القائمة
Skills في هذا المستودع
جمع SkillsMP عدد ٨١٠ من skills من mdbabumiamssm/LLMs-Universal-Life-Science-and-Clinical-Skills-. افتح أي skill لمراجعة مصدره وتفاصيله.
mdbabumiamssm/LLMs-Universal-Life-Science-and-Clinical-Skills-عرض ٤٠ من أصل ٨١٠ skills مجمعة.
Design and operate browser and desktop agents that rely on screenshots, mouse and keyboard control, or hybrid bash/editor/computer loops. Use when deciding between DOM automation, browser agents, and full computer-use workflows.
لغة النص الأصلي: الإنجليزية
Implement and operate Azure AI Foundry and Microsoft Foundry workloads with explicit identity, deployment, model versioning, safety, and agent-service controls. Use when deploying model endpoints, migrating model versions, or setting up production guardrails…
لغة النص الأصلي: الإنجليزية
Integrate and operate Cohere APIs with current model, rerank, embedding, transcribe, and SDK guidance. Use when selecting Cohere models, building search or agent workflows, or planning migration across Cohere platform updates.
لغة النص الأصلي: الإنجليزية
Build, evaluate, and deploy agents with Google's Agent Development Kit (ADK). Use when you want code-first multi-agent systems, workflow agents, MCP tools, or Google-supported agent deployment paths.
لغة النص الأصلي: الإنجليزية
Build typed, provider-agnostic agents with PydanticAI. Use when structured I/O, dependency injection, MCP support, and OpenTelemetry-friendly observability matter more than framework hype.
لغة النص الأصلي: الإنجليزية
Integrate and operate DeepSeek APIs with current docs and compatibility guidance. Use when implementing DeepSeek chat, reasoning, tool calling, or FIM workflows through its OpenAI-compatible API.
لغة النص الأصلي: الإنجليزية
Integrate and operate Mistral APIs with current model catalog, SDKs, and agent features. Use when implementing Mistral chat, agents, conversations, files, or coding workflows.
لغة النص الأصلي: الإنجليزية
Integrate and operate xAI Grok APIs with current documentation and SDK guidance. Use when implementing Grok tool use, Responses-style workflows, files or collections search, or migration from other provider SDKs.
لغة النص الأصلي: الإنجليزية
Deploy AgentScope + AgentScope Runtime for secure sandboxed multi-agent services inside BioKernel.
لغة النص الأصلي: الإنجليزية
Run OpenHands headless CLI/SDK missions from BioKernel swarms for autonomous software work.
لغة النص الأصلي: الإنجليزية
Parse scholarly articles (PDF, DOI, URL) to extract metadata, GEO accessions, and acquisition links using OpenAlex + GROBID pipelines.
لغة النص الأصلي: الإنجليزية
Cell type annotation for spatial transcriptomics data using marker-based scoring, Tangram mapping, scANVI transfer, or CellAssign probabilistic models.
لغة النص الأصلي: الإنجليزية
Copy number variation inference from spatial transcriptomics expression data.
لغة النص الأصلي: الإنجليزية
Cell-cell communication analysis via ligand-receptor interaction scoring using LIANA, CellPhoneDB, FastCCC, or CellChat.
لغة النص الأصلي: الإنجليزية
Experimental condition comparison using pseudobulk differential expression with proper multi-sample statistics.
لغة النص الأصلي: الإنجليزية
Differential expression analysis — find marker genes for clusters or compare two groups. Supports Wilcoxon rank-sum, t-test, and PyDESeq2 methods with publication-ready figures and CSV tables.
لغة النص الأصلي: الإنجليزية
Cell type deconvolution for spatial transcriptomics — estimates per-spot cell type proportions using FlashDeconv, Cell2Location, RCTD, DestVI, Stereoscope, Tangram, SPOTlight, or CARD.
لغة النص الأصلي: الإنجليزية
Identify tissue regions and spatial niches from preprocessed spatial transcriptomics data using Leiden, Louvain, SpaGCN, STAGATE, GraphST, or BANKSY.
لغة النص الأصلي: الإنجليزية
Pathway and gene set enrichment analysis for spatial transcriptomics data.
لغة النص الأصلي: الإنجليزية
Find genes with spatially variable expression patterns using Moran's I, SpatialDE, SPARK-X, or FlashS. Identifies genes whose expression is non-randomly distributed across tissue coordinates.
لغة النص الأصلي: الإنجليزية
Multi-sample integration and batch correction for spatial transcriptomics data.
لغة النص الأصلي: الإنجليزية
Load spatial transcriptomics data (Visium, Xenium, MERFISH, Slide-seq, generic h5ad), perform QC filtering, normalization, HVG selection, PCA, UMAP, and Leiden clustering.
لغة النص الأصلي: الإنجليزية
Spatial registration and multi-slice alignment for spatial transcriptomics data.
لغة النص الأصلي: الإنجليزية
Comprehensive spatial statistics toolkit — cluster-level (neighborhood enrichment, Ripley, co-occurrence), gene-level (Moran's I, Geary's C, local Moran, Getis-Ord), and network-level analysis.
لغة النص الأصلي: الإنجليزية
Trajectory inference and pseudotime analysis for spatial transcriptomics data.
لغة النص الأصلي: الإنجليزية
RNA velocity and cellular dynamics analysis for spatial transcriptomics data.
لغة النص الأصلي: الإنجليزية
Bulk RNA-seq count matrix QC — library size, gene detection rates, and sample correlation.
لغة النص الأصلي: الإنجليزية
WGCNA-style weighted gene co-expression network analysis — module detection, soft thresholding, hub genes.
لغة النص الأصلي: الإنجليزية
Bulk RNA-seq differential expression analysis using PyDESeq2 with optional edgeR/limma-voom via rpy2.
لغة النص الأصلي: الإنجليزية
Bulk RNA-seq cell type deconvolution using NNLS (built-in), with optional CIBERSORTx and MuSiC bridges.
لغة النص الأصلي: الإنجليزية
Pathway enrichment analysis for bulk RNA-seq — ORA and GSEA via GSEApy, with built-in hypergeometric fallback.
لغة النص الأصلي: الإنجليزية
Alternative splicing analysis — PSI quantification, differential splicing event detection from rMATS/SUPPA2 output.
لغة النص الأصلي: الإنجليزية
Batch integration for multi-sample scRNA-seq using Harmony, scVI, Seurat CCA/RPCA, BBKNN, and fastMNN. Remove technical variation while preserving biological differences.
لغة النص الأصلي: الإنجليزية
Automated cell type annotation using marker genes, CellTypist, SingleR, or scmap. Supports custom references and marker gene lists.
لغة النص الأصلي: الإنجليزية
Cell-cell communication analysis via ligand-receptor interaction scoring using CellChat (R), NicheNet (R), LIANA (Python), or built-in L-R database.
لغة النص الأصلي: الإنجليزية
Differential expression analysis for single-cell data — marker gene discovery using Wilcoxon, t-test, MAST, or DESeq2 pseudo-bulk analysis.
لغة النص الأصلي: الإنجليزية
Doublet detection and removal using Scrublet (Python), DoubletFinder (R), and scDblFinder (R). Essential QC step before clustering.
لغة النص الأصلي: الإنجليزية
Gene regulatory network inference using pySCENIC three-step pipeline (GRNBoost2 → cisTarget → AUCell), with correlation-based fallback. Identifies transcription factor regulons and scores their activity per cell.
لغة النص الأصلي: الإنجليزية
Multi-omics integration for single-cell data (CITE-seq, 10X Multiome, SHARE-seq). Weighted Nearest Neighbor (WNN) analysis, MOFA+, and muon/MuData workflows.
لغة النص الأصلي: الإنجليزية
Single-cell RNA-seq QC, normalization, HVG selection, PCA, UMAP, and Leiden clustering. Supports both Scanpy (Python) and Seurat (R) workflows.
لغة النص الأصلي: الإنجليزية