在NCBI ClinVar中查询变异的临床意义。通过基因/位置搜索，解读致病性分类，通过E-utilities API或FTP访问，注释VCF文件，用于基因组医学。

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。

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。

治疗数据commons：AI就绪的药物发现数据集（ADME、毒性、DTI）、基准测试、骨架拆分、分子预测模型，用于治疗学机器学习和药理预测。

使用 scVelo 进行 RNA 速度分析：根据未剪接/剪接 mRNA 的动力学估算细胞状态转变，推断轨迹方向，计算潜在时间，并在单细胞 RNA-seq 数据中识别驱动基因。与 Scanpy/scVI-tools 相辅相成，用于轨迹推断。