使用 TileDB 高效存储和检索基因组变异数据，支持可扩展的 VCF/BCF 数据导入、增量样本添加、压缩存储、并行查询以及群体基因组学的导出功能。

使用 Google 的 TimesFM 基础模型进行零样本时间序列预测。无需训练自定义模型，即可对任何单变量时间序列（如销售、传感器、能源、生命体征、天气）进行预测。支持 CSV/DataFrame/数组输入，提供点预测和预测区间。包含预运行系统检查脚本，可在首次使用前验证内存和 GPU 状态。

图神经网络（PyG）。节点/图分类、链接预测、GCN、GAT、GraphSAGE、异构图、分子性质预测，适用于几何深度学习。

用于分子和蛋白质的PyTorch原生图神经网络。适用于构建自定义GNN架构以进行药物发现、蛋白质建模或知识图谱推理，特别适合自定义模型开发、蛋白质性质预测和逆合成分析。如需预训练模型和多种特征化工具，请使用DeepChem；如需基准数据集，请使用PyTDC。

在使用预训练的Transformer模型进行自然语言处理、计算机视觉、音频或多模态任务时，应使用此技能。适用于文本生成、分类、问答、翻译、摘要、图像分类、目标检测、语音识别以及在自定义数据集上微调模型。

为所有临床专科生成简洁（3-4页）、聚焦的医疗治疗计划，支持通用医疗、康复治疗、心理健康、慢性病管理、围手术期护理和疼痛管理。包含SMART目标框架、基于证据的干预措施（引用最少）、符合HIPAA法规要求及专业排版，注重简洁性与临床可操作性。

直接访问UniProt的REST API，支持蛋白质搜索、FASTA获取、ID映射、Swiss-Prot/TrEMBL。对于涉及多个数据库的Python工作流，建议使用bioservices（统一接口，涵盖40多种服务）。如需直接进行HTTP/REST操作或对UniProt进行特定控制，请使用本工具。

UMAP 维度约简：用于 2D/3D 可视化和聚类预处理（HDBSCAN）的快速非线性流形学习，支持监督/参数化 UMAP，适用于高维数据。

查询美国财政部财政数据API，获取包括国家债务、政府支出、收入、利率、汇率和储蓄债券在内的联邦财务数据。无需API密钥即可访问54个数据集和182个数据表。适用于处理美国联邦财政数据、国家债务追踪（精确到美分）、每日财政部报表、月度财政部报表、财政部证券拍卖、 Treasury证券利率、外汇汇率、储蓄债券或任何美国政府财务统计数据。