Claude Skills
リソースハブ

自動化タンパク質試験と検証のためのクラウドラボラトリープラットフォーム。タンパク質設計時、結合アッセイ、発現試験、熱安定性測定、酵素活性アッセイ、またはタンパク質配列最適化を含む実験的検証が必要な場合に使用。API経由で実験を提出し、実験ステータスを追跡し、結果をダウンロードし、計算ツール（NetSolP、SoluProt、SolubleMPNN、ESM）を使用して発現を改善するためにタンパク質配列を最適化し、またはウェットラボ検証を伴うタンパク質設計ワークフローを管理する場合にも使用。

このスキルは、分類、回帰、クラスタリング、予測、異常検出、セグメンテーション、類似度検索を含む時系列機械学習タスクに使用されるものです。時間的データ、シーケンシャルパターン、または標準のMLアプローチを超えた専門的なアルゴリズムが必要な時間インデックス付きの観測データを扱う場合に使用します。特に、scikit-learn互換のAPIを使用した単変量および多変量の時系列分析に適しています。

Claude Codeエージェント生成システムは、実績のあるプロダクションパターンに従い、強化されたYAMLフロントマター、ツールアクセスパターン、およびMCP統合サポートを備えたカスタムエージェントとサブエージェントを作成するシステムです。

Apple App Store と Google Play Store でのモバイルアプリのパフォーマンスを調査、最適化、追跡するための完全な App Store Optimization (ASO) ツールキット

遺伝子発現データから、スケーラブルなアルゴリズム（GRNBoost2、GENIE3）を使用して遺伝子制御ネットワーク（GRN）を推論する。トランスクリプトミクスデータ（バルクRNA-seq、シングルセルRNA-seq）を分析し、転写因子-標的遺伝子の関係と制御相互作用を識別する際に使用する。大規模データセットに対応する分散計算をサポート。

引数置換のテストスキル

ゲノミクス、創薬、分子生物学、臨床解析にわたる複雑な研究タスクを実行するための自律型バイオメディカルAIエージェントフレームワーク。CRISPRスクリーニング設計、単一細胞RNA-seq解析、ADMET予測、GWAS解釈、希少疾患診断、またはラボプロトコルの最適化を含む多段階のバイオメディカル研究を行う際にこのスキルを使用してください。コード実行と統合バイオメディカルデータベースを備えたLLM推論を活用します。

Puppeteer CLIスクリプトを使用したブラウザーの自動化、デバッグ、およびパフォーマンス分析。ブラウザーの自動化、スクリーンショットの取得、パフォーマンス分析、ネットワークトラフィックの監視、ウェブスクレイピング、フォーム自動化、JavaScriptデバッグに使用します。

量子回路の構築、シミュレーション、最適化、実行のための量子コンピューティングフレームワーク。量子アルゴリズム、量子回路設計、量子シミュレーション（ノイズレスまたはノイズあり）、量子ハードウェア（Google、IonQ、AQT、Pasqal）での実行、回路の最適化およびコンパイル、ノイズモデリングおよび特性評価、または量子実験およびベンチマーキング（VQE、QAOA、QPE、ランダム化ベンチマーキング）を扱う場合にこのスキルを使用します。

Claude CodeはAnthropic社のエージェント型コーディングツールで、ターミナル内に存在し、アイデアをより速くコードに変換するのを支援します。自律的な計画、実行、検証を、スキル、プラグイン、MCPサーバー、フックによる拡張性と結合しています。以下の場合に使用します： - Claude Codeの理解...

Claude Code CLI、スキル、コマンド、フック、プラグイン、MCP、設定、およびワークフローの専門家。claude code、cli、skill、command、hook、plugin、mcp、slash command、settingsでトリガーされます。

Claude Code 用のインタラクティブなスラッシュコマンド作成ツール。ユーザーがコマンド、スラッシュコマンド、コマンドテンプレート、コマンド引数の作成に言及した場合、または新しいコマンドワークフローの構築を希望した場合にトリガーされます。

このスキルは、Pythonでアノテーション付きデータ行列を処理する場合、特に単一細胞ゲノミクス解析、メタデータとともに実験測定値を管理する場合、または大規模な生物学的データセットを処理する場合に使用されます。AnnDataオブジェクト、h5adファイル、単一細胞RNA-seqデータ、またはscanpy/scverseツールとの統合を含むタスクの場合に使用してください。

並列/分散コンピューティング。メモリを超えたpandas/NumPyのスケーリング、並列DataFrames/Arrays、マルチファイル処理、タスクグラフにより、RAMより大きなデータセットと並列ワークフローに対応。

Pythonのインターフェースが簡略化され、適切なデフォルト設定がされたRDKitのラッパー。標準的な創薬用途（SMILES解析、標準化、記述子、指紋、クラスタリング、3Dコンフォーマー、並列処理）に推奨。rdkit.Chem.Molオブジェクトをネイティブで返却。高度な制御やカスタムパラメーターが必要な場合は、直接RDKitを使用してください。

質量分析データ解析のためのOpenMSへのPythonインターフェース。LC-MS/MSプロテオミクスおよびメタボロミクスのワークフロー、包括的なファイルハンドリング（mzML、mzXML、mzTab、FASTA、pepXML、protXML、mzIdentML）、信号処理、特徴検出、ペプチド識別、定量解析に使用します。質量分析データの処理、プロテオミクス実験の解析、またはメタボロミクスデータセットの処理を行う際に適用します。

ScholarEval手法に基づく学術研究業績を評価するための体系的なフレームワーク。このスキルは、研究論文の評価、文献レビューの評価、研究方法論のスコア付け、科学的な文章の質の分析、または学術業績に構造化された評価基準を適用する場合に使用する必要がある。問題の設定、文献レビュー、方法論、データ収集、分析、結果の解釈、学術的な文章の質を含む複数の次元にわたる総合的な評価を提供する。

科学的な原稿の作成。IMRAD構造、引用（APA/AMA/Vancouver）、図表、報告ガイドライン（CONSORT/STROBE/PRISMA）、抄録、研究論文および雑誌投稿向け。

scikit-learnを使用したPythonによる機械学習。教師あり学習（分類、回帰）、教師なし学習（クラスタリング、次元削減）、モデル評価、ハイパーパラメータチューニング、前処理、または機械学習パイプラインの構築を行う場合に使用します。アルゴリズム、前処理手法、パイプライン、およびベストプラクティスに関する包括的なリファレンスドキュメンテーションを提供します。

このスキルは、scvi-tools を使用した単一細胞オミクスデータ解析（scRNA-seq、scATAC-seq、CITE-seq、空間トランスクリプトミクス、その他の単一細胞モダリティを含む）を行う際に使用します。確率的モデリング、バッチ補正、次元削減、差次的発現、細胞型アノテーション、マルチモーダル統合、空間解析タスクにこのスキルを使用します。

グラフニューラルネットワーク（PyG）。ノード/グラフ分類、リンク予測、GCN、GAT、GraphSAGE、異種グラフ、分子特性予測、幾何学的深層学習向け。

UMAP次元削減。高次元データに対する、2D/3D可視化のための高速非線形多様体学習、クラスタリング前処理（HDBSCAN）、教師あり/パラメトリックUMAP。

このスキルは、使用可能なRAMを超える大きな表形式データセット（数十亿行）の処理と分析に使用します。Vaexは、コア外のDataFrame操作、遅延評価、高速集計、ビッグデータの効率的な可視化、および大きなデータセットでの機械学習に優れています。ユーザーが大きなCSV/HDF5/Arrow/Parquetファイルを使用して作業する必要がある場合、大規模なデータセットで高速な統計を実行する場合、ビッグデータの可視化を作成する場合、またはメモリに収まらないMLパイプラインを構築する場合に適用します。