Analyse de l'expression différentielle des gènes (DESeq2 Python). Identification des gènes différentiellement exprimés à partir des comptages RNA-seq en bulk, tests Wald, correction FDR, graphes volcan/MA, pour l'analyse RNA-seq.
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Créez des affiches accrocheuses pour des conférences, des festivals ou des événements communautaires
Générer des œuvres d'art numérique uniques pour un usage personnel ou commercial
Visualisez des données et statistiques complexes en infographies attrayantes
Créer des visuels promotionnels pour les réseaux sociaux, les flyers ou les publicités
GAIN MESURÉ
Avantages prouvés et impact mesurable
Créez des designs professionnels en minutes, pas en heures ou en jours.
Supprimez les frais liés aux designers ou aux abonnements à des banques d'images
Créations uniques garanties, évitant tout problème de droits d'auteur
CE QUE VOUS OBTENEZ
Fichiers, tags et installation en trois étapes
Conseil : Lisez la documentation et le code avant la première utilisation pour connaître son rôle et les permissions requises.
SCRIPTS SUIVANTS
Recommandé selon les tags et la catégorie
Système de génération d'agents de code Claude qui crée des agents et sous-agents personnalisés avec un en-tête YAML amélioré, des modèles d'accès aux outils et un support d'intégration MCP conformément à des modèles de production éprouvés
Générez et maintenez les fichiers AGENTS.md conformément à la convention publique agents.md. Utilisez-le lors de la création de documentation pour les flux de travail des agents IA, les guides d’intégration ou lors de la standardisation des modèles d’interaction des agents à travers les projets.
Accédez aux plus de 200 millions de structures de protéines prédites par l'IA d'AlphaFold. Récupérez les structures par ID UniProt, téléchargez les fichiers PDB/mmCIF, analysez les indicateurs de confiance (pLDDT, PAE), pour la découverte de médicaments et la biologie structurale.
Cette compétence doit être utilisée lors du travail avec des matrices de données annotées en Python, en particulier pour l'analyse génomique à cellule unique, la gestion des mesures expérimentales avec des métadonnées, ou le traitement de jeux de données biologiques à grande échelle. Utilisez-la lors de tâches impliquant des objets AnnData, des fichiers h5ad, des données de RNA-seq à cellule unique ou une intégration avec les outils scanpy/scverse.