用于自动化蛋白质检测与验证的云实验室平台。在设计蛋白质并需要实验验证时使用，包括结合实验、表达测试、热稳定性测量、酶活性测定或蛋白质序列优化。也可用于通过API提交实验、跟踪实验状态、下载结果、利用计算工具（NetSolP、SoluProt、SolubleMPNN、ESM）优化蛋白质序列以提高表达效率，或结合湿实验验证管理蛋白质设计流程。

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”。

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。

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。