用于机器学习的分子特征化（100多种特征化方法）。ECFP、MACCS、描述符、预训练模型（ChemBERTa），将SMILES转换为特征，适用于QSAR和分子机器学习。

适用于 OT-2 和 Flex 机器人的官方 Opentrons 协议 API。在为 Opentrons 硬件编写协议并需要全面访问 Protocol API v2 功能时使用。最适合生产环境中的 Opentrons 协议，确保官方 API 兼容性。如需多供应商自动化或更广泛的设备控制，请使用 pylabrobot。

功能全面的计算病理学工具包，适用于高级WSI分析，包括多重免疫荧光（CODEX、Vectra）、细胞核分割、组织图构建以及病理数据的机器学习模型训练。支持160多种切片格式。如需从H&E切片中简单提取图像块，histolab可能更便捷。

完整的质谱分析平台，适用于蛋白质组学工作流程中的特征检测、肽段鉴定、蛋白质定量和复杂的液相色谱-串联质谱（LC-MS/MS）流程。支持多种文件格式和算法，最适合蛋白质组学和全面的质谱数据处理。如需简单的谱图比较或代谢物鉴定，请使用matchms。

使用SHAP（SHapley Additive exPlanations）进行模型可解释性和可解释性分析。在解释机器学习模型预测、计算特征重要性、生成SHAP图（瀑布图、蜜蜂群图、条形图、散点图、力图、热力图）、调试模型、分析模型偏差或公平性、比较模型或实现可解释AI时使用此技能。适用于基于树的模型（XGBoost、LightGBM、随机森林）、深度学习（TensorFlow、PyTorch）、线性模型以及任何黑箱模型。