使用MAFFT（多重序列比对）、IQ-TREE 2（最大似然法）和FastTree（快速NJ/ML）构建与分析系统发育树，并通过ETE3或FigTree进行可视化。适用于进化分析、微生物基因组学、病毒系统动力学、蛋白家族分析及分子钟研究。

适用于内存中数据集的高性能内存DataFrame库。当pandas速度过慢但数据仍可放入内存时使用。采用惰性求值、并行执行和Apache Arrow后端，最适合1-100GB的数据集、ETL管道，可作为pandas的更快替代方案。对于超过内存容量的数据，请使用dask或vaex。

通过 PUG-REST API/PubChemPy 查询 PubChem（1.1 亿多种化合物）。按名称/CID/SMILES 搜索，获取物性、相似性/子结构搜索、生物活性等信息，用于化学信息学。

专为速度和扩展性优化的高性能强化学习框架。当您需要快速并行训练、向量化环境、多智能体系统或与游戏环境（Atari、Procgen、NetHack）集成时，请使用本框架。相比标准实现，速度提升可达2至10倍。如需快速原型设计或需要详尽文档的标准算法实现，请改用stable-baselines3。

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。

用于开发、测试和部署临床数据机器学习模型的综合性医疗人工智能工具包。当处理电子健康记录（EHR）、临床预测任务（死亡率、再入院、药物推荐）、医学编码系统（ICD、NDC、ATC）、生理信号（EEG、ECG）、医疗数据集（MIMIC-III/IV、eICU、OMOP）或为医疗应用实现深度学习模型（如RETAIN、SafeDrug、Transformer、GNN）时，应使用此技能。

供应商中立的实验室自动化框架。适用于控制多种设备类型（如Hamilton、Tecan、Opentrons、酶标仪、泵）或需要跨不同供应商实现统一编程的场景。最适合复杂工作流程、多供应商配置及仿真环境。若仅使用Opentrons设备且有官方API，采用opentrons-integration可能更简单。

多目标优化框架。NSGA-II、NSGA-III、MOEA/D、帕累托前沿、约束处理、基准测试（ZDT、DTLZ），适用于工程设计与优化问题。

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。