SKRIPTLINIE
APIs durch Codelesen erraten, Migrationen mit angehaltenem Atem.
Erst der Vertrag, Migrationen vorher geprobt.
110 Skills auf dieser Linie
Abfragen des NHGRI-EBI GWAS-Katalogs nach SNP-Merkmalsassoziationen. Suchen von Varianten nach rs-ID, Krankheit/Merkmal, Gen, Abrufen von p-Werten und zusammenfassenden Statistiken für genetische Epidemiologie und polygene Risikoscore.
Digital Pathology Bildverarbeitungstoolkit für Whole Slide Images (WSI). Nutzen Sie diese Fähigkeit bei der Arbeit mit Histopathologie-Slides, der Verarbeitung von H&E- oder IHCgefärbten Gewebsbildern, der Extraktion von Kacheln aus Gigapixel-Pathologiebildern, der Detektion von Gewebsregionen, der Segmentierung von Gewebsmasken oder der Vorbereitung von Datensätzen für Deep-Learning-Pipelines in der computergestützten Pathologie. Gilt für WSI-Formate (SVS, TIFF, NDPI), kachelbasierte Analyse und histologische Bildvorverarbeitungsworkflows.
Zugriff auf die Human Metabolome Database (220.000+ Metaboliten). Suchen nach Name/ID/Struktur, Abrufen von chemischen Eigenschaften, Biomarker-Daten, NMR/MS-Spektren, Stoffwechselwegen für Metabolomik und Identifizierung.
Direkter REST-API-Zugriff auf KEGG (nur für akademische Zwecke). Weganalyse, Gen-Weg-Zuordnung, Stoffwechselwege, Medikamentenwechselwirkungen, ID-Umwandlung. Für Python-Workflows mit mehreren Datenbanken ist bioservices vorzuziehen. Verwenden Sie dies für direktes HTTP/REST-Arbeits oder KEGG-spezifische Steuerung.
Elektronisches Labornotizbuch-API-Integration. Zugriff auf Notizbücher, Verwaltung von Einträgen/Anlagen, Sicherung von Notizbüchern, Integration mit Protocols.io/Jupyter/REDCap, für programmgesteuerte ELN-Workflows.
Diese Fähigkeit sollte bei der Arbeit mit LaminDB verwendet werden, einem Open-Source-Datenframework für die Biologie, das Daten abfragbar, nachverfolgbar, reproduzierbar und FAIR macht. Verwenden Sie sie bei der Verwaltung biologischer Datensätze (scRNA-seq, räumlich, Durchflusszytometrie usw.), der Nachverfolgung von Rechenworkflows, der Kuratierung und Validierung von Daten mit biologischen Ontologien, dem Aufbau von Data Lakehouses oder der Sicherstellung der Datenlinienage und Reproduzierbarkeit in der biologischen Forschung. Deckt Datenmanagement, Annotation, Ontologien (Gene, Zelltypen, Krankheiten, Gewebe), Schemavaliderung, Integrationen mit Workflow-Managern (Nextflow, Snakemake) und MLOps-Plattformen (W&B, MLflow) sowie Bereitstellungsstrategien ab.
Führen Sie umfassende, systematische Literaturreviews unter Verwendung mehrerer akademischer Datenbanken (PubMed, arXiv, bioRxiv, Semantic Scholar usw.) durch. Diese Fähigkeit sollte bei der Durchführung von systematischen Literaturreviews, Meta-Analysen, Forschungssynthesen oder umfassenden Literaturrecherchen in biomedizinischen, wissenschaftlichen und technischen Bereichen verwendet werden. Erstellt professionell formatierte Markdown-Dokumente und PDFs mit verifizierten Zitaten in mehreren Zitierstilen (APA, Nature, Vancouver usw.).
Erstellt und validiert 7 Projektunterlagen (Anforderungen, Architektur, Tech_Stack, api_spec, database_schema, Designrichtlinien, Runbook). Vierter Arbeiter in der ln-110-documents-pipeline.
Erstellt Testdokumentation (testing-strategy.md + tests/README.md). Festlegt die Testphilosophie und das Story-Level Test Task Pattern. Teil des ln-110-documents-pipeline-Workflows.
ERSTELLEN/NEUPLANEN von Epics aus Scope (3-7 Epics). Batch-Vorschau + Automatische Extraktion. Zerlege-Zuerst-Muster. Automatische Erkennung der Team-ID.
ERSTELLE/NEUPLAN Stories für Epic (5-10 Stories). Beauftragt ln-221-standards-researcher für Standardsforschung. Decompose-First-Muster. Entdeckt Team/Epic automatisch.
Forschungsstandards/Muster über MCP Ref. Erstellt Standardsforschungen für den Unterabschnitt Story Technical Notes. Wiederverwendbarer Arbeiter.
Konvertieren Sie Markdown-Dokumente und Chatsummarien in formatierte EPUB-Ebook-Dateien, die auf jedem Gerät gelesen oder auf Kindle hochgeladen werden können.
Massenspektrometrieanalyse. Verarbeitung von mzML/MGF/MSP, spektrale Ähnlichkeit (Kosinus, modifizierter Kosinus), Metadatenharmonisierung, Verbindungsidentifikation für Metabolomik und MS-Datenverarbeitung.
Deterministische mathematische Berechnung mit SymPy. Nutzen Sie es für BELIEBIGE mathematische Operationen, die genaue/überprüfte Ergebnisse erfordern – Grundrechnungen, Algebra (Vereinfachung, Ausmultiplikation, Faktorisierung, Lösungen von Gleichungen), Analysis (Ableitungen, Integrale, Grenzwerte, Reihen), Lineare Algebra (Matrizen, Determinanten, Eigenwerte), Trigonometrie, Zahlentheorie (Primzahlen, GGT/KGV, Faktorisierung) und Statistik. Stellt mathematische Genauigkeit sicher, indem es symbolische Berechnung statt LLM-Schätzung verwendet.
Grundlegendes Plotting-Bibliothek. Erstellen Sie Linienplots, Streudiagramme, Balkendiagramme, Histogramme, Heatmaps, 3D-Grafiken, Subplots, exportieren Sie PNG/PDF/SVG für wissenschaftliche Visualisierung und Veröffentlichungsfiguren.
Greifen Sie auf die NIH Metabolomics Workbench über die REST API zu (über 4.200 Studien). Abfragen von Metaboliten, RefMet-Nomenklatur, MS/NMR-Daten, m/z-Suchen, Studienmetadaten für Metabolomik und Biomarkerdiscovery.
Erstellen Sie hoch detaillierte, Midjourney-stilistische Bildprompts, die für das FLUX 1.1 Pro-Modell auf Replicate optimiert sind. Wandeln Sie einfache Benutzervorgaben in reichhaltige, kinematische Prompts mit professionellen Fotografiequalitäten, dramatischer Beleuchtung und redaktionellen Ästhetik um. Verwenden Sie dies, wenn Benutzer Bildgenerierung anfordern, Prompt-Vervollständigung benötigen oder Midjourney-Qualitätsergebnisse über FLUX 1.1 Pro erhalten möchten.
Führen Sie Python-Code in der Cloud mit serverlosen Containern, GPUs und Autoscaling aus. Verwenden Sie es bei der Bereitstellung von ML-Modellen, bei der Ausführung von Batchverarbeitungsjobs, bei der Planung von rechenintensiven Tasks oder bei der Bereitstellung von APIs, die GPU-Beschleunigung oder dynamisches Skalieren erfordern.
Molekulare Featurisierung für ML (über 100 Featurizer). ECFP, MACCS, Deskriptoren, vortrainierte Modelle (ChemBERTa), SMILES in Merkmale umwandeln, für QSAR und molekulares ML.
Mikroskopiedatenmanagementplattform. Zugriff auf Bilder über Python, Abruf von Datensätzen, Analyse von Pixeln, Verwaltung von ROIs/Annotations, Batch-Verarbeitung für Hochinhaltscreening und Mikroskopieworkflows.