查询GTEx（基因型-组织表达）门户，获取组织特异性基因表达、eQTLs（表达数量性状位点）和sQTLs。对于将GWAS变异与基因调控联系起来、理解组织特异性表达以及解读非编码变异的影响至关重要。

查询NHGRI-EBI GWAS目录中的SNP与性状关联信息。通过rs编号、疾病/性状或基因搜索变异，获取P值和汇总统计量，用于遗传流行病学和多基因风险评分。

查询JASPAR以获取转录因子结合位点（TFBS）特征（PWMs/PFMs）。可通过转录因子名称、物种或类别进行搜索；扫描DNA序列以查找转录因子结合位点；比较基质矩阵；对调控基因组学、基序分析和GWAS调控变异解释至关重要。

查询Monarch Initiative知识图谱，获取跨物种的疾病-基因-表型关联。整合了OMIM、ORPHANET、HPO、ClinVar和模式生物数据库，适用于罕见病基因发现、表型到基因的映射、跨物种疾病建模以及HPO术语查询。

用于分析包括心电图（ECG）、脑电图（EEG）、皮肤电活动（EDA）、呼吸信号（RSP）、光电容积脉搏波（PPG）、肌电图（EMG）和眼电图（EOG）在内的生理数据的综合性生物信号处理工具包。适用于处理心血管信号、脑活动、皮肤电反应、呼吸模式、肌肉活动或眼动。可用于心率变异性分析、事件相关电位、复杂性衡量、自主神经系统评估、心理生理学研究以及多模态生理信号的整合。

一种与硬件无关的量子机器学习框架，支持自动微分。适用于通过梯度训练量子电路、构建混合量子-经典模型，或需在IBM/Google/Rigetti/IonQ等设备间实现跨平台兼容的场景。最适合用于变分算法（VQE、QAOA）、量子神经网络，以及与PyTorch/JAX/TensorFlow的集成。如需针对特定硬件的优化，请使用Qiskit（IBM）或Cirq（Google）；如需处理开放量子系统，请使用QuTiP。

使用 PyMC 进行贝叶斯建模：构建分层模型、MCMC（NUTS）、变分推断、LOO/WAIC 比较、后验检验，用于概率编程与推断。

基因组文件工具包。读取/写入SAM/BAM/CRAM比对结果、VCF/BCF变异、FASTA/FASTQ序列，提取区域，计算覆盖度，适用于NGS数据处理流程。

在Python中进行符号数学运算时使用此功能。此功能适用于符号计算任务，包括代数求解方程、进行微积分运算（求导、积分、极限）、代数表达式化简、符号矩阵运算、物理计算、数论问题、几何计算，以及从数学表达式生成可执行代码。当用户需要精确的符号结果而非数值近似，或处理包含变量和参数的数学公式时，应使用此功能。