药物化学过滤器。应用类药性规则（如Lipinski、Veber规则）、PAINS过滤器、结构警报和复杂性指标，用于化合物优先级排序和库筛选。

通过 REST API 访问 NIH 代谢组学工作台（4,200 多项研究），查询代谢物、RefMet 命名法、MS/NMR 数据、m/z 搜索、研究元数据，用于代谢组学和生物标志物发现。

低层级绘图库，支持完全自定义。当您需要对每个绘图元素进行精细控制、创建新型图表类型或与特定科学工作流集成时使用。可导出为 PNG/PDF/SVG 格式以供发表。如需快速生成统计图表，请使用 seaborn；如需交互式图表，请使用 plotly；如需符合期刊风格的出版级多面板图表，请使用 scientific-visualization。

在云端使用无服务器容器、GPU 和自动扩缩容运行 Python 代码。适用于部署机器学习模型、运行批处理任务、调度计算密集型任务，或提供需 GPU 加速或动态扩缩容的 API。

用于机器学习的分子特征化（100多种特征化方法）。ECFP、MACCS、描述符、预训练模型（ChemBERTa），将SMILES转换为特征，适用于QSAR和分子机器学习。

使用 OpenMM 和 MDAnalysis 运行并分析分子动力学模拟。搭建蛋白质/小分子体系，定义力场，执行能量最小化和分子动力学生产模拟，分析轨迹（RMSD、RMSF、接触图、自由能表面），适用于结构生物学、药物结合和生物物理学研究。

查询Monarch Initiative知识图谱，获取跨物种的疾病-基因-表型关联。整合了OMIM、ORPHANET、HPO、ClinVar和模式生物数据库，适用于罕见病基因发现、表型到基因的映射、跨物种疾病建模以及HPO术语查询。

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。

用于分析包括心电图（ECG）、脑电图（EEG）、皮肤电活动（EDA）、呼吸信号（RSP）、光电容积脉搏波（PPG）、肌电图（EMG）和眼电图（EOG）在内的生理数据的综合性生物信号处理工具包。适用于处理心血管信号、脑活动、皮肤电反应、呼吸模式、肌肉活动或眼动。可用于心率变异性分析、事件相关电位、复杂性衡量、自主神经系统评估、心理生理学研究以及多模态生理信号的整合。