Skill

面向药物发现的分子筛选与优先级排序，支持基于类药性规则、结构警示基团、反应性官能团、分子复杂度及理化性质约束的多维度过滤，适用于化合物库初筛、先导化合物优化及化学空间质量评估。

具备对文本内容进行深度语义解析的能力，可自动识别情感倾向、提炼核心关键词、归纳主题结构，适用于从用户评论、新闻稿件等非结构化文本中快速获取可操作洞察的场景。

提供自动化蛋白质实验验证服务，支持结合计算工具优化蛋白序列以提升可溶性与表达水平，并完成结合能力、热稳定性、酶活性等多维度湿实验测试，适用于AI驱动的高通量蛋白设计闭环流程。

提供不规则采样时间序列的周期性信号检测能力，适用于天文光变曲线、视向速度等数据中恒星自转、脉动、食双星等周期现象的识别与分析，支持周期范围自定义、显著性评估及模型拟合。

支持单细胞多组学数据的联合分析与可视化，涵盖配对及非配对的RNA+ATAC整合、多批次嵌入校正、参考图谱迁移、通路注意力建模以及轨迹拓扑绘图，适用于从原始数据到可解释生物学洞见的全流程研究。

支持跨生物医学与科技领域的系统性文献综述，通过多数据库检索、去重筛选与主题聚合，实现研究证据的深度整合与质量评估，生成包含规范引文格式与流程图的专业报告。

自动执行数字取证数据采集全流程，涵盖日志提取、内存快照、磁盘镜像分析及证据链生成，严格遵循 SOC2 GDPR 等合规框架要求，输出可审计的配置与验证报告。

在控制系统中实时监测传感器数据，一旦超出安全阈值即刻触发紧急切断或输出限幅，同时确保所有控制指令在物理允许范围内执行，并完整记录每次安全干预事件，为设备防护和系统可靠性提供多层保障。

自动执行数据聚类分析，支持识别数据中的自然分组结构，适用于客户分群、异常检测等场景，能根据数据特征选择合适算法并输出聚类结果、评估指标及可视化图表。

将单细胞转录组数据映射到空间转录组切片上，实现点水平的细胞类型比例重建、标记基因空间表达可视化及模型性能评估，支持深度森林训练与预训练权重加载，适用于癌症等组织微环境的空间解析任务。

求解常微分方程初值问题，根据方程类型选择分离变量、积分因子或变量代换等解析方法，对无法解析求解的采用自适应步长的龙格-库塔法等数值方法，并通过解的代入验证与相图分析确保正确性。

基于团队协作记忆数据，自动识别七类主动介入时机，包括调研需求、会议协调、知识沉淀、文档初稿、跨角色连接、趋势预判和重复流程自动化，通过多维信号匹配与加权评分判断干预优先级。

提供端到端的数据分析能力，涵盖数据加载与结构检查、分布与相关性探索、参数与非参数统计检验、多类型置信区间估算、效应量量化，以及正态性、方差齐性等关键假设验证，支持根据数据特征自动推荐稳健分析方法。

根据问题特征匹配最适数学框架，通过量化性质、变化模式、不确定性、优化目标与精度需求五个维度的交互式提问，引导用户从物理、经济或数据场景中识别核心规律，并推荐微分方程、统计模型或优化方法等对应工具链。

面向科学探索的假设生成能力，能够基于观测现象与文献证据系统性地提出可检验的机制性解释，设计区分性实验方案，并推导出可证伪的定量预测，覆盖从分子到群体等多尺度问题。

基于基因表达数据推断转录调控网络，识别转录因子与靶基因间的调控关系，支持单细胞和批量 RNA-seq 数据分析，具备本地多核与分布式集群计算能力，适用于大规模转录组数据的可扩展建模。

提供质谱数据的全流程分析能力，支持蛋白质组学与代谢组学研究中的文件解析、信号处理、特征检测及肽段鉴定，适用于复杂 LC-MS/MS 数据的定量与定性分析，可与其他科学计算工具协同完成多步骤研究任务。

提供数值积分问题的系统化求解能力，涵盖一维到多维的积分计算，支持对光滑、振荡及奇异被积函数的自适应处理，结合高斯求积与蒙特卡洛等方法实现高精度逼近，并可通过符号计算验证结果收敛性。

根据数据点数量、分布特征及平滑性，选择合适的插值策略，对离散数据进行函数重构与数值逼近，在低维场景中采用多项式或样条方法，在高维空间利用三角剖分实现高效插值，并通过误差分析与可视化验证结果可靠性。

系统性评估科研稿件与基金申请的科学性、方法严谨性、统计合理性、实验可重复性及伦理合规性，通过结构化流程审查研究设计、数据分析与成果呈现，确保符合学科报告规范，并提供具建设性的改进建议。

执行技术研究文档的客观性、证据充分性与完整性审查，确保内容仅描述现有系统实现并附具体代码引用，杜绝主观判断或方案建议，最终输出评审结论与可操作的修改意见。

通过检索历史决策与过往实践，快速识别有效方案与已知失败模式，整合项目中的关键选择依据与问题根源分析，辅助当前任务规划与技术决策，在持续开发中避免重复错误并复用成功经验。

提供对超大规模单细胞基因组数据集的程序化访问能力，支持按细胞类型、组织、疾病等维度高效检索六千多万个人鼠细胞的标准化表达矩阵、元数据及预计算特征，适用于群体尺度分析、参考图谱比对与机器学习建模。

面向基因组区间数据的机器学习分析，支持从 BED 文件中学习区域嵌入、单细胞 ATAC-seq 的细胞表征、元数据感知的跨模态检索，以及基于统计模型构建共识峰集，适用于染色质可及性研究和区域级基因组特征建模。

基于用户行为和物品特征数据，构建个性化推荐模型，支持协同过滤与内容驱动的混合策略，实现精准的内容或商品推荐，适用于影视、电商等场景的智能推送需求。

生成符合国际规范的临床文档，涵盖病例报告、诊断分析、临床试验记录及患者病历，确保内容准确、结构完整并满足 HIPAA、FDA 等监管要求，同时整合可视化图表以增强数据表达。

通过分析用量模式与账单数据，智能推荐最经济的订阅层级，结合请求采样、批量调用、缓存和压缩等手段降低 API 调用成本，并支持预算监控与超支预警。

对文档内容进行事实准确性核查，确保所有关于系统功能的描述、示例代码、链接指向及格式规范均与实际行为一致，发现偏差时以待办事项形式列出问题，供人工复核修正。

自动完成机器学习数据集的划分任务，支持按指定比例将原始数据拆分为训练、验证和测试子集，兼顾随机采样、分层抽样等策略，确保数据分布合理且可复现。

具备网络信息检索与深度内容获取能力，可针对各类主题发起精准搜索并提取关键网页内容，适用于需要实时数据、技术细节或广泛背景知识的查询场景。