一个功能全面的工具包，用于在 Python 中创建、分析和可视化复杂网络与图。适用于处理网络/图数据结构、分析实体间的关联、计算图算法（最短路径、中心性、聚类）、检测社区结构、生成合成网络或可视化网络拓扑结构。适用于社交网络、生物网络、交通系统、引文网络以及任何涉及成对关系的领域。

显微镜数据管理平台。通过Python访问图像，获取数据集，分析像素，管理感兴趣区域/注释，支持批量处理，适用于高内涵筛选和显微镜工作流。

直接通过 REST API 访问 PubMed。支持高级布尔/MeSH 查询、E-utilities API、批量处理和引文管理。适用于 Python 工作流时，建议使用 BioPython（Bio.Entrez）。本工具适用于直接的 HTTP/REST 操作或自定义 API 实现。

差异基因表达分析（Python DESeq2）。从批量RNA-seq计数中识别差异表达基因，使用Wald检验、FDR校正，生成火山图和MA图，用于RNA-seq分析。

用于处理DICOM（医学数字成像和通信）文件的Python库。当需要读取、写入或修改DICOM格式的医学影像数据，从医学影像（CT、MRI、X射线、超声）中提取像素数据，匿名化DICOM文件，处理DICOM元数据和标签，将DICOM图像转换为其他格式，处理压缩的DICOM数据，或处理医学影像数据集时，可使用此技能。适用于涉及医学影像分析、PACS系统、放射科工作流程和医疗影像应用的任务。

使用 pyzotero Python 客户端与 Zotero 参考文献管理库进行交互。通过 Zotero Web API v3 检索、创建、更新和删除条目、集合、标签和附件。在程序化处理 Zotero 库、管理参考文献、导出引文、搜索库内容、上传 PDF 附件或构建与 Zotero 集成的研究自动化工作流时使用此功能。

使用 scikit-learn 在 Python 中进行机器学习。适用于处理监督学习（分类、回归）、无监督学习（聚类、降维）、模型评估、超参数调优、数据预处理或构建机器学习流水线。提供算法、预处理技术、流水线和最佳实践的全面参考文档。

使用scikit-survival库在Python中进行生存分析和事件发生时间建模的综合工具包。当处理删失生存数据、执行事件发生时间分析、拟合Cox模型、随机生存森林、梯度提升模型或生存支持向量机、使用一致性指数或Brier评分评估生存预测、处理竞争风险，或使用scikit-survival库实现任何生存分析流程时，请使用此技能。

基于过程的离散事件仿真框架（Python）。当构建包含流程、队列、资源及基于时间的事件的系统仿真时使用此技能，例如制造系统、服务运营、网络流量、物流或任何实体随时间与共享资源交互的系统。