MarkItDown 是一个 Python 实用程序，可将各种文件格式转换为 Markdown 格式，并针对大型语言模型和文本分析管道的使用进行了优化。它保留文档结构（标题、列表、表格、超链接），同时生成干净、高效的 Markdown 输出。

按照严格的学术方法进行系统、全面的文献综述。搜索多个文献数据库，按主题综合研究结果，验证所有引用的准确性，并生成 Markdown 和 PDF 格式的专业输出文档。

研究海报是会议、研讨会和学术活动中科学交流的重要媒介。该技能为使用 LaTeX 包创建专业的、具有视觉吸引力的研究海报提供了全面的指导。生成具有适当布局、排版、配色方案和视觉层次结构的出版质量海报。

Latch 是一个 Python 框架，用于将生物信息学工作流程构建和部署为无服务器管道。基于 Flyte 构建，使用 @workflow/@task 装饰器创建工作流，使用 LatchFile/LatchDir 管理云数据，配置资源并集成 Nextflow/Snakemake 管道。

LabArchives 是一个用于研究文档和数据管理的电子实验室笔记本平台。访问笔记本、管理条目和附件、生成报告以及通过 REST API 以编程方式与第三方工具集成。

假设生成是开发可检验解释的系统过程。根据观察形成基于证据的假设、设计实验、探索相互竞争的解释并做出预测。将这项技能应用于跨领域的科学探究。

Hypogenic 使用大型语言模型提供自动假设生成和测试，以加速科学发现。该框架支持三种方法：HypoGeniC（数据驱动假设生成）、HypoRefine（协同文献和数据集成）和 Union 方法（文献和数据驱动假设的机械组合）。

Histolab 是一个用于处理数字病理学中的整个幻灯片图像 (WSI) 的 Python 库。它可以自动执行组织检测，从十亿像素图像中提取信息图块，并为深度学习管道准备数据集。该库可处理多种 WSI 格式，实现复杂的组织分割，并提供灵活的切片提取策略。

Gtars 是一个高性能 Rust 工具包，用于操作、分析和处理基因组区间数据。它提供了用于重叠检测、覆盖分析、机器学习标记化和参考序列管理的专用工具。

gget 是一个命令行生物信息学工具和 Python 包，提供对 20 多个基因组数据库和分析方法的统一访问。通过一致的界面查询基因信息、序列分析、蛋白质结构、表达数据和疾病关联。所有 gget 模块都可以用作命令行工具和 Python 函数。

检测可用的计算资源并为科学计算任务生成战略建议。该技能可自动识别 CPU 功能、GPU 可用性（NVIDIA CUDA、AMD ROCm、Apple Silicon Metal）、内存限制和磁盘空间，以帮助做出有关计算方法的明智决策。

Geniml 是一个 Python 包，用于根据 BED 文件的基因组间隔数据构建机器学习模型。它提供了用于学习基因组区域、单细胞和元数据标签嵌入的无监督方法，从而实现相似性搜索、聚类和下游 ML 任务。

FlowIO 是一个轻量级 Python 库，用于读写流式细胞术标准 (FCS) 文件。解析 FCS 元数据、提取事件数据并创建具有最小依赖性的新 FCS 文件。该库支持 FCS 版本 2.0、3.0 和 3.1，使其成为后端服务、数据管道和基本细胞计数文件操作的理想选择。

ETE（树探索环境）是一个用于系统发育和层次树分析的工具包。操纵树木、分析进化事件、可视化结果并与生物数据库集成以进行系统发育研究和聚类分析。

ESM 提供最先进的蛋白质语言模型，用于理解、生成和设计蛋白质。该技能支持使用两个模型系列：用于跨序列、结构和功能的生成蛋白质设计的 ESM3，以及用于高效蛋白质表示学习和嵌入的 ESM C。

DNAnexus 是一个用于生物医学数据分析和基因组学的云平台。构建和部署应用程序/小程序、管理数据对象、运行工作流程以及使用 dxpy Python SDK 进行基因组学管道开发和执行。

Denario 是一个多智能体人工智能系统，旨在自动化科学研究工作流程，从初始数据分析到可发表的手稿。它基于 AG2 和 LangGraph 框架构建，协调多个专门代理来处理假设生成、方法开发、计算分析和论文写作。

deepTools 是一套全面的 Python 命令行工具，旨在处理和分析高通量测序数据。使用 deepTools 为 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq 和其他 NGS 实验执行质量控制、标准化数据、比较样本并生成出版质量的可视化结果。

DeepChem 是一个综合性 Python 库，用于将机器学习应用于化学、材料科学和生物学。通过专门的神经网络、分子特征化方法和预训练模型，实现分子特性预测、药物发现、材料设计和生物分子分析。

Datamol 是一个 Python 库，它在 RDKit 上为分子化学信息学提供了一个轻量级的 Python 抽象层。通过合理的默认值、高效的并行化和现代 I/O 功能来简化复杂的分子操作。所有分子对象都是原生 rdkit.Chem.Mol 实例，确保与 RDKit 生态系统完全兼容。