maxquant-proteomics
MaxQuant + Perseus 蛋白质组学分析流程:用 MaxQuant 完成 LFQ、SILAC 等定量与数据库搜索,再用 Python(pandas、scipy、statsmodels、gseapy)复现 Perseus 的过滤、归一化、缺失值填补、差异丰度检验与富集分析。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-28 00:17
38,389 个结果
MaxQuant + Perseus 蛋白质组学分析流程:用 MaxQuant 完成 LFQ、SILAC 等定量与数据库搜索,再用 Python(pandas、scipy、statsmodels、gseapy)复现 Perseus 的过滤、归一化、缺失值填补、差异丰度检验与富集分析。
statsmodels 是 Python 的经典统计建模库,侧重系数解释、p 值、置信区间与模型诊断。支持线性回归(OLS、WLS、GLS)、广义线性模型、离散选择模型(Logit、Probit、Poisson、负二项)、时间序列(ARIMA、SARIMAX、VAR)及假设检验与诊断。
面向浏览器的 FFmpeg WebAssembly 方案指南,涵盖 ffmpeg.wasm 的安装加载、单线程与多线程核心、COOP/COEP 跨源隔离配置、React/Vue/Next.js 集成、常见转码操作,以及 Cloudflare Workers 环境限制与替代方案。
面向 Next.js 的完整身份认证技能,覆盖 NextAuth.js(Auth.js v5)配置、GitHub/Google 等 OAuth 提供商、凭据登录、会话管理、中间件路由保护、基于角色与权限的访问控制、JWT 定制及退出登录等常见场景。
面向 Python 3.13+ 的基础技能资料,覆盖自由线程(无 GIL)模式、JIT 编译器、模式匹配、类型参数、异常组、数据类与枚举等新特性与常用语法。
Knock 官方技能 knock-setup,用于把 Knock 通知平台接入编码智能体:连接工具链、发现并构建通知工作流,并给出从应用触发通知的实现建议。
plan-it 是一个在代码改动实施前使用的规划技能,帮助先厘清改动原因、方案范围与验证方式,再进入实现。它强调从用户价值出发,把工作拆成可独立提交、可验证的切片,并明确测试优先、验证方式与审批边界。
Prune Dead Code 是一个用于审计代码库中死代码及可安全删除代码的技能。它的核心原则是:在证明某个声明可以安全删除之前,一律将其视为仍然存活(live)。技能会在整个代码库范围内查找四类候选目标:确认已死的代码(零引用的符号、常量、token 或 barrel 重导出)、重复声明(同一常量、字符串或类型字面量在多处逐字重复)、漂移(与已有命名常量重复的魔法字面量)、以及任意限制(用户实际无法触达的上限、阈值或超时)。工作流程要求跨整个仓库(含代码与测试)搜索每一类候选,逐一核实使用情况后再判定,将候选分类为可安全删除或显然有意保留,以表格形式报告,并在编辑前询问要应用哪些发现。经批准后才修改代码并更新受影响的测试,最后运行类型检查、lint 与测试并修复破坏之处。
FFmpeg 技能用于本地 FFmpeg/FFprobe 媒体检查、重封装、转码、滤镜处理,以及有证据边界的视频审阅与转录辅助剪辑规划。强调把媒体编辑当作证据驱动流程:先探测源、区分测量与解读、渲染到新路径并在目标边界验证。
将已批准的需求或规格转化为可执行的交付计划,涵盖工作分解、依赖映射、关键路径、分阶段上线与回滚策略,并明确责任人与验证方式。该技能只产出计划,不写代码、不写规格、不执行交付流程。
Boundary Discipline 是一项用于指导验证、错误处理与框架适配代码编写的设计原则。其核心主张是:把校验、类型收窄和错误处理集中放在系统边界处(命令行参数、配置文件、网络、外部 API),在系统内部无条件信任已通过边界校验的数据,不再重复校验。业务逻辑应写成不依赖框架的纯函数,外壳层保持轻薄和机械,只负责把边界数据转换为领域类型并调用内部逻辑。这样做的理由是:分散的校验代码噪音大、冗余,并会带来虚假的安全感;把逻辑从框架接线中剥离后,才能在不启动框架的情况下测试。模式分为三部分:边界处做校验、返回错误、防御性处理;系统内部使用带类型的数据、让错误向上传播、不重复校验;跨边界暴露领域概念而非边界的私有表示,把通用机制留在内部、把特殊策略放在边缘。应用示例包括在解析时校验配置而非在业务逻辑里校验、在边界把原始数据解析为领域类型、不把传输/存储/框架/协议类型通过公开接口再导出、边界已校验则深层调用链不再做冗余空值判断;代码组织上把业务逻辑放进纯函数,解析函数是从原始字节到类型化状态的纯转换,提示构造是结构化状态输入字符串输出,评分与评估是状态到结果的纯转换。自检问题是:这份数据此刻是否正在跨越系统边界?如果不是,校验就是冗余的;这能否抽成一个由外壳调用的纯函数?如果可以就抽出来。资料未提供该技能的安装命令、适用语言或框架、收费与价格等信息。
本技能名为 Laziness Protocol(懒惰协议),属于开发编码中的重构与改动评估类指导原则。它主张在重构、评估代码差异(diff)大小,或想要引入抽象、分层、信号透传时使用,整体倾向删除代码,只做能解决问题的最小改动。其核心有两点:一是统一决策,不要把同一个选择在多处重复,而应放到单一事实来源中,再把结果作为简单标志传递;二是最小化改动,用最少的行数解决问题,避免为追求“优雅”而写出样板代码。
这是一条面向软件设计变更的指导原则,适用于把新需求整合进既有设计的场景。它主张不要把变更“硬接”到现有结构上,而是假设该需求从一开始就是基础假设,重新进行设计。核心做法包括:通读所有受影响文件并理解当前设计;自问“如果从零开始写、并带上这个新需求,我们会构建什么”;把变更传播到每一处引用,包括类型、文档、示例和设计理由段落;先思考完整的重新设计,再以增量方式交付。其目的是在整合变更时保留设计的可选价值(option value)。该原则强调彻底性与一致性,避免局部补丁式改动。资料未提供具体平台、安装命令、收费或价格信息。
这是一个关于并发编程中共享状态处理方式的设计原则。它探讨并发执行者(actors)可能写入同一文件、分支、键或状态对象的情况,主张首先消除共享,只有在一个共享写入目标确实是真实不变式时才进行结构化的串行化。该原则指出,共享状态上的并发写入会产生间歇性、难以复现且调试成本高昂的竞态条件。它提供的模式包括:识别共享可变状态、默认消除共享写入目标、为每个执行者分配独立的文件/键/分支/状态目录,并仅在读取或报告边界进行合并;只有在共享写入目标确属必要不变式时,才通过锁文件、顺序阶段、单一写入者或原子比较并交换等方式实施结构化串行化。该原则强调指令和约定并不等同于并发控制,并将“我们需要一个锁”视为值得检查的设计坏味道,而非默认答案。
why 是一个用于调查代码背后动机与设计意图的技能(skill)。它回答的问题不是“代码做什么、怎么运作”,而是“是什么力量塑造了它的现状”。适用场景包括:追问“为什么 X 是这样工作的”“为什么我们选了 Y”、设计理由、回归问题、事后复盘(postmortem)以及有数据支撑的阈值设定。该技能会先建立代码锚点(文件路径与行区间、关键符号、最后改动提交、合并提交中的 PR 编号、关联工单 ID),再按可用的 MCP 证据类别并行派出调查子代理,默认覆盖七类来源:源码控制历史、工单/任务追踪、长文档、实时团队聊天、基础设施可观测性、错误/异常追踪、产品分析数据仓库。随后由一个合成器汇总发现,按“问题、相关代码、发现、可合理推断、竞争假设、未知、所查来源、置信度总结”的结构输出,并严格区分已知事实与推断。若该 why 问题是为修改此代码做准备,还会把溯源发现转化为 Preserve/Change/Avoid/Risk 约束集。多数 pstack 技能仅限用户调用,其技能工具无法加载。具体安装方式与收费信息暂未提供。
Nordic API Gateway 集成技能,借助 Membrane CLI 连接并管理该平台的账户、支付请求与用户等数据,用于读取银行数据、发起支付并自动化相关流程。资料未说明具体收费与价格。
DDEV 是面向 Craft CMS 项目的本地开发环境技能,主要用于运行 ddev 命令、配置 .ddev/config.yaml 及管理容器化开发流程。资料涵盖常用命令、配置陷阱、插件本地开发、Composer 路径仓库挂载与浏览器调试集成,未提供收费与价格信息。
提供 API 测试、文档与开发相关的工具与技巧参考,涵盖 cURL、HTTPie 等 HTTP 客户端,Postman 与 Newman 测试流程,OpenAPI/Swagger 规范与 SDK 生成,Prism、JSON Server 模拟服务,以及请求响应日志调试方法。
Shioaji 是永豐金證券的 Python 交易 API,用於台灣股票、期貨與選擇權市場。可用於下單、改單、刪單、訂閱即時行情、查詢帳務與持倉,並提供模擬模式與官方文檔。
secret-scanner 是一个用于检测代码中暴露密钥、API Key、凭据和令牌的技能,可在提交前、文件保存时或涉及安全话题时激活,帮助防止敏感信息意外泄露。
介绍 DBeaver 数据库工具的使用,涵盖 MySQL、PostgreSQL、Oracle、MongoDB 等数据库的连接配置、SQL 编写与执行、数据导入导出以及 ER 图生成,并提供连接管理、驱动管理、事务模式等实践建议。
通过内部 Metabase API 查询 ClickHouse 的 system.query_log,用于排查慢查询、物化候选和按团队统计查询开销。需 SSO 登录并使用 hogli 工具。
ask-rhdh 是 RHDH 技能集合的人工入口/路由说明,把 RHDH 相关问题按目标路由到对应的模型技能调用,不充当第二套发现系统。
面向 Rust 1.75+ 的专家级技能,覆盖现代异步编程、高级类型系统与生产级系统编程,帮助构建高性能、内存安全的 Rust 服务、库与系统工具。