GATK变异检测技能是基于GATK最佳实践的生物信息学工具，专门用于基因组变异分析。该技能支持种系变异和体细胞变异的精准检测，提供完整的变异分析工作流程，包括碱基质量重校准、变异质量过滤、联合基因分型等关键步骤。适用于全基因组测序、临床诊断、肿瘤分子谱分析和罕见病研究等场景。 关键词：GATK变异检测 基因组分析 生物信息学 变异调用 基因分型 全基因组测序 临床诊断 肿瘤分析 罕见病研究 生物信息学技能

ClinVar查询器是一款专为生物信息学和临床基因组学设计的技能工具，主要用于从ClinVar数据库中查询和解读基因变异信息。该工具支持变异致病性查找、提交历史检索、疾病关联分析、证据等级评估、批量变异查询以及VCF文件注释集成等功能，是临床医生、遗传咨询师和研究人员进行遗传变异解读和罕见病诊断的重要辅助工具。关键词：ClinVar数据库、基因变异查询、致病性分析、临床基因组学、生物信息学工具、VCF注释、罕见病诊断、变异解读。

HPO表型匹配技能是一个生物信息学工具，专门用于人类表型本体分析，实现表型驱动的基因优先排序。该技能通过HPO术语匹配、基因-表型关联评分、语义相似性分析等功能，帮助临床基因组学研究人员将患者表型与基因变异关联，支持罕见病诊断和临床变异解读。关键词：人类表型本体、HPO、表型匹配、基因优先排序、临床基因组学、罕见病诊断、生物信息学、语义相似性、Exomiser集成。

高级质量经理责任人（QMR）技能专注于医疗科技和医疗设备公司的全面质量管理系统责任、监管合规监督、管理责任和战略质量领导。用于质量系统治理、监管合规监控、管理责任履行和质量战略规划，确保符合ISO 13485、FDA QSR等标准，提升组织质量卓越。关键词：质量经理、QMR、质量管理、监管合规、医疗器械、健康科技、ISO 13485、FDA、GMP合规、质量领导。

AlphaFold蛋白质结构预测器是一款基于深度学习的生物信息学工具，专门用于预测蛋白质的三维空间结构。该技能整合了AlphaFold2、ColabFold和RoseTTAFold等先进模型，能够执行单链或多链复合物的高精度结构预测。核心功能包括生成预测模型、提供pLDDT置信度评分、进行预测对齐误差（PAE）分析以评估结构域可靠性，并支持基于已知同源模板的结构优化。适用于药物研发、蛋白质功能研究、合成生物学等领域，帮助科研人员快速获得可靠的蛋白质结构模型，加速生命科学发现。 关键词：AlphaFold，蛋白质结构预测，深度学习，生物信息学，pLDDT，PAE分析，多链复合物，ColabFold，结构生物学，AI药物发现

MEGAHIT宏基因组组装技能是一款专门用于从高通量测序产生的短读序列中重建微生物基因组的生物信息学工具。该技能支持内存高效组装、多种k-mer策略选择、重叠群质量评估和大数据集处理，适用于宏基因组学研究、微生物群落分析、环境样本测序数据分析等场景。关键词：宏基因组组装、MEGAHIT、基因组重建、短读序列、生物信息学、微生物基因组、重叠群分析、k-mer策略。

这个技能用于程序化查询ChEMBL数据库，支持化合物搜索、生物活性数据检索、药物发现等功能，适用于药物研发、医学化学研究和数据分析。关键词：ChEMBL, 药物发现, 化合物, 生物活性, IC50, Ki, 医学化学, 数据查询。

gget 是一个命令行生物信息学工具和Python包，用于快速查询和分析基因组数据，提供对20多个数据库的统一访问，包括基因信息检索、序列对齐、蛋白结构预测、表达数据分析和疾病关联查询等功能。关键词：生物信息学、基因分析、序列对齐、蛋白预测、表达数据、疾病数据库、基因组工具、快速查询、统一接口、Python包。

该技能用于通过STRING数据库的API进行蛋白质-蛋白质相互作用查询、网络分析、功能富集和系统生物学研究，涵盖关键词：蛋白质相互作用、STRING数据库、网络分析、功能富集、系统生物学、生物信息学。

BWA比对器技能是一个生物信息学工具，专门用于将高通量测序（NGS）产生的读段快速、准确地比对到参考基因组。它支持BWA-MEM2算法，具备参数优化、多线程加速、索引管理和质量评估等功能，适用于全基因组测序、长读段分析和肿瘤分子谱分析等场景。关键词：BWA-MEM2，序列比对，参考基因组，NGS分析，生物信息学，参数优化，质量评估。

本技能用于指导用户完成蛋白质设计工具（如BoltzGen、RFdiffusion、Chai）的首次环境设置与配置。核心内容包括Modal CLI安装、身份验证、biomodals仓库克隆、GPU选择及常见问题排查。关键词：蛋白质设计，AI生物计算，环境配置，Modal云平台，BoltzGen，RFdiffusion，Chai，生物信息学工具。

scvi-tools 是一个用于单细胞组学数据分析的 Python 框架，基于深度生成模型和变分推断，支持多种单细胞数据模态，如 scRNA-seq、scATAC-seq、CITE-seq 等，用于概率建模、批次校正、降维、差异表达分析、细胞类型注释等任务。关键词：单细胞测序、数据分析、Python、深度学习、变分推断、生物信息学、批次校正、scVI、scANVI、概率模型、单细胞组学。