Consultar el Censo CZ CELLxGENE (más de 61 millones de células). Filtrar por tipo de célula/tejido/enfermedad, recuperar datos de expresión, integrar con scanpy/PyTorch, para análisis de célula única a escala de población.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Identifica y repara rápidamente los campos de nombre que faltan en las configuraciones de habilidades.
Asegúrese de que todas las habilidades cumplan con los requisitos de nomenclatura antes de lanzarlas.
Escanear habilidades existentes en busca de campos de nombre faltantes o incorrectos.
Automatizar las comprobaciones de los campos obligatorios durante la creación de habilidades.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce a la mitad el tiempo dedicado a la revisión manual de las configuraciones de habilidad.
Reduce en un tercio los despliegues fallidos por falta de campos de nombre.
Duplica la velocidad de creación de habilidades con la validación automática de campos.
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
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.
Esta habilidad se debe usar cuando se trabaja con matrices de datos anotados en Python, especialmente para análisis de genómica de células individuales, gestión de mediciones experimentales con metadatos o manejo de conjuntos de datos biológicos a gran escala. Usarla cuando las tareas involucren objetos AnnData, archivos h5ad, datos de RNA-seq de células individuales o integración con herramientas scanpy/scverse.
Plataforma de laboratorio en la nube para pruebas y validación automáticas de proteínas. Utilícelo al diseñar proteínas y necesitar validación experimental que incluya ensayos de unión, pruebas de expresión, mediciones de termostabilidad, ensayos de actividad enzimática o optimización de secuencias de proteínas. También úselo para enviar experimentos a través de API, rastrear el estado de los experimentos, descargar resultados, optimizar secuencias de proteínas para una mejor expresión utilizando herramientas computacionales (NetSolP, SoluProt, SolubleMPNN, ESM) o gestionar flujos de trabajo de diseño de proteínas con validación en laboratorio húmedo.
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.