⚙️ Backend

Interrogez le Catalogue GWAS NHGRI-EBI pour les associations SNP-caractère. Recherchez les variants par ID rs, maladie/caractère, gène, récupérez les p-valeurs et les statistiques récapitulatives, pour l'épidémiologie génétique et les scores de risque polygéniques.

Boîte à outils de traitement d'images en pathologie numérique pour les images sur couche complète (WSI). Utilisez cette compétence lors du travail sur des coupes histopathologiques, du traitement d'images de tissus colorés H&E ou IHC, de l'extraction de tuiles d'images pathologiques gigapixels, de la détection des régions de tissu, de la segmentation des masques de tissu ou de la préparation de jeux de données pour les pipelines d'apprentissage profond en pathologie computationnelle. S'applique aux formats WSI (SVS, TIFF, NDPI), à l'analyse basée sur les tuiles et aux workflows de prétraitement d'images histologiques.

Accéder à la Human Metabolome Database (plus de 220 000 métabolites). Rechercher par nom/ID/structure, récupérer des propriétés chimiques, des données de biomarqueurs, des spectres RMN/SM, des voies métaboliques, pour la métabolomique et l'identification.

Accès direct à l'API REST de KEGG (usage académique uniquement). Analyse de voies métaboliques, cartographie gène-voie, voies métaboliques, interactions médicamenteuses, conversion d'identifiants. Pour les flux de travail Python avec plusieurs bases de données, préférez bioservices. Utilisez ceci pour un travail HTTP/REST direct ou un contrôle spécifique à KEGG.

Intégration de l'API du carnet de laboratoire électronique. Accès aux carnets, gestion des entrées/pieces jointes, sauvegarde des carnets, intégration avec Protocols.io/Jupyter/REDCap, pour des flux de travail ELN programmatiques.

Cette compétence doit être utilisée lors du travail avec LaminDB, un cadre de données open source pour la biologie qui rend les données interrogables, traçables, reproductibles et FAIR. Utilisez-la pour gérer des ensembles de données biologiques (scRNA-seq, spatial, cytométrie en flux, etc.), suivre des flux de travail computationnels, curer et valider des données avec des ontologies biologiques, construire des lakehouses de données ou garantir la lignée des données et la reproductibilité dans la recherche biologique. Elle couvre la gestion des données, l’annotation, les ontologies (gènes, types cellulaires, maladies, tissus), la validation de schéma, les intégrations avec les gestionnaires de flux de travail (Nextflow, Snakemake) et les plateformes MLOps (W&B, MLflow), ainsi que les stratégies de déploiement.

Documentation de l'API Linode

Réaliser des synthèses bibliographiques complètes et systématiques à l'aide de multiples bases de données académiques (PubMed, arXiv, bioRxiv, Semantic Scholar, etc.). Cette compétence doit être utilisée lors de la réalisation de synthèses bibliographiques systématiques, de méta-analyses, de synthèses de recherches ou de recherches bibliographiques complètes dans les domaines biomédicaux, scientifiques et techniques. Créer des documents Markdown et des PDF formatés professionnellement avec des citations vérifiées dans plusieurs styles de citation (APA, Nature, Vancouver, etc.).

Crée et valide 7 documents de projet (besoins, architecture, tech_stack, api_spec, schéma de base de données, directives de conception, runbook). Quatrième travailleur dans le pipeline ln-110-documents.

Crée la documentation des tests (testing-strategy.md + tests/README.md). Établit la philosophie de test et le modèle de tâche de test au niveau de l'histoire. Fait partie du workflow ln-110-documents-pipeline.

Créer/replanifier des épiques à partir de l’étendue (3-7 épiques). Aperçu par lot + extraction automatique. Modèle « Décomposer d’abord ». Découverte automatique de l’ID de l’équipe.

CRÉER/RÉPLANIFIER des Histoires pour Épic (5-10 Histoires). Déléguer ln-221-standards-researcher pour la recherche des normes. Modèle Décomposition Première. Découverte automatique de l’équipe/Épic.

Recherche les normes/modèles via MCP Ref. Génère une Recherche de normes pour la sous-section Notes techniques de l'histoire. Ouvrier réutilisable.

Convertir les documents markdown et les résumés de chat en fichiers ePub formatés qui peuvent être lus sur n'importe quel appareil ou téléchargés sur Kindle.

Analyse de spectrométrie de masse. Traitement des données mzML/MGF/MSP, similarité spectrale (cosinus, cosinus modifié), harmonisation des métadonnées, identification de composés, pour la métabolomique et le traitement des données MS.

Calcul mathématique déterministe à l’aide de SymPy. Utilisez-le pour TOUTE opération mathématique nécessitant des résultats exacts/ vérifiés - arithmétique de base, algèbre (simplifier, développer, factoriser, résoudre des équations), calcul différentiel (dérivées, intégrales, limites, séries), algèbre linéaire (matrices, déterminants, valeurs propres), trigonométrie, théorie des nombres (nombres premiers, PGCD/ PPCM, factorisation) et statistiques. Garantit l’exactitude mathématique en utilisant le calcul symbolique plutôt que l’estimation LLM.

Bibliothèque de tracé fondamentale. Créer des diagrammes en courbes, des nuages de points, des barres, des histogrammes, des cartes thermiques, des visualisations en 3D, des sous-tracés, exporter en PNG/PDF/SVG, pour la visualisation scientifique et les figures de publication.

Accédez à la NIH Metabolomics Workbench via API REST (plus de 4 200 études). Interrogez des métabolites, la nomenclature RefMet, des données MS/NMR, des recherches m/z, des métadonnées d'étude, pour la métabolomique et la découverte de biomarqueurs.

Générer des consignes d'image ultra détaillées dans le style Midjourney, optimisées pour le modèle FLUX 1.1 Pro sur Replicate. Transformer les descriptions basiques des utilisateurs en consignes cinématographiques riches avec des qualités de photographie professionnelle, un éclairage dramatique et des esthétiques de qualité éditoriale. Utiliser lorsque les utilisateurs demandent une génération d'image, ont besoin d'amélioration de consigne ou veulent des résultats de qualité Midjourney via FLUX 1.1 Pro.

Exécutez du code Python dans le cloud avec des conteneurs serverless, des GPU et une mise à l'échelle automatique. Utilisez-le lors du déploiement de modèles ML, de l'exécution de tâches de traitement par lot, de la planification de tâches intensives en calcul ou de la diffusion d'API nécessitant une accélération GPU ou une mise à l'échelle dynamique.

Féaturisation moléculaire pour ML (plus de 100 featurizers). ECFP, MACCS, descripteurs, modèles pré-entraînés (ChemBERTa), conversion des SMILES en caractéristiques, pour QSAR et ML moléculaire.

Documentation N8N - Plateforme d’automatisation de workflows avec capacités d’IA

Documentation de l'API Ollama

Plateforme de gestion de données microscopiques. Accédez aux images via Python, récupérez des jeux de données, analysez des pixels, gérez des ROIs/annotations, traitements par lot, pour le criblage à haut contenu et les flux de travail de microscopie.