Sistema de control de versiones Jujutsu (jj) - un VCS compatible con Git con características novedosas. Usar cuando se trabaje con repositorios jj, se gestione commits apilados/dependientes, se necesite rebase automático con manejo de conflictos de primera clase, se usen revsets para seleccionar commits o se quieran flujos de trabajo de Git mejorados. Se activa al mencionar 'jj', 'jujutsu', IDs de cambio, registro de operaciones o comandos específicos de jj.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Los clínicos verifican rápidamente la significancia clínica de variantes genéticas mediante la base de datos ClinVar para el diagnóstico
Los bioinformáticos anotan VCFs con datos de ClinVar para sus pipelines de investigación
Los investigadores consultan las variantes por gen o posición para estudios dirigidos
Generar informes de interpretación de variantes con clasificaciones de ClinVar para pacientes
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduzca el tiempo de interpretación manual de variantes de horas a minutos
Aprovechar los datos curados de ClinVar para reducir las tasas de clasificación errónea de variantes
Automatiza las tareas de anotación para reducir el tiempo de ejecución de la canalización de bioinformática
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Generar y mantener archivos AGENTS.md siguiendo la convención pública agents.md. Usar cuando se cree documentación para flujos de trabajo de agentes AI, guías de incorporación o cuando se estandaricen patrones de interacción de agentes en proyectos.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.
Acceda a más de 200 millones de estructuras de proteínas predichas por IA de AlphaFold. Recupere estructuras por ID de UniProt, descargue archivos PDB/mmCIF, analice métricas de confianza (pLDDT, PAE) para la descubrimiento de fármacos y la biología estructural.