使用 pandas、numpy、scipy、statsmodels 和 scikit-image 分析显微镜衍生测量数据的生产就绪技能。专为 BixBench 成像问题而设计，涵盖菌落形态测定、细胞计数、荧光定量、回归建模和统计比较。

使用全基因组关联研究 (GWAS) 发现与疾病和性状相关的基因

比较 GWAS 研究、进行荟萃分析并评估跨队列的复制

通过汇总多个来源的证据来解释 GWAS 研究中的遗传变异 (SNP)，以提供全面的临床和生物学背景。

使用统计精细映射和基因座到基因预测来识别 GWAS 位点的因果变异并确定其优先顺序。

将全基因组关联研究 (GWAS) 转化为可行的药物靶点和重新利用机会。

使用过度表示分析 (ORA) 和基因集富集分析 (GSEA) 执行全面的基因富集分析，包括基因本体 (GO)、KEGG、Reactome、WikiPathways 和 MSigDB 富集。通过 gseapy 将本地计算与 ToolUniverse 路径数据库集成，以获得交叉验证、可发布的结果。

用于处理和分析表观基因组数据的生产就绪计算技能。将本地 Python 计算（pandas、scipy、numpy、pysam、statsmodels）与 ToolUniverse 注释工具相结合，以实现监管环境。旨在解决有关甲基化、ChIP-seq、ATAC-seq 和多组学集成的 BixBench 式问题。

在进行湿实验室工作之前，使用多维计算证据验证药物靶点假设。生成具有优先级分类和 GO/NO-GO 建议的定量目标验证分数 (0-100)。

使用多种计算策略系统地识别和评估药物再利用候选者。

通过基于证据的风险评分、机制识别和临床管理建议对药物间相互作用进行系统分析。

添加工具的三种方法 - 选择适合您需求的一种：

分析 CRISPR-Cas9 遗传筛选的综合技能，通过强大的统计分析和通路富集来识别必需基因、合成致死相互作用和治疗靶点。

将患者分子概况和临床特征转化为优先的临床试验建议。搜索 ClinicalTrials.gov 并与分子数据库（CIViC、OpenTargets、ChEMBL、FDA）交叉引用，以生成证据分级、评分的试验匹配。

综合化学安全分析，集成预测人工智能模型、精心策划的毒物基因组数据库、监管安全数据和化学-生物相互作用网络。

通过适当的消歧和跨数据库验证来检索全面的化合物数据。

癌症体细胞突变的综合临床解释。将基因+变异输入转化为可操作的精准肿瘤学报告，涵盖临床证据、治疗选择、耐药机制、临床试验和预后影响。

使用 60 多个 ToolUniverse 工具系统地发现新型小分子结合剂，涵盖成药性评估​​、已知配体挖掘、相似性扩展、ADMET 过滤和合成可行性。

人工智能引导的抗体优化流程，从临床前研究到临床候选药物。涵盖序列人源化、结构建模、亲和力优化、可开发性评估、免疫原性预测和制造可行性。

使用 FAERS 不成比例分析、FDA 标签挖掘、基于机制的预测和文献证据来检测、量化和背景化不良药物事件信号的自动化管道。生成定量安全信号评分 (0-100)，用于监管和临床决策。