。

scientific-brainstorming 是一款面向开放式科学思考的研究创意发想技能。可用它来探索跨学科联系、挑战既有假设、识别研究空白，并在你还没有明确数据集或最终假设之前，梳理早期项目想法。

Rowan 是一个云原生的分子建模与药物化学工作流平台，提供 Python API。rowan 技能最适合用于批量 pKa 预测、构象体与互变异构体集合、对接、共折叠、分子动力学、渗透性以及描述符工作流，尤其适合希望通过可复现、可编程方式运行，又不想自行管理本地 HPC 或 GPU 基础设施的场景。

pytdc 是面向 Therapeutics Data Commons 的技能，提供可直接用于 AI 的药物发现数据集和基准，覆盖 ADME、毒性、DTI、DDI、生成、scaffold 划分以及药理预测。

pyopenms 是一个基于 Python 的质谱分析技能，面向蛋白质组学和代谢组学工作流。可用于安装 pyopenms、加载并查看 mzML 及相关文件、处理谱图、检测特征、鉴定肽段和蛋白质，并构建可复现的 LC-MS/MS 数据分析流水线。

pymoo 是一款面向单目标和多目标优化、Pareto 前沿、约束问题以及基准测试的 Python 技能。使用这份 pymoo 指南，选择 NSGA-II、NSGA-III 和 MOEA/D 等算法，按照安装与使用流程操作，并在需要平衡多个指标时将 pymoo 用于数据分析。

PyMC 是一项用于在 Python 中构建、拟合、检查和比较概率模型的贝叶斯建模技能。可将 pymc 用于分层回归、多层分析、时间序列、缺失数据、测量误差，以及使用 LOO 或 WAIC 进行模型比较。