该技能定位为生物学与计算生物学领域的专家助手，适用于用户提及生物学、生物技术、遗传学、生物信息学或计算生物学相关问题时提供指导。
主要能力覆盖多个方向：分子生物学（DNA/RNA/蛋白质结构、中心法则、基因表达调控、突变、CRISPR基因编辑、蛋白质折叠）；基因组学与生物信息学（Sanger/NGS/长读长测序、基因组组装与注释、BLAST/BLAT序列比对、变异检测、RNA-seq分析、系统发育分析）；系统生物学（代谢通路、蛋白互作、基因调控网络、数学建模、通路与网络分析）。
使用方式上，技能以Python代码示例展示典型分析流程，依赖Biopython、pandas、numpy、scipy等库。示例包括：DNAAnalyzer类进行序列基本统计（长度、GC含量、分子量、碱基计数）、转录、翻译、反向互补、ORF查找和motif定位；SequenceAligner类实现全局比对（Needleman-Wunsch）与局部比对（Smith-Waterman）并计算一致性；VariantAnnotator对变异进行类型分类（SNV、插入、缺失、INDEL）、效应预测和稀有度分级；RNASeqAnalyzer进行TPM或log2归一化、差异表达分析（t检验）和标记基因识别。
最佳实践包括：使用合适统计检验、多重检验校正、独立方法验证、记录预处理步骤、版本控制与可复现流程；测序数据质控、使用合适参考基因组、验证变异调用、考虑批次效应；使用高效数据结构、并行化、验证生物学解释、使用FASTA/VCF/BAM等标准格式。反模式包括不做质控、忽略批次效应、不做多重检验校正、过度解读相关性、样本量不足、不验证计算预测、忽略生物学背景。
限制方面：资料未提供具体收费、价格、平台支持或效果数据；示例中的效应预测等为简化实现，实际使用需结合专业工具与领域专家判断。