Pack de 163 skills
Colección de 163 skills para agentes de IA orientadas a investigación científica: bioinformática, cheminformática, proteómica, imagen médica, estadística, simulación y acceso a más de 100 bases de datos.
indexados aquí
cubiertas
en GitHub
al repositorio
v2.65.0
Funciona con cualquier agente que lea SKILL.md
npx -y skills add K-Dense-AI/scientific-agent-skills --agent claude-codeInstala todos los skills del repositorio, solo en este proyecto.
Instala los 163 skills del repositorio de una vez. Cada ficha individual trae su propio comando si solo quieres uno — cada skill instalado ocupa contexto en el agente.
El repositorio agrupa 163 skills por dominio: en genómica y bioinformática incluye Scanpy, Biopython, Pysam, Gget, Bulk Rnaseq y Pydeseq2; en química y descubrimiento de fármacos, Rdkit, Datamol, Diffdock y Molecular Dynamics; en clínica y regulatorio, Pkpd Modeling, Analytical Method Validation e Iso Standards Readiness; en imagen, Pathml, Pydicom e Imaging Data Commons; y en análisis y comunicación, Statistical Analysis, Scikit Learn, Literature Review, Scientific Writing y Pptx Posters. Se suman skills de acceso a bases como Database Lookup, Bioservices, Depmap y Primekg, e integraciones de laboratorio como Benchling, Opentrons y Ginkgo Cloud Lab.
Quien instalaría el pack completo es un equipo o laboratorio que mueve un agente entre distintas etapas de un proyecto de investigación —consultar bases de datos, ejecutar análisis con paquetes Python especializados, redactar manuscritos o pósters— sin quedar limitado a un único dominio científico. También sirve a quien construye un asistente de investigación amplio sobre Cursor, Claude Code, Codex u otro host compatible con Agent Skills.
No cubre decisiones clínicas, diagnósticas ni de certificación: skills como Treatment Plans, Clinical Reports e Iso Standards Readiness están acotadas a documentación, evidencia o preparación, y excluyen atención al paciente, alarmas o decisiones de cumplimiento legal.
Los 24 más populares del pack, sobre Investigación, Datos y analítica, Documentos.
Cómo usar la API y el SDK de Python de Adaptyv Bio Foundry para diseñar, enviar y consultar experimentos de proteínas: binding, screening, BLI/SPR, termoestabilidad. Se activa si el código importa `adaptyv`, `adaptyv_sdk` o `FoundryClient`.
Para tareas de machine learning con series temporales: clasificación, regresión, clustering, forecasting, detección de anomalías, segmentación y búsqueda de similitud, con APIs compatibles con scikit-learn.
The #1 directory of projects built with Jev
Planifica, ejecuta y documenta la validación, verificación y transferencia de procedimientos analíticos (HPLC, LC-MS/MS, GC, ICP-MS, qPCR, ensayos de unión) bajo ICH Q2(R2)/Q14, USP, ICH M10, CLSI EP o ISO/IEC 17025.
Estructura de datos para matrices anotadas en análisis de célula única. Úsala con archivos .h5ad o el ecosistema scverse; para análisis usa scanpy, para modelos probabilísticos scvi-tools, para escala poblacional cellxgene-census.
Mejora de forma autónoma un artefacto real (código, receta de entrenamiento, harness de agentes, pipeline de datos, prompt) frente a un objetivo y un evaluador, usando Hypothesis Tree Refinement (HTR) del paper Arbor.
Infiere redes de regulación génica (GRN) a partir de datos de expresión génica con algoritmos escalables (GRNBoost2, GENIE3), para transcriptómica bulk o de célula única, con computación distribuida.
Librería Python central para astronomía y astrofísica: unidades/cantidades, coordenadas, E/S de FITS, tablas, sistemas de tiempo, WCS y cosmología, para implementar o depurar código con Astropy.
Observa la pantalla del usuario vía screenpipe, detecta flujos de trabajo repetidos, los compara con las skills existentes y redacta nuevas skills o recetas de composición para los patrones aún no cubiertos.
Integración con el SDK de Python de Benchling y su API REST para entidades del registro, inventario, entradas del cuaderno electrónico (ELN), workflows, Benchling Apps y consultas al Data Warehouse.
Busca papers científicos y obtiene datos experimentales estructurados extraídos de estudios a texto completo vía el servidor MCP de BGPT: más de 25 campos por paper (métodos, resultados, muestras, calidad, conclusiones).
Para trabajar con datasets Brain Imaging Data Structure (BIDS): organizar datos de neurociencia y biomedicina, consultar layouts, validar cumplimiento, convertir DICOM a BIDS, escribir sidecars o crear derivados.
Programa publicaciones en todas tus redes desde un solo sitio.
Kit de herramientas de biología molecular: manipulación de secuencias, parseo de archivos (FASTA/GenBank/PDB), filogenética y acceso a NCBI/PubMed (Bio.Entrez); para búsquedas rápidas usa gget, para varios servicios usa bioservices.
Interfaz unificada en Python a más de 40 servicios bioinformáticos. Para consultar varias bases (UniProt, KEGG, ChEMBL, Reactome) con una API consistente, análisis cruzado y mapeo de IDs; para búsquedas rápidas usa gget.
Orquestador end-to-end de RNA-seq bulk: de FASTQ crudo (QC, trimming, STAR/Salmon/featureCounts) a matriz de counts, expresión diferencial con pydeseq2, enriquecimiento GSEA y figuras de publicación.
Consulta programáticamente la CZ CELLxGENE Census: metadatos y expresión de single-cell/espacial versionados a escala poblacional, entre organismos, tejidos, enfermedades y ensayos, sin descargar datasets enteros.
Framework de computación cuántica de Google. Para hardware de Google Quantum AI, diseño de circuitos con ruido y a bajo nivel. Para hardware IBM usa qiskit; para ML cuántico con autodiff usa pennylane; para física usa qutip.
Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.
Prepara y valida artefactos de investigación —evaluación, evidencia, cohorte, supervivencia, modelo/biomarcador, privacidad, gobernanza— para soporte de decisiones clínicas. Solo documentación, nunca atención al paciente.
Crea estructuras de borrador con límites de seguridad y corre comprobaciones locales deterministas para reportes clínicos de caso, diagnóstico, ensayo y seguridad. Solo con datos sintéticos/agregados y manifiestos de hechos verificados.
Modelado metabólico basado en restricciones (COBRA): FBA, FVA, knockouts de genes, muestreo de flujos y modelos SBML, para análisis de biología de sistemas e ingeniería metabólica.
Haz crecer tu tráfico orgánico en piloto automático.
Ejecuta una deliberación tipo Mind Council con múltiples perspectivas sobre cualquier pregunta, decisión o reto creativo, generando diversidad cognitiva real en vez de una única voz.
Computación distribuida para workflows de pandas/NumPy que no caben en RAM. Para procesar archivos en paralelo, ML distribuido e integrar código pandas. Para out-of-core en una máquina usa vaex; para velocidad en memoria usa polars.
Consulta APIs documentadas de bases de datos públicas con endpoints, filtros, paginación y provenance explícitos. Para recuperar de forma reproducible un dato científico, regulatorio o financiero desde una fuente nombrada, no inferido.
Envoltura pythónica sobre RDKit con interfaz simplificada para descubrimiento de fármacos: parsing de SMILES, estandarización, descriptores, fingerprints, clustering y conformeros 3D. Para control avanzado usa rdkit directamente.
Agrupados por categoría. Cada uno enlaza a su ficha con el comando de instalación, los permisos que pide y el SKILL.md completo.
