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。

材料科学工具包：晶体结构（CIF、POSCAR）、相图、能带结构、态密度、Materials Project 集成、格式转换，适用于计算材料科学。

基因组文件工具包。读取/写入SAM/BAM/CRAM比对结果、VCF/BCF变异、FASTA/FASTQ序列，提取区域，计算覆盖度，适用于NGS数据处理流程。

IBM 量子计算框架。适用于针对 IBM 量子硬件、使用 Qiskit Runtime 处理生产工作负载，或需要 IBM 优化工具的场景。最适合在 IBM 硬件上执行、量子误差缓解和企业级量子计算。如需使用谷歌硬件，请选用 Cirq；如需基于梯度的量子机器学习，请选用 PennyLane；如需开放量子系统仿真，请选用 QuTiP。

用于精细分子控制的化学信息学工具包。支持SMILES/SDF解析、描述符（分子量、LogP、TPSA）、指纹、子结构搜索、二维/三维生成、相似性计算和反应分析。如需标准工作流及更简洁的界面，请使用datamol（基于RDKit的封装）；如需高级控制、自定义净化或专用算法，请使用RDKit。

标准单细胞RNA测序分析流程。适用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达分析和可视化。最适合采用成熟工作流程的探索性单细胞RNA测序分析。如需使用深度学习模型，请使用scvi-tools；如有关于数据格式的问题，请使用anndata。

深度研究与写作工具的核心技能：以完整段落形式撰写科学论文（严禁使用项目符号）。采用两阶段流程：（1）通过研究检索制作各部分提纲并列出关键点；（2）将提纲转化为连贯流畅的正文。遵循IMRAD结构，引用格式支持APA/AMA/Vancouver，包含图表，符合CONSORT/STROBE/PRISMA等报告规范，适用于研究论文及期刊投稿。

生物数据工具包。用于微生物组分析的序列分析、比对、系统发育树、多样性指标（α/β、UniFrac）、排序（PCoA）、PERMANOVA、FASTA/Newick 输入/输出。

使用scikit-survival库在Python中进行生存分析和事件发生时间建模的综合工具包。当处理删失生存数据、执行事件发生时间分析、拟合Cox模型、随机生存森林、梯度提升模型或生存支持向量机、使用一致性指数或Brier评分评估生存预测、处理竞争风险，或使用scikit-survival库实现任何生存分析流程时，请使用此技能。