딥켐

이 기술은 분류, 회귀, 클러스터링, 예측, 이상 탐지, 분할 및 유사성 검색을 포함한 시계열 머신러닝 작업에 사용해야 합니다. 표준 ML 접근법을 넘어 전문 알고리즘이 필요한 시간적 데이터, 순차 패턴 또는 시간 인덱스 관측을 처리할 때 사용하세요. 특히 scikit-learn과 호환되는 API로 단변량 및 다변량 시계열 분석에 적합합니다.

이 스킬은 Python에서 주석이 달린 데이터 행렬을 작업할 때 사용해야 합니다. 특히 단일 세포 유전체 분석, 메타데이터가 포함된 실험 측정 관리, 또는 대규모 생물학적 데이터 세트 처리에 사용합니다. AnnData 객체, h5ad 파일, 단일 세포 RNA-seq 데이터, 또는 scanpy/scverse 도구와의 통합이 포함된 작업에서 사용하세요.

공개 agents.md 규약에 따라 AGENTS.md 파일을 생성하고 유지하세요. AI 에이전트 워크플로에 대한 문서 작성, 온보딩 가이드, 또는 프로젝트 간 에이전트 상호작용 패턴을 표준화할 때 사용하세요.

AlphaFold의 2억개 이상의 AI 예측 단백질 구조에 접근하세요. UniProt ID로 구조를 검색하고, PDB/mmCIF 파일을 다운로드하며, 약물 발견 및 구조 생물학을 위해 신뢰성 지표(pLDDT, PAE)를 분석하세요.