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.
DAZU WIRST DU
Perfekt für diese Szenarien
Feedback-Muster analysieren, Kernprobleme identifizieren und Korrekturen systematisch priorisieren.
Kompromisse zwischen Vorschlägen abwägen und Feedback konstruktiv ablehnen oder ändern.
Kategorisieren Sie Review-Kommentare in umsetzbare, nicht umsetzbare oder diskussionsbedürftige Gruppen.
Übersetzen Sie die Feedbacks aus der Code-Review in klarere Dokumentation oder Code-Kommentare für die zukünftige Referenz.
MESSBARER GEWINN
Bewährte Vorteile und messbare Wirkung
Verkürzen Sie die Prüfungszeit, indem Sie sich bei Ihrem Feedback nur auf die technische Qualität konzentrieren.
Finden und beheben Sie mehr Fehler frühzeitig, indem Sie alle Review-Kommentare streng prüfen.
Erreichen Sie schneller einen Konsens, indem Sie die Absicht hinter jedem Review-Vorschlag klarstellen.
DEIN EQUIPMENT
Dateien, Tags und die Installation in drei Schritten
Tipp: Lies Dokumentation und Code vor der ersten Nutzung, damit du Funktion und benötigte Berechtigungen kennst.
NÄCHSTE SKRIPTE
Empfohlen basierend auf Tags und Kategorie
Greifen Sie auf über 200 Millionen durch KI vorhergesagte Proteinstrukturen von AlphaFold zu. Abrufen von Strukturen per UniProt-ID, Herunterladen von PDB/mmCIF-Dateien, Analyse von Zuverlässigkeitsmetriken (pLDDT, PAE) für die Arzneimittelforschung und Strukturbiologie.
Claude Code-Agent-Erzeugungssystem, das benutzerdefinierte Agenten und Sub-Agenten mit erweiterter YAML-Frontmatter, Tools-Zugriffsmustern und MCP-Integrationsunterstützung gemäß bewährten Produktionsmustern erstellt
Generieren und pflegen Sie AGENTS.md-Dateien entsprechend der öffentlichen agents.md-Konvention. Verwenden Sie dies bei der Erstellung von Dokumentation für KI-Agenten-Workflows, Onboarding-Anleitungen oder bei der Standardisierung von Agenten-Interaktionsmustern zwischen Projekten.
Diese Fähigkeit sollte verwendet werden, wenn mit annotierten Datamatrizen in Python gearbeitet wird, insbesondere für Einzelzellgenomikanalysen, die Verwaltung von experimentellen Messungen mit Metadaten oder die Verarbeitung von groß angelegten biologischen Datensätzen. Verwenden Sie sie, wenn Aufgaben AnnData-Objekte, h5ad-Dateien, Einzelzell-RNA-seq-Daten oder die Integration mit Scanpy/Scverse-Tools betreffen.