适用于内存中数据集的高性能内存DataFrame库。当pandas速度过慢但数据仍可放入内存时使用。采用惰性求值、并行执行和Apache Arrow后端，最适合1-100GB的数据集、ETL管道，可作为pandas的更快替代方案。对于超过内存容量的数据，请使用dask或vaex。

查询精准医学知识图谱（PrimeKG），获取包括基因、药物、疾病、表型等在内的多尺度生物数据。

通过 PUG-REST API/PubChemPy 查询 PubChem（1.1 亿多种化合物）。按名称/CID/SMILES 搜索，获取物性、相似性/子结构搜索、生物活性等信息，用于化学信息学。

直接通过 REST API 访问 PubMed。支持高级布尔/MeSH 查询、E-utilities API、批量处理和引文管理。适用于 Python 工作流时，建议使用 BioPython（Bio.Entrez）。本工具适用于直接的 HTTP/REST 操作或自定义 API 实现。

用于处理DICOM（医学数字成像和通信）文件的Python库。当需要读取、写入或修改DICOM格式的医学影像数据，从医学影像（CT、MRI、X射线、超声）中提取像素数据，匿名化DICOM文件，处理DICOM元数据和标签，将DICOM图像转换为其他格式，处理压缩的DICOM数据，或处理医学影像数据集时，可使用此技能。适用于涉及医学影像分析、PACS系统、放射科工作流程和医疗影像应用的任务。

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。

完整的质谱分析平台，适用于蛋白质组学工作流程中的特征检测、肽段鉴定、蛋白质定量和复杂的液相色谱-串联质谱（LC-MS/MS）流程。支持多种文件格式和算法，最适合蛋白质组学和全面的质谱数据处理。如需简单的谱图比较或代谢物鉴定，请使用matchms。

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。

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。