与 Data Commons 平台合作，该平台提供对全球来源公共统计数据的程序化访问。在处理人口数据、经济指标、健康统计、环境数据或通过 Data Commons 可用的任何公共数据集时使用此技能。适用于查询人口统计信息、GDP 数据、失业率、疾病患病率、地理实体解析以及探索统计实体之间的关系。

基于RDKit的Python风格封装，提供简化接口和合理的默认设置，适用于标准药物发现流程，包括SMILES解析、标准化、描述符、指纹、聚类、3D构象和并行处理。返回原生的rdkit.Chem.Mol对象。如需高级控制或自定义参数，请直接使用RDKit。

使用多种特征提取器和预构建数据集的分子机器学习。当您需要丰富的特征提取选项和MoleculeNet基准时，可将其用于性质预测（如ADMET、毒性）与传统机器学习或图神经网络（GNN）结合使用。最适合使用预训练模型和多样分子表示进行快速实验。对于以图为主的PyTorch工作流程，请使用torchdrug；对于基准数据集，请使用pytdc。

NGS分析工具包。支持BAM转bigWig、质量控制（相关性、PCA、指纹图谱）、热图/轮廓图（TSS、峰位），用于ChIP-seq、RNA-seq、ATAC-seq的可视化。

查询癌症依赖图谱（DepMap）中的癌细胞系基因依赖性评分（CRISPR Chronos）、药物敏感性数据和基因效应谱，用于识别癌症特异性脆弱点、合成致死相互作用以及验证肿瘤药物靶点。

从任何文本中提取认知模式和思维指纹。当用户希望分析某人的思维方式、理解认知风格、剖析写作或语言模式、比较不同人的思维风格、询问“我的思维风格是什么”、“分析此人如何推理”、“认知画像”、“思维模式”、“DHDNA”或“数字DNA”，或希望理解任何文本背后的心智时，请使用此技能。当用户提供文本并希望深入洞察作者的推理模式、决策风格或认知特征时，也触发此技能。

基于扩散的分子对接。从PDB/SMILES预测蛋白质-配体结合构象、置信度分数和虚拟筛选，用于基于结构的药物设计。不用于亲和力预测。

访问并分析DrugBank数据库中的全面药物信息，包括药物性质、相互作用、靶点、通路、化学结构和药理数据。当处理药物数据、药物发现研究、药理学研究、药物-药物相互作用分析、靶点鉴定、化学相似性搜索、ADMET预测，或任何需要从DrugBank获取详细药物及药物靶点信息的任务时，应使用此功能。

用于访问、分析和提取SEC EDGAR申报文件数据的Python库。适用于处理SEC申报文件、财务报表（利润表、资产负债表、现金流量表）、XBRL财务数据、内幕交易（4号表格）、机构持股（13F表格）、公司财务信息、年度/季度报告（10-K、10-Q）、委托书（DEF 14A）、8-K重大事件、按股票代码/CIK/行业筛选公司、多期财务分析或任何SEC监管申报文件。