使用 beamerposter、tikzposter 或 baposter 在 LaTeX 中创建专业研究展板，支持学术会议展示、学术海报和科学交流。包含版式设计、配色方案、多栏格式、图表整合以及专为视觉传播设计的展板最佳实践。

用于代谢组学的光谱相似性分析与化合物鉴定。适用于比较质谱、计算相似性得分（余弦相似度、修正余弦相似度）以及从光谱库中识别未知化合物。最适合代谢物鉴定、光谱匹配和库搜索。如需完整的LC-MS/MS蛋白组学分析流程，请使用pyopenms。

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。

使用OpenAlex数据库查询和分析学术文献。当需要搜索学术论文、分析研究趋势、查找作者或机构的作品、追踪引用、发现开放获取出版物或对超过2.4亿篇学术作品进行文献计量分析时，请使用本技能。适用于文献检索、研究成果分析、引用分析和学术数据库查询。

查询Open Targets平台，以获取靶标-疾病关联、药物靶标发现、可成药性/安全性数据、遗传学/组学证据、已知药物，用于治疗靶标识别。

交互式可视化库。当您需要悬停信息、缩放、平移或可嵌入网页的图表时使用。最适合用于仪表盘、探索性分析和演示。如需静态出版图表，请使用 matplotlib 或科学可视化工具。

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。