scienceworld-tool-user
使用库存中的工具对目标对象或位置进行特定的环境互动,如挖掘或切割。当任务需要修改环境或操作材料时激活此技能,比如使用铲子挖土。它将工具和目标作为输入,并输出互动结果,从而推动物理任务的进展。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
使用库存中的工具对目标对象或位置进行特定的环境互动,如挖掘或切割。当任务需要修改环境或操作材料时激活此技能,比如使用铲子挖土。它将工具和目标作为输入,并输出互动结果,从而推动物理任务的进展。
使用多种特征化工具和预构建数据集的分子机器学习。当您需要广泛的特征化选项和MoleculeNet基准测试时,可用于属性预测(ADMET、毒性)的传统机器学习或图神经网络。最适合快速实验预训练模型和多样化的分子表示。对于优先考虑图的PyTorch工作流程,请使用torchdrug;对于基准数据集,请使用pytdc。
使用多种特征化工具和预构建数据集的分子机器学习。当你需要广泛的特征化选项和MoleculeNet基准测试时,可以用于属性预测(ADMET, 毒性)的传统机器学习或图神经网络。最适合快速实验预训练模型、多样化的分子表示。对于优先考虑图的PyTorch工作流程,请使用torchdrug;对于基准数据集,请使用pytdc。
访问人类代谢组数据库(包含220,000多种代谢物)。通过名称/ID/结构进行搜索,获取化学性质、生物标志物数据、NMR/MS光谱、通路等信息,用于代谢组学研究和鉴定。
用于代谢组学的光谱相似性和化合物鉴定。用于比较质谱、计算相似性分数(余弦、修正余弦),并从光谱库中识别未知化合物。最适合于代谢物鉴定、光谱匹配和库搜索。对于完整的LC-MS/MS蛋白质组学流程,请使用pyopenms。
神经像素神经记录分析。加载SpikeGLX/OpenEphys数据,进行预处理、运动校正、Kilosort4尖峰分类、质量度量、Allen/IBL管理以及AI辅助视觉分析,适用于Neuropixels 1.0/2.0细胞外电生理学。在处理神经记录、尖峰分类、细胞外电生理学时使用,或者当用户提到神经像素、SpikeGLX、Open Ephys、Kilosort、质量度量或单元管理时。
用于处理DICOM(医学数字成像和通信)文件的Python库。在读取、写入或修改DICOM格式的医学影像数据,从医学图像(CT、MRI、X射线、超声波)中提取像素数据,匿名化DICOM文件,处理DICOM元数据和标签,将DICOM图像转换为其他格式,处理压缩的DICOM数据,或者处理医学影像数据集时使用此技能。适用于涉及医学图像分析、PACS系统、放射学工作流程和医疗成像应用程序的任务。
用于处理DICOM(医学数字成像和通信)文件的Python库。在读取、写入或修改DICOM格式的医学影像数据,从医学图像(CT、MRI、X射线、超声波)中提取像素数据,匿名化DICOM文件,操作DICOM元数据和标签,将DICOM图像转换为其他格式,处理压缩的DICOM数据,或处理医学影像数据集时使用此技能。适用于涉及医学图像分析、PACS系统、放射学工作流程和医疗成像应用程序的任务。
此技能应用于时间序列机器学习任务,包括分类、回归、聚类、预测、异常检测、分割和相似性搜索。在处理时间数据、序列模式或需要超出标准ML方法的专业算法的时间索引观察时使用。特别适合使用与scikit-learn兼容的API进行单变量和多变量时间序列分析。
基于扩散的分子对接。从PDB/SMILES预测蛋白质-配体结合姿态、置信度分数、虚拟筛选,用于基于结构的药物设计。不适用于亲和力预测。
从DrugBank数据库访问和分析全面的药物信息,包括药物属性、相互作用、靶点、通路、化学结构和药理学数据。此技能应在处理药物数据、药物发现研究、药理学研究、药物-药物相互作用分析、靶点识别、化学相似性搜索、ADMET预测或任何需要来自DrugBank的详细药物和药物靶点信息的任务时使用。
访问人类代谢组数据库(包含220,000多种代谢物)。通过名称/ID/结构进行搜索,获取化学性质、生物标志物数据、NMR/MS谱图、通路等信息,用于代谢组学研究和鉴定。
用于机器学习的分子特征化(100多种特征化方法)。ECFP、MACCS、描述符、预训练模型(如ChemBERTa),将SMILES转换为特征,适用于QSAR和分子机器学习。
与硬件无关的量子机器学习框架,支持自动微分。当通过梯度训练量子电路、构建混合量子-经典模型或需要在IBM/Google/Rigetti/IonQ设备之间移植时使用。最适合变分算法(VQE, QAOA)、量子神经网络以及与PyTorch/JAX/TensorFlow集成。对于特定于硬件的优化,请使用qiskit(IBM)或cirq(Google);对于开放量子系统,请使用qutip。
创意研究构思与探索。适用于开放式头脑风暴会议、探索跨学科联系、挑战假设或识别研究空白。最适合在早期研究规划阶段使用,当你还没有具体观察结果时。要从数据中形成可测试的假设,请使用假设生成。
生物数据工具包。序列分析、比对、系统发育树、多样性指标(alpha/beta,UniFrac)、排序(PCoA)、PERMANOVA、FASTA/Newick 输入/输出,用于微生物组分析。
生成适用于制药和临床研究环境的专业临床决策支持(CDS)文档,包括患者队列分析(基于生物标志物分层并附有结果)和治疗建议报告(基于证据的指南与决策算法)。支持GRADE证据分级、统计分析(风险比、生存曲线、瀑布图)、生物标志物整合以及法规遵从性。输出针对药物开发、临床研究及证据综合优化后的可发表LaTeX/PDF格式文件。
用于科学研究辅助的多智能体AI系统,能够从数据分析到论文发表全程自动化研究工作流程。当需要从数据集中生成研究思路、开发研究方法、执行计算实验、进行文献搜索或生成可用于发表的LaTeX格式论文时,应使用此技能。支持端到端的研究流程,并可自定义代理协调。
此技能应在处理基因组区间数据(BED文件)进行机器学习任务时使用。可用于训练区域嵌入(Region2Vec,BEDspace),单细胞ATAC-seq分析(scEmbed),构建共识峰(universes),或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。
自动化的LLM驱动的假设生成和测试,适用于表格数据集。当您想要系统地探索关于实证数据中的模式的假设时使用(例如,欺骗检测、内容分析)。结合文献见解与数据驱动的假设检验。对于手动假设制定,请使用hypothesis-generation;对于创意构思,请使用scientific-brainstorming。
全面的生物信号处理工具包,用于分析包括心电图、脑电图、皮肤电反应、呼吸模式、光电容积脉搏波、肌电图和眼电图在内的生理数据。在处理心血管信号、大脑活动、皮肤电反应、呼吸模式、肌肉活动或眼球运动时使用此技能。适用于心率变异性分析、事件相关电位、复杂度测量、自主神经系统评估、心理生理学研究以及多模态生理信号集成。
与硬件无关的量子机器学习框架,支持自动微分。在通过梯度训练量子电路、构建混合量子-经典模型或需要在IBM/Google/Rigetti/IonQ设备之间进行移植时使用。最适合变分算法(VQE, QAOA)、量子神经网络以及与PyTorch/JAX/TensorFlow集成。对于特定于硬件的优化,请使用qiskit(IBM)或cirq(Google);对于开放量子系统,请使用qutip。
使用Python中的scikit-learn进行机器学习。适用于监督学习(分类、回归)、无监督学习(聚类、降维)、模型评估、超参数调优、预处理或构建机器学习流水线。提供了算法、预处理技术、流水线及最佳实践的全面参考文档。
使用SHAP(SHapley Additive exPlanations)进行模型可解释性和解释性。在解释机器学习模型预测、计算特征重要性、生成SHAP图(瀑布图、蜂群图、条形图、散点图、力图、热图)、调试模型、分析模型偏见或公平性、比较模型或实现可解释的人工智能时,使用此技能。适用于基于树的模型(XGBoost、LightGBM、随机森林)、深度学习(TensorFlow、PyTorch)、线性…