scientific-agent-skills
Biblioteca de utilidades que añade capacidades de investigación científica a agentes de programación generales.
scientific-agent-skills proporciona herramientas y flujos para que agentes trabajen con datos, literatura y análisis científicos.
💻 Requisitos del sistema
Según el modelo y el flujo
Según los datos procesados
⚡ Instalación
Instala el paquete según las instrucciones del repositorio.
🧬 Casos de uso en biociencias
Derivación de inhibidores diana EGFR mediante cribado virtual
Se conectan la API de ChEMBL y RDKit para filtrar 1,200 compuestos inhibidores de EGFR con un peso molecular en el rango 300-500 y logP en el rango 2-4 en 3 segundos, calculando la afinidad de unión con DiffDock para derivar 5 inhibidores óptimos, reduciendo así el período de cribado inicial en 80%.
Caracterización del microambiente tumoral basada en datos de ARN de célula única
Se combinan las herramientas Scanpy y scVelo para preprocesar la matriz de expresión de 10,000 células de Genomics 10, ejecutando una reducción de dimensionalidad UMAP dentro de 5 minutos. Esto permite elucidar la trayectoria de diferenciación de los fibroblastos asociados al cáncer (CAF) relacionados con tumores y presentar 3 candidatos como dianas clínicas.
Diseño de tratamientos de medicina de precisión mediante análisis de variantes genómicas
Se analiza el archivo VCF del paciente con pysam y se invocan las herramientas Ensembl VEP y la base de datos ClinVar para detectar 12 variantes patogénicas. Además, se conectan y recomiendan 3 ensayos clínicos contra el cáncer personalizados mediante la API de ClinicalTrials.gov en 10 segundos.
FAQ
¿Qué es scientific-agent-skills?
scientific-agent-skills proporciona herramientas y flujos para que agentes trabajen con datos, literatura y análisis científicos.
¿Cuándo debería usar scientific-agent-skills?
Biblioteca de utilidades que añade capacidades de investigación científica a agentes de programación generales.
¿Cuál es un caso de uso biomédico de scientific-agent-skills?
Derivación de inhibidores diana EGFR mediante cribado virtual: Se conectan la API de ChEMBL y RDKit para filtrar 1,200 compuestos inhibidores de EGFR con un peso molecular en el rango 300-500 y logP en el rango 2-4 en 3 segundos, calculando la afinidad de unión con DiffDock para derivar 5 inhibidores óptimos, reduciendo así el período de cribado inicial en 80%.
📝 Notas de actualización
Aún no hay notas de actualización.
🧪 Código de la vida relacionado
Aún no hay publicaciones relacionadas de Código de la vida.