SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-01 00:15
17,216 个结果
Datamol 是一个基于 RDKit 的 Python 化学信息学库，为分子操作提供简洁的 Pythonic 抽象层。它封装了 RDKit 的复杂接口，提供合理的默认值、并行化能力和现代 I/O 支持，所有分子对象仍为原生 rdkit.Chem.Mol 实例，与 RDKit 生态完全兼容。主要能力包括分子格式转换（SMILES、SELFIES、InChI）、结构标准化与清洗、分子描述符与指纹计算、3D 构象生成与分析、聚类与多样性选择、骨架与片段分析、化学反应应用、可视化与对齐、批处理并行化，以及通过 fsspec 支持云存储。安装方式为 uv pip install datamol，导入约定为 import datamol as dm。适用于标准药物发现工作流，如分子数据处理、类药性筛选、构效关系分析、虚拟筛选等场景。
DeepChem 是一个面向化学、材料科学与生物学的分子机器学习 Python 工具库。它提供分子数据加载与处理（支持 SMILES、SDF、FASTA 等格式）、分子特征化（指纹、描述符、图表示）、数据划分（如 ScaffoldSplitter 防止数据泄漏）、多种模型（传统机器学习、深度网络、GCN/GAT/MPNN/AttentiveFP 等图神经网络）以及 MoleculeNet 基准数据集（Tox21、BBBP、Delaney 等 30 余个）的快速调用。它支持迁移学习，可微调 ChemBERTa、GROVER、MolFormer 等预训练模型，用于分子性质预测（如 ADMET、毒性、溶解度、结合亲和力）、晶体/材料性质预测和蛋白质/DNA 序列分析。该技能适合药物发现、材料设计与生物分子分析等场景。
DNAnexus 云端基因组学平台集成能力，涵盖应用/小程序构建、数据上传下载与管理、dxpy Python SDK、作业与工作流运行，以及 FASTQ/BAM/VCF 等生物信息学文件处理。
DrugBank Database 是一个用于访问和分析 DrugBank 综合药物数据库的技能，涵盖约 9,591 条药物条目（含 2,037 个 FDA 批准的小分子、241 个生物技术药物、96 个营养保健品及 6,000 多个实验化合物），每条目含 200 多个数据字段。该技能通过 Python 提供数据下载与认证、药物信息查询、药物相互作用分析、药物靶点与通路分析、化学性质与相似性计算等能力，适用于药物发现、多重用药安全分析、药物重定位研究及药理学研究等场景。
通过 REST API 与 FTP 访问欧洲核苷酸档案库（ENA），按 accession 获取 DNA/RNA 序列、原始测序读长（FASTQ）、基因组组装与分类学信息，可用于基因组学与生物信息学流程。
ETE（Environment for Tree Exploration）是一个用于系统发育与层次树分析的工具包，提供 Python 库 ete3。它支持 Newick、NHX、PhyloXML、NeXML 等树格式的读写与遍历，可进行剪枝、定根、折叠节点、解析多分支等拓扑修改，并计算分支长度、拓扑距离及 Robinson-Foulds 距离。PhyloTree 类可结合序列比对检测基因复制与物种形成事件，识别直系同源与旁系同源基因，并拆分直系同源组。NCBITaxa 可下载并缓存 NCBI 分类数据库，实现 taxid 与学名互译、谱系获取及分类树构建。可视化方面支持 PNG、PDF、SVG 输出，矩形与环形布局，以及 NodeStyle、Faces 和布局函数自定义样式。ClusterTree 类用于层次聚类分析，可计算轮廓系数、Dunn 指数并绘制热图。该工具适用于系统发育基因组学、基因家族分析、聚类验证和树比较等研究场景。
FlowIO 是一个轻量级的 Python 库，用于读写流式细胞术标准（FCS）文件，支持 FCS 2.0、3.0 和 3.1 版本。它的主要用途是解析 FCS 文件的元数据与通道信息，并将事件数据提取为 NumPy 数组，便于后续分析或转换。FlowIO 依赖极少，适合后端服务、数据管道以及基础的细胞术文件操作。用户可以用它读取文件版本、事件数、通道标签、采集日期、仪器名称等信息，也能将事件数据导出为 CSV 或 Pandas DataFrame。此外，FlowIO 支持创建新的 FCS 文件，可将 NumPy 数组写入 FCS 3.1 格式（单精度浮点），并自定义 TEXT 段元数据。它还能处理多数据集 FCS 文件、检测偏移差异并允许忽略错误，以及通过 only_text 参数进行内存高效的元数据读取。安装命令为 uv pip install flowio，要求 Python 3.9 或更高版本。对于需要补偿、门控或 FlowJo 支持的高级分析，建议搭配 FlowKit 库使用。
该技能用于通过 NCBI E-utilities 与 Datasets API 查询 NCBI Gene 基因数据库，支持按基因符号或 Gene ID 搜索、获取基因序列与元数据、批量基因查询等操作。适用于基因注释、基因列表验证、基因面板元数据获取以及基因组标识符交叉引用等场景。
Geniml 是一个用于在基因组区间数据（BED 文件）上构建机器学习模型的 Python 包。它提供无监督方法，用于学习基因组区域、单细胞和元数据标签的嵌入表示，支持相似性搜索、聚类以及下游机器学习任务。主要能力包括：Region2Vec（基因组区域嵌入）、BEDspace（区域与元数据联合嵌入）、scEmbed（单细胞染色质可及性嵌入）、Consensus Peaks（参考峰集/宇宙构建）以及缓存、随机化、评估、分词等实用工具。可通过 uv 安装，提供 Python API 与命令行接口，可与 scanpy、BEDbase、Hugging Face 等集成。
GEO Database 技能用于访问 NCBI 基因表达综合数据库（Gene Expression Omnibus），检索和下载基因表达与功能基因组学数据。GEO 是 NCBI 的公共存储库，收录超过 264,000 项研究、800 多万个样本，涵盖微阵列和测序实验。该技能适用于搜索基因表达数据集、获取实验数据、下载原始与处理后文件、查询表达谱，以及将 GEO 数据整合到计算分析流程中。核心能力包括理解 GEO 的分层数据组织（GSE 系列、GSM 样本、GPL 平台、GDS 数据集、Profiles 表达谱），使用 Entrez 进行数据集与表达谱搜索，通过 GEOparse 库下载和解析数据，使用 NCBI E-utilities 进行底层元数据访问，通过 FTP 直接下载数据文件，以及对 GEO 数据进行质量控制、差异表达分析、相关性与聚类分析等。
gtars 是用 Rust 编写的高性能基因组区间分析工具包，提供 Python 绑定与命令行工具，支持 BED 区间重叠检测、覆盖度轨道生成、基因组 tokenization、参考序列管理与单细胞片段处理。
GWAS Catalog 数据库技能，用于查询 NHGRI-EBI GWAS Catalog 中已发表的 SNP-性状关联。支持按 rs ID 搜索变异、按疾病/性状、基因、染色体区域或出版物检索，获取 p 值、效应量等关联统计信息，并可访问全基因组汇总统计数据。适用于遗传变异关联研究、变异功能解读、性状遗传学探索及多基因风险评分等场景。
HMDB（人类代谢组数据库）是一个免费开放的小分子代谢物综合资源库，收录人体内水溶性和脂溶性代谢物信息。当前版本 v5.0 包含 220,945 条代谢物条目、8,610 条代谢相关酶与转运蛋白序列，每条代谢物提供 130 多个数据字段，涵盖化学性质（结构、分子式、分子量、InChI、SMILES）、临床数据（生物标志物关联、疾病、正常/异常浓度）、生物学信息（通路、反应、定位）、波谱数据（NMR、MS、MS-MS）以及 KEGG、PubChem、MetaCyc、ChEBI、PDB、UniProt、GenBank 等外部数据库链接。该技能适用于代谢组学研究、临床化学、生物标志物发现和代谢物鉴定等任务，支持通过网页界面进行文本、结构（ChemQuery）、波谱和高级组合检索，也提供 XML、SDF、FASTA、TXT、CSV/TSV 等格式的批量数据下载。HMDB 不提供公开 REST API，程序化访问需联系开发团队，或使用 R/Bioconductor 的 hmdbQuery 包及本地解析下载数据集。学术和非商业研究免费使用，商业用途需获得明确许可。
LaminDB 是一个面向生物学的开源数据框架，旨在让数据可查询、可追溯、可复现并符合 FAIR 原则（可发现、可访问、可互操作、可复用）。它通过统一的 Python API，将湖仓架构、血缘追踪、特征存储、生物本体、LIMS（实验室信息管理系统）和 ELN（电子实验记录本）能力整合到一个平台中。其核心价值包括：可查询性（按元数据、特征和本体术语搜索过滤数据集）、可追溯性（从原始数据到分析结果自动追踪血缘）、可复现性（对数据、代码和环境进行版本控制）以及 FAIR 合规（使用生物本体进行标准化注释）。该技能适用于管理 scRNA-seq、bulk RNA-seq、空间转录组、流式细胞术、多模态数据、EHR 数据等生物数据集，追踪 Notebook、脚本及 Nextflow、Snakemake、Redun 等流水线执行，进行数据策展与验证，使用 Bionty 处理基因、蛋白质、细胞类型等生物本体，构建数据湖仓，确保可复现性，集成 ML 流水线，部署数据基础设施以及协作共享数据集。
Latch 是一个用于构建和部署生物信息学工作流的 Python 框架，基于 Flyte，可将分析流程打包为无服务器（serverless）流水线。它通过 @workflow/@task 装饰器定义任务与工作流，支持原生 Python、Nextflow 和 Snakemake 流程，自动完成 Docker 容器化并生成无代码用户界面。数据管理方面提供 LatchFile/LatchDir 云存储抽象，以及 Registry（项目→表→记录）结构化数据组织。资源可通过预配置装饰器（@small_task、@large_task、@small_gpu_task、@large_gpu_task）或自定义规格配置 CPU、内存、GPU（K80、V100、A100）与存储。平台还提供已验证的生产级工作流，如 Bulk RNA-seq、DESeq2、AlphaFold、ColabFold、单细胞工具（ArchR、scVelo）等。使用需安装 Latch SDK、登录账号并注册工作流，前置条件包括 Docker、Latch 账号凭据和 Python 3.8+。
该技能通过 REST API 访问美国 NIH 资助、托管于 UCSD 的 Metabolomics Workbench 代谢组学数据平台，可查询 4,200 多项研究（其中 3,790+ 项公开）、RefMet 标准化代谢物命名、GC-MS/LC-MS/NMR 数据、m/z 搜索及研究元数据。支持按 PubChem CID、InChI Key、KEGG ID、HMDB ID 等标识符检索化合物信息，下载 MOL/PNG 结构，访问研究摘要与实验数据（含 mwTab 格式），按离子加合物和质量容差进行质谱搜索，使用 MetStat 按分析方法、极性、色谱类型、物种、样本来源、疾病等条件筛选研究，并查询基因与蛋白质信息。输出支持 JSON 与 TXT 两种格式。适用于代谢组学数据检索、代谢物命名标准化、质谱化合物鉴定和疾病相关研究探索。
用于访问 Open Targets Platform 的技能，支持通过 GraphQL API 查询靶点-疾病关联、药物靶点发现、可成药性与安全性数据、遗传与组学证据及已知药物，适合靶点发现、评估与药物重定位等生物医药研究场景。
PDB Database 是一个用于访问 RCSB PDB（全球生物大分子三维结构数据库）的技能，支持通过文本、序列或结构相似性搜索蛋白质与核酸的三维结构，下载 PDB、mmCIF、BinaryCIF 等坐标文件，获取结构元数据、实验方法和质量指标，并可对多个结构进行批量操作。它基于官方 rcsb-api Python 客户端，提供 Search API 与 Data API 的统一访问，适用于药物发现、蛋白质工程、结构生物学研究以及教学可视化等场景。
Polars 是一个基于 Apache Arrow 构建的高性能 DataFrame 库，同时提供 Python 和 Rust 接口。它采用表达式 API 与惰性求值（Lazy Evaluation）机制，支持选择、筛选、分组聚合、窗口函数、连接、拼接、透视与逆透视等数据操作，并支持 CSV、Parquet、JSON、Excel 等格式的读写以及 S3、Azure、GCS、BigQuery 等数据源接入。Polars 无索引、类型严格、默认并行执行，适合大数据集处理、复杂查询管道、pandas 迁移以及数据管道性能优化等场景。
PubChem Database 是一个用于查询 PubChem 化学数据库的技能，通过 PUG-REST API 和 PubChemPy 访问全球最大的免费化学数据库，涵盖 1.1 亿以上化合物和 2.7 亿以上生物活性数据。它支持按名称、CID、SMILES、InChI 或分子式检索化合物，获取分子量、LogP、TPSA、氢键供体/受体数量等分子属性，执行相似性搜索和子结构搜索，访问筛选实验的生物活性数据，并在 CID、SMILES、InChI 等化学标识符格式之间转换。该技能还支持批量处理多个化合物，用于类药性筛选或属性分析，并可下载 SDF、JSON、PNG 等结构文件。适用于化学信息学、药物发现和化合物数据分析等场景。
PyHealth 是一个面向医疗健康 AI 的 Python 库，提供临床机器学习所需的专用工具、模型和数据集。它适用于开发医疗预测模型、处理临床数据、使用医学编码系统以及在医疗场景中部署 AI 解决方案。该技能通过模块化的五阶段流水线工作：数据加载（支持 MIMIC-III、MIMIC-IV、eICU、OMOP、睡眠 EEG、医学影像等 10 多个数据集）、任务定义（20 多个预定义临床预测任务或自定义任务）、模型选择（33 个以上模型，含通用与医疗专用模型）、训练（自动检查点、监控与评估）以及部署（校准、解释与临床验证）。其数据处理速度比 pandas 快 3 倍。安装命令为 uv pip install pyhealth，要求 Python ≥ 3.7、PyTorch ≥ 1.8 以及 NumPy、pandas、scikit-learn。
Pymatgen 是支撑 Materials Project 的 Python 材料分析库，可创建、分析与转换晶体结构，构建相图，分析能带与态密度，生成表面与界面，并访问 Materials Project 数据库。支持 CIF、POSCAR、XYZ 等 100 多种文件格式。
PyOpenMS 是 OpenMS 的 Python 接口，用于质谱数据分析，支持 LC-MS/MS 蛋白质组学与代谢组学工作流，包括 mzML、mzXML、mzTab 等文件读写、信号处理、特征检测、肽段与蛋白鉴定及定量分析。
Scanpy 是一个基于 AnnData 的可扩展 Python 工具包，专门用于分析单细胞 RNA 测序（scRNA-seq）数据。它覆盖了从数据加载（.h5ad、10X、CSV 格式）、质量控制、归一化、特征选择、降维（PCA/UMAP/t-SNE）、Leiden 聚类、标记基因识别、细胞类型注释，到轨迹推断与差异表达分析的完整单细胞工作流。用户可以通过 sc.pp、sc.tl、sc.pl 等模块化接口以代码方式逐步完成分析，并生成出版物级别的可视化图表。本概述中的技能部分还提供了自动化 QC 脚本、标准工作流参考、API 速查、绘图指南和分析模板等辅助资源。