bio-long-read-sequencing-nanopore-methylation
使用信号级分析从Oxford Nanopore测序数据中调用DNA甲基化。在不进行亚硫酸氢盐转化的情况下直接从纳米孔读数检测5mC或6mA修饰时使用。
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。
使用信号级分析从Oxford Nanopore测序数据中调用DNA甲基化。在不进行亚硫酸氢盐转化的情况下直接从纳米孔读数检测5mC或6mA修饰时使用。
使用R(phyloseq, microbiome)和Python(matplotlib, seaborn)可视化宏基因组谱型。创建堆叠条形图、热图、PCA图和多样性分析。在从MetaPhlAn、Bracken或其他分类学分析输出创建出版质量的图表时使用。
使用SILVA、GTDB或UNITE等参考数据库对ASVs进行分类学分类。涵盖了朴素贝叶斯分类器(DADA2、IDTAXA)和精确匹配方法。在DADA2扩增子处理后为ASVs分配分类学时使用。
使用Biopython的Bio.Phylo和matplotlib绘制并导出系统发育树。适用于创建出版质量的树形图、自定义颜色和标签或导出为图像格式时。
通过与Rfam数据库进行Infernal协方差模型搜索来查找非编码RNA同源物并分类RNA家族。通过序列和二级结构保守性识别结构化RNA。在针对Rfam查询序列、为新RNA家族构建自定义协方差模型或按家族对非编码转录本进行分类时使用。
使用ElevenLabs、Qwen3-TTS及其他平台选择并创建适合您内容的完美AI声音,将声音特征与品牌形象和受众相匹配。使用场景:为视频旁白选择AI声音;在内容中创建一致的品牌声音;为可扩展生产克隆声音;比较语音合成平台;通过描述设计声音特征
裁剪视频片段,支持压缩、音频控制等选项。适用于用户想要剪辑视频, 裁剪视频, 截取视频, 视频剪切, 切视频的情况。
通过智能匹配电影场景与歌词来创建音乐视频。支持帧采样分析、情感-歌词场景匹配、使用ffmpeg进行时间重映射视频编辑、交叉淡化转场以及电影色彩分级。输入:一个电影文件+一个音乐文件。输出:一个完整的mp4格式MV。
使用scArches迁移学习与scVI和scANVI模型将单细胞数据映射到参考图谱。在不重新训练合并数据的情况下转移细胞类型标签。当使用预训练的参考模型注释新的单细胞数据集时,请使用此方法。
基于标记基因的分类谱型分析使用MetaPhlAn 4。通过使用特定于类群的标记提供准确的物种水平相对丰度。当需要准确的分类谱型分析且计算资源有限时,或者与HMP/其他MetaPhlAn研究进行比较时,请使用此方法。
从16S rRNA标记基因数据中使用PICRUSt2预测宏基因组的功能内容。从ASV表中推断KEGG、MetaCyc和EC的丰度。当需要从16S数据进行功能分析而无需进行鸟枪法宏基因组测序时,请使用此方法。
使用Biopython的Bio.Restriction在DNA序列上创建显示酶切位置的限制性图谱。可视化切割位点,计算位点之间的距离,并生成文本或图形图谱。适用于创建或分析限制性图谱时使用。
使用ShapeMapper2分析来自SHAPE-MaP和DMS-MaPseq实验的实验RNA结构探测数据。将突变率转换为每个核苷酸的反应性谱型,以限制结构预测。在处理SHAPE-MaP或DMS-MaPseq测序数据以获得实验RNA结构信息时使用。
中国模型选择和任务路由指南,适用于Doubao-Seed-2.0-Code、GLM-5、MiniMax-M2.5和Kimi-K2.5。当用户需要根据输入类型、任务复杂性、工程限制以及交付目标(包括分阶段的多模型工作流程)来选择最适合的模型时使用。
当用户想要分析中国股票报告(A股或港股),将年度/季度报告上传到NotebookLM,或者研究中国上市公司的财务状况时使用
智能音乐风格搜索助手,涵盖来自RateYourMusic的5947种音乐风格。支持快速查找、智能推荐和层级探索。在用户提到以下情况时使用此技能:- 明确命令:/genre, /music-style, "查询音乐风格", "推荐音乐类型" - 创作需求:"我想做个XX风格的歌/音乐", "帮我选个音乐风格", "什么风格适合XX场景", "推荐一些XX特点的音乐风格"(例如,适合深夜, 有活力, …
使用SHAP值和LIME解释组学数据上的机器学习预测,以进行特征归因。确定哪些基因或特征驱动分类器的决策。在解释生物标志物分类器或理解模型预测时使用。
用于微生物组数据的Alpha和Beta多样性分析。使用phyloseq和vegan计算样本内的丰富度、均匀度以及样本间的差异性。在比较不同样本之间的群落组成或测试微生物组结构的组间差异时使用。
Multi-Omics Factor Analysis (MOFA2)用于无监督整合多种数据模态。识别共享和特定视角的变化来源。当整合RNA-seq、蛋白质组学、甲基化或其他组学数据以发现跨模态驱动生物变异的潜在因素时使用。
使用ViennaRNA(RNAfold,RNAalifold,RNAcofold)通过最小自由能折叠和分区函数分析来预测RNA二级结构。从比对中计算碱基对概率、中心结构和共识结构。在预测RNA折叠、评估结构稳定性或比较同源物之间的结构时使用。
使用基于参考的方法(包括CellTypist、scPred、SingleR和Azimuth)进行自动细胞类型注释,以实现一致且可重复的细胞标记。在使用参考数据集自动注释细胞类型时使用。
获取XAUUSD(黄金)的价格数据,并使用LLM推理进行分析,以生成剥头皮信号。针对小账户优化,设置紧密止损(5点)。使用5分钟/15分钟时间框架以精确入场时机。
将原始会议音频转录重写为清晰、准确的繁体中文会议纪要。当用户拥有一个带有识别错误的未处理音频转录文件,并需要将其整理成正式的会议纪要时使用。
使用AI视觉识别技术自动处理来自PDF或图片的发票,并将其转换为Excel电子表格。当用户提到“发票”、“invoice”、“处理发票”、“识别发票”、“提取发票”,或者需要将发票文件转换为Excel格式时,使用此技能。