SKRIPTLINIE
Mit print debuggen, dreimal in dieselbe Grube fallen.
Fehler beim ersten Durchlauf verortet — du prüfst, statt nachzubessern.
73 Skills auf dieser Linie
Cloud-Laborplatform für automatisierte Proteintests und -validierung. Verwenden Sie sie bei der Proteinentwicklung und bei der Bedürfnislage nach experimenteller Validierung, einschließlich Bindungsassays, Expressionstests, Thermostabilitätsmessungen, Enzymaktivitätsassays oder Proteinssequenzoptimierung. Verwenden Sie sie auch zum Einreichen von Experimenten über API, zum Verfolgen des Experimentstatus, zum Herunterladen von Ergebnissen, zur Optimierung von Proteinsequenzen für eine bessere Expression mit Hilfe von Rechenwerkzeugen (NetSolP, SoluProt, SolubleMPNN, ESM) oder zur Verwaltung von Proteinentwicklungsworkflows mit Nasslaborvalidierung.
Diese Fähigkeit sollte für Zeitreihenmaschinelles Lernen einschließlich Klassifikation, Regression, Clustering, Prognose, Anomalieerkennung, Segmentierung und Ähnlichkeitssuche verwendet werden. Verwenden Sie sie bei der Arbeit mit zeitlichen Daten, sequentiellen Mustern oder zeitindexierten Beobachtungen, die spezialisierte Algorithmen über standardisierte ML-Ansätze hinaus erfordern. Besonders geeignet für die Analyse univariate und multivariate Zeitreihen mit scikit-learn-kompatiblen APIs.
Schaetzen Sie Gen-Regulationsnetzwerke (GRNs) aus Genexpressionsdaten mit skalierbaren Algorithmen (GRNBoost2, GENIE3). Verwenden Sie sie bei der Analyse von Transkriptomdaten (Bulk-RNA-seq, Single-Cell-RNA-seq), um Transkriptionsfaktor-Zielgen-Beziehungen und regulatorische Interaktionen zu identifizieren. Unterstützt verteilte Berechnungen für großskalige Datensaetze.
Autonomer biomedizinischer KI-Agentenrahmen für die Ausführung komplexer Forschungstasks im Bereich Genomik, Arzneimittelforschung, Molekularbiologie und klinischer Analyse. Verwenden Sie diese Fähigkeit bei der Durchführung mehrstufiger biomedizinischer Forschung einschließlich CRISPR-Screening-Design, Einzelzell-RNA-seq-Analyse, ADMET-Vorhersage, GWAS-Interpretation, Seltenerkrankungsdiagnose oder Optimierung von Laborprotokollen. Nutzt LLM-Reasoning mit Codeausführung und integrierten biomedizinischen Datenbanken.
Quantum Computing-Framework zum Erstellen, Simulieren, Optimieren und Ausführen von Quantenkreisen. Nutzen Sie diese Fähigkeit bei der Arbeit mit Quantenalgorithmen, Quantenkreisentwurf, Quanten Simulation (rauschfrei oder verrauscht), Ausführung auf Quantenhardware (Google, IonQ, AQT, Pasqal), Kreisenoptimierung und -kompilierung, Rauschmodellierung und -charakterisierung oder Quantenexperimenten und -Benchmarking (VQE, QAOA, QPE, Randomized Benchmarking).
Interaktive Skill-Ersteller für Claude Code. Ausgelöst, wenn der Nutzer das Erstellen von Skills, das Erstellen von Skills, Skill-Vorlagen, Skill-Frontmatter, erlaubte Tools erwähnt oder ein neues Skill scaffolding möchte.
CLI-Tool-Management für Codieragenten. Diese Fähigkeit sollte verwendet werden, wenn: - Ein Befehl mit "command not found" oder ähnlichen Fehlern fehlschlägt - Der Nutzer nach Installation, Aktualisierung oder Überprüfung von CLI-Tools fragt - Ein Projekt Umgebungsaufsetzen oder Abhängigkeitsüberprüfung benötigt - Tools fehlen, veraltet sind oder Abgleichung benötigen Bietet die automatische Installation von 74+ Tools über optimale Paketmanager, Projektumgebungs-Auditing und Batch-Aktualisierungsfunktionen an.
Analysiert deine Claude Code-Gesprächshistorie, um Muster, häufige Fehler und Chancen zur Workflow-Verbesserung zu identifizieren. Verwende dies, wenn der Nutzer Nutzungsmuster verstehen, den Workflow optimieren, Automatisierungschancen erkennen oder prüfen möchte, ob er Best Practices befolgt.
Arbeiten Sie mit Data Commons, einer Plattform, die programmatischen Zugriff auf öffentliche statistische Daten aus globalen Quellen bietet. Nutzen Sie diese Fähigkeit bei der Arbeit mit Demografiedaten, Wirtschaftsindikatoren, Gesundheitsstatistiken, UmweltDaten oder beliebigen öffentlichen Datensätzen, die über Data Commons verfügbar sind. Anwendbar für die Abfrage von Bevölkerungsstatistiken, BIP-Zahlen, Arbeitslosigkeitssätzen, Krankheitsvorkommen, geografische Entitätsauflösung und die Erforschung von Beziehungen zwischen statistischen Entitäten.
Molekulares Maschinelles Lern-Toolkit. Eigenschaftsvorhersage (ADMET, Toxizität), GNNs (GCN, MPNN), MoleculeNet-Benchmarks, vortrainierte Modelle, Merkmalserzeugung für das maschinelle Lernen in der Arzneimittelforschung.
NGS-Analyse-Toolkit. Umwandlung von BAM in bigWig, QC (Korrelation, PCA, Fingerabdrücke), Heatmaps/Profile (TSS, Peaks) für die Visualisierung von ChIP-seq, RNA-seq, ATAC-seq.
Diffusionsbasierte molekulare Docking. Vorhersage von Protein-Ligand-Bindungsposen aus PDB/SMILES, Konfidenzwerten, virtueller Screenings für strukturbasiertes Arzneimitteldesign. Nicht für Affinitätsprediktion.
DNAnexus Cloud-Genomics-Plattform. Erstellen Sie Apps/Applets, verwalten Sie Daten (Hochladen/Herunterladen), dxpy Python SDK, führen Sie Workflows aus, FASTQ/BAM/VCF, für die Entwicklung und Ausführung von Genomics-Pipelines.
Umfassendes Toolkit für Protein Sprachmodelle einschließlich ESM3 (generatives multimodales Protein Design über Sequenz, Struktur und Funktion) und ESM C (effiziente Protein-Einbettungen und -Darstellungen). Verwenden Sie diese Fähigkeit bei der Arbeit mit Proteinsequenzen, -strukturen oder -Funktionsvorhersagen; bei der Entwicklung neuer Proteine; bei der Erzeugung von Protein-Einbettungen; bei der Durchführung von inverser Faltung; oder bei Proteinengineering-Aufgaben. Unterstützt sowohl die lokale Modellnutzung als auch die cloudbasierte Forge API für skalierbare Inferenz.
Expertenguidance für ffuf-Webfuzzing während Penetrationstests, einschließlich authentifiziertem Fuzzing mit Rohanfragen, Autokalibrierung und Ergebnisanalyse
Diese Fähigkeit soll bei der Arbeit mit genomischen Intervall-Daten (BED-Dateien) für maschinelles Lernen verwendet werden. Verwenden Sie sie für die Trainierung von Region-Embeddings (Region2Vec, BEDspace), die Analyse von Einzelzell-ATAC-seq-Daten (scEmbed), das Erstellen von Konsensus-Peaks (Universen) oder jegliche ML-basierte Analyse von genomischen Regionen. Anwendbar auf BED-Dateiensammlungen, scATAC-seq-Daten, Chromatin-Zugänglichkeitsdatasets und region-basiertes genomisches Feature-Lernen.
Greifen Sie auf NCBI GEO zu, um Genexpressions- und Genomikdaten zu erhalten. Suchen und laden Sie Microarray- und RNA-seq-Datensätze (GSE, GSM, GPL) herunter, rufen Sie SOFT-/Matrix-Dateien ab für Transkriptomik und Expressionsanalyse.
HaveIBeenPwned API-Dokumentation – Prüfen, ob E-Mail-Konten oder Passwörter in Datenschutzverletzungen kompromittiert wurden
Generieren Sie production-ready Claude Code Hooks mit interaktiver Q&A, automatisierter Installation und erweiterter Validierung. Unterstützt 10 Vorlagen für 7 Ereignistypen zur umfassenden Workflow-Automatisierung.
Automatische Hypothesengenerierung und -testung unter Verwendung großer Sprachmodelle. Nutzen Sie diese Fähigkeit bei der Generierung wissenschaftlicher Hypothesen aus Datensätzen, der Kombination von Literaturerkenntnissen mit empirischen Daten, dem Testen von Hypothesen gegen Beobachtungsdaten oder der Durchführung einer systematischen Hypothesenexploration für Forschungsentdeckungen in Bereichen wie Täuschungserkennung, KI-Inhaltserkennung, psychische Gesundheitsanalyse oder anderen empirischen Forschungstasks.
Experte für unternehmerische Planung, der umfassende, investorenreife Geschäftspläne von Grund auf erstellt oder bestehende Pläne verfeinert. Verwenden Sie ihn, wenn Benutzer Hilfe bei der Erstellung eines neuen Geschäftsplans, der Aktualisierung/Überprüfung eines bestehenden Geschäftsplans anfordern, Anleitung zu spezifischen Abschnitten eines Geschäftsplans benötigen oder Unterstützung bei Finanzprognosen erfordern. Gilt für Start-ups und etablierte Unternehmen aus allen Branchen, die Finanzierung oder strategische Planung suchen.