Дай на агента си умения

Използвайте този Python обвивка около RDKit с опростен интерфейс и разумни настройки по подразбиране за стандартни задачи в откриването на лекарства, включително парсване на SMILES, стандартизация, дескриптори, фингърпринти, клъстериране и 3D конформери.

Използвайте за молекулярно машинно обучение с разнообразни фийчъри и предварително изградени набори от данни, когато искате да предсказвате свойства (ADMET, токсичност) с традиционно машинно обучение или GNNs и имате нужда от обширни опции за фийчъризация и бенчмаркове на MoleculeNet.

Използвайте този инструментариум за NGS анализ за конвертиране на BAM в bigWig, контрол на качеството (корелация, PCA, фингърпринти), създаване на топлинни карти/профили (TSS, пикове) за визуализация на ChIP-seq, RNA-seq и ATAC-seq данни.

Използвайте за заявки към Cancer Dependency Map (DepMap) за резултати от генна зависимост на ракови клетъчни линии (CRISPR Chronos), данни за чувствителност към лекарства и профили на генни ефекти. Подходящо за идентифициране на специфични за рака уязвимости, синтетични летални взаимодействия и валидиране на онкологични лекарствени цели.

Използвайте това умение, когато потребителят иска да анализира как някой мисли, да разбере когнитивния стил, да профилира писмени или говорни модели, да сравни стиловете на мислене между хора, или да получи по-дълбок поглед върху моделите на разсъждение, стила на вземане на решения или когнитивния подпис на автора на даден текст.

Използвайте за молекулярно докинг, базирано на дифузия, за предсказване на протеин-лигандни свързващи позиции от PDB/SMILES, оценка на увереността и виртуален скрининг в дизайна на лекарства, базиран на структура. Не е за предсказване на афинитет.

Използвайте платформата за облачна геномика DNAnexus за изграждане на приложения, управление на данни (качване/изтегляне), използване на dxpy Python SDK и изпълнение на работни процеси с FASTQ/BAM/VCF, за разработка и изпълнение на геномни пайплайни.

Използвайте този цялостен инструментариум за протеинови езикови модели, включително ESM3 и ESM C, когато работите с протеинови последователности, структури или предсказване на функции; проектирате нови протеини; генерирате протеинови вграждания; извършвате обратно сгъване; или изпълнявате задачи по протеиново инженерство.

Използвайте този инструментариум за филогенетични дървета (ETE) за манипулиране на дървета (Newick/NHX), откриване на еволюционни събития, ортология/паралогия, таксономия на NCBI и визуализация (PDF/SVG) във филогенетиката.

Използвайте за парсване на FCS (Flow Cytometry Standard) файлове v2.0-3.1, извличане на събития като NumPy масиви, четене на метаданни/канали и конвертиране в CSV/DataFrame за предварителна обработка на данни от поточна цитометрия.

Използвай умението за симулации на динамика на флуиди с Python, включително уравнения на Навие-Стокс, плитки водни уравнения, стратифицирани потоци, или при анализ на турбулентност, динамика на вихри и геофизични потоци. Поддържа псевдоспектрални методи с FFT, HPC и цялостен анализ на резултатите.

Използвай умението при работа с данни за геномни интервали (BED файлове) за задачи по машинно обучение, като обучение на регионални вграждания (Region2Vec, BEDspace), анализ на единични клетки ATAC-seq (scEmbed) или изграждане на консенсусни пикове (universes).