使用AI模型（FLUX、Nano Banana 2）生成或编辑图像，适用于通用图像生成，包括照片、插图、艺术作品、视觉素材、概念设计等非技术图表或示意图的任何图像。对于流程图、电路图、路径图和技术图表，请使用“科学示意图”技能。

此技能适用于处理基因组区间数据（BED文件）的机器学习任务，可用于训练区域嵌入（Region2Vec、BEDspace）、单细胞ATAC-seq分析（scEmbed）、构建一致峰（universes）或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。

涵盖遥感、GIS、空间分析、地球观测机器学习及30多个科学领域的综合地理空间科学技能。支持卫星影像处理（哨兵、陆地卫星、MODIS、SAR、高光谱）、矢量与栅格数据操作、空间统计、点云处理、网络分析、云原生工作流（STAC、COG、Planetary Computer），并支持8种编程语言（Python、R、Julia、JavaScript、C++、Java、Go、Rust），提供500多个代码示例。适用于遥感工作流、GIS分析、空间机器学习、地球观测数据处理、地形分析、水文建模、海洋空间分析、大气科学及任何地理空间计算任务。

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。

查询gnomAD（基因组聚集数据库）以获取人群等位基因频率、变异约束评分（pLI、LOEUF）及功能丧失不耐受信息。对于变异致病性解读、罕见病遗传学研究以及识别功能丧失不耐受基因至关重要。

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。

轻量级 WSI 切片提取与预处理。适用于基础切片处理，如组织检测、切片提取和 H&E 图像的染色归一化。最适合简单流程、数据集准备和快速基于切片的分析。如需进行高级空间蛋白质组学、多重成像或深度学习流程，请使用 pathml。

基于自动化大型语言模型的表格数据假设生成与验证。适用于系统性探索经验数据中模式的假设（例如，欺骗检测、内容分析）。结合文献洞察与数据驱动的假设检验。如需手动提出假设，请使用“假设生成”；如需创意构思，请使用“科学头脑风暴”。