用途：将原始测序数据转化为生物学洞见，覆盖转录组、基因组、蛋白质组与系统生物学分析。
主要能力：单细胞 RNA-seq 的 Scanpy 标准流程（质控、归一化、降维、聚类、差异表达、通路富集）；bulk RNA-seq 使用 DESeq2/edgeR；基因组变异检测与注释；序列比对与同源搜索；基因调控网络与蛋白互作建模；基于序列的蛋白结构或功能预测；FASTA/FASTQ 处理。
使用方式：在支持 Agent Skills 的环境（如 Cursor、VS Code、Windsurf、Claude Code、Cline）中调用，由代理生成可复现的 Python 分析脚本。示例流程包括 sc.pp.filter_cells、sc.pp.normalize_total、sc.tl.pca、sc.tl.umap、sc.tl.leiden、sc.tl.rank_genes_groups，以及用 gprofiler 做 GO/KEGG/REAC 富集、用 Bio.SeqIO 与 Align.PairwiseAligner 做序列分析。
最佳实践：过滤少于 200 基因的细胞与少于 3 细胞中出现的基因；去除线粒体读数占比 >20% 的细胞；单细胞差异表达用 Wilcoxon 秩和检验；基因水平检验做 Benjamini-Hochberg 多重校正；各阶段保存中间 AnnData 对象；报告 Scanpy、AnnData 与 Python 版本。
适用场景：单细胞与 bulk 转录组分析、变异注释、序列与蛋白分析、通路富集与系统生物学建模。
限制：资料未提供具体收费、价格与平台支持细节；aider 仅部分支持；实际效果取决于数据质量与运行环境。