Esta habilidad debe utilizarse cuando se trabaja con análisis de datos de omica de célula única usando scvi-tools, incluyendo scRNA-seq, scATAC-seq, CITE-seq, transcriptómica espacial y otras modalidades de célula única. Utilice esta habilidad para modelado probabilístico, corrección de lotes, reducción de dimensionalidad, expresión diferencial, anotación de tipos celulares, integración multimodal y tareas de análisis espacial.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Generar publicaciones de blog optimizadas para SEO con una voz de marca coherente y ganchos de participación
Crear contenido para redes sociales específico de cada plataforma que se alinee con la voz y los objetivos de la marca
Analizar y mejorar el contenido existente con la integración de palabras clave y el potencial de clasificación
Desarrolla calendarios de contenido estratégicos con generación y distribución automatizada de temas
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Genere contenido de marketing 5 veces más rápido manteniendo la calidad y la coherencia
Mejora el posicionamiento en buscadores con un 40% más de puntuación de optimización y orientación de palabras clave
Logra un 60% más de coherencia en la voz de la marca en todos los canales de marketing
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 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.
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.
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