用于单细胞组学的深度生成模型。当需要概率性批次校正（scVI）、迁移学习、带不确定性差异表达分析或多模态整合（TOTALVI、MultiVI）时使用。最适合高级建模、批次效应和多模态数据。标准分析流程请使用scanpy。

提供指导性的统计分析，包括测试选择与结果报告。适用于需要帮助选择适合的数据检验方法、检验假设、功效分析以及APA格式结果输出的场景，最适合学术研究结果报告和测试选择指导。如需编程实现特定模型，请使用statsmodels。

查询STRING API以获取蛋白质-蛋白质相互作用（5900万蛋白质，200亿相互作用），用于系统生物学的网络分析、GO/KEGG富集、相互作用发现，涵盖5000多种物种。

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。

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。

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。