该技能适用于包括分类、回归、聚类、预测、异常检测、分割和相似性搜索在内的时序机器学习任务。当处理时间数据、序列模式或需要超越标准机器学习方法的专用算法的时间索引观测值时，请使用此技能。特别适用于单变量和多变量时间序列分析，并支持与scikit-learn兼容的API。

查询 cBioPortal 获取癌症基因组数据，包括数千项癌症研究中的体细胞突变、拷贝数变异、基因表达和生存数据，用于癌症靶点验证、癌基因/抑癌基因分析及患者层面的基因组谱分析。

在开始任何计算密集型科学任务之前，应使用此技能来检测并报告可用的系统资源（CPU核心、GPU、内存、磁盘空间）。它会生成一个包含资源信息和策略性建议的JSON文件，以指导计算方法的选择，例如是否使用并行处理（joblib、multiprocessing）、外存计算（Dask、Zarr）、GPU加速（PyTorch、JAX）或内存高效策略。在运行分析、训练模型、处理大型数据集或任何受资源限制影响的任务之前，请先使用此技能。

评估科学主张和证据质量，用于评估实验设计的有效性、识别偏倚和混杂因素、应用证据分级框架（如GRADE、Cochrane偏倚风险评估）或教授批判性分析。适用于理解证据质量、发现缺陷。正式的同行评审撰写请使用“同行评审”功能。