该技能适用于包括分类、回归、聚类、预测、异常检测、分割和相似性搜索在内的时序机器学习任务。当处理时间数据、序列模式或需要超越标准机器学习方法的专用算法的时间索引观测值时，请使用此技能。特别适用于单变量和多变量时间序列分析，并支持与scikit-learn兼容的API。

一个用于天文学和天体物理学的综合性Python库。在处理天文数据时使用该技能，包括天体坐标、物理单位、FITS文件、宇宙学计算、时间系统、表格、天球坐标系统（WCS）和天文数据分析。当任务涉及坐标变换、单位转换、FITS文件操作、宇宙学距离计算、时间尺度转换或天文数据处理时使用。

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。

一套全面的蛋白质语言模型工具包，包含ESM3（跨序列、结构和功能的生成性多模态蛋白质设计）和ESM C（高效蛋白质嵌入与表示）。在处理蛋白质序列、结构或功能预测、设计新型蛋白质、生成蛋白质嵌入、执行逆向折叠或开展蛋白质工程任务时使用此工具。支持本地模型使用和基于云的Forge API以实现可扩展推理。

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。

一个用于处理地理空间矢量数据的 Python 库，支持 Shapefile、GeoJSON 和 GeoPackage 文件。适用于进行地理数据分析、几何运算、坐标变换、空间连接、叠加分析、伪彩地图绘制，或任何涉及读取/写入/分析矢量地理数据的任务。支持 PostGIS 数据库、交互式地图，以及与 matplotlib、folium 和 cartopy 的集成。适用于缓冲区分析、数据集间空间连接、边界合并、数据裁剪、面积/距离计算、坐标系重投影、地图绘制，以及在不同空间文件格式间转换等任务。

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。

生物信息学工作流的锁扣平台。使用 Latch SDK、@workflow/@task 装饰器构建流水线，部署无服务器工作流，支持 LatchFile/LatchDir，集成 Nextflow/Snakemake。