データ・AIのスキル

Interactive terminal control via tmux for TUI apps, prompts, and long-running CLI workflows.

日本語の概要は準備中です。原文の説明を表示しています。

Use when creating animated demos (GIFs) for pull requests or documentation. Covers terminal recording with asciinema and conversion to GIF/SVG for GitHub embedding.

日本語の概要は準備中です。原文の説明を表示しています。

Transforms a rough idea into a detailed design document with implementation plan. Follows Prompt-Driven Development — iterative requirements clarification, research, design, and planning.

日本語の概要は準備中です。原文の説明を表示しています。

Create detailed user personas based on research and data. Develop realistic representations of target users to guide product decisions and ensure user-centered design.

日本語の概要は準備中です。原文の説明を表示しています。

Evaluate research rigor. Assess methodology, experimental design, statistical validity, biases, confounding, evidence quality (GRADE, Cochrane ROB), for critical analysis of scientific claims.

日本語の概要は準備中です。原文の説明を表示しています。

Generates llms.txt and llms-full.txt files for LLM-friendly project documentation following the llms.txt specification. Use when the user wants to create LLM-readable summaries, llms.txt files, or make their wiki accessible to language models.

日本語の概要は準備中です。原文の説明を表示しています。

Create Pydantic models following the multi-model pattern with Base, Create, Update, Response, and InDB variants. Use when defining API request/response schemas, database models, or data validation in Python applications using Pydantic v2.

日本語の概要は準備中です。原文の説明を表示しています。

AI-assisted dataset annotation with COCO export — bbox, SAM2, DINOv3 methods

日本語の概要は準備中です。原文の説明を表示しています。

Dataset annotation management — COCO labels, sequences, export, and Kaggle upload

日本語の概要は準備中です。原文の説明を表示しています。

Analyze finance text sentiment using FinBERT or LLM. Use when the user needs to determine the sentiment (positive/negative/neutral) and score of financial text markets.

日本語の概要は準備中です。原文の説明を表示しています。

Perform finance web searches and local context searches. Use when the user needs general finance info from the web (Jina/DDG/Baidu) or needs to retrieve finance information from a local document store (RAG).

日本語の概要は準備中です。原文の説明を表示しています。

Fetch hot finance news, unified trends, and prediction financial market data. Use when the user needs real-time financial news, trend reports from multiple finance sources (Weibo, Zhihu, WallstreetCN, etc.), or Polymarket finance market prediction data.

日本語の概要は準備中です。原文の説明を表示しています。

Preprocess ribosome profiling data including adapter trimming, size selection, rRNA removal, and alignment. Use when preparing Ribo-seq reads for downstream analysis of translation.

日本語の概要は準備中です。原文の説明を表示しています。

Protein quantification from mass spectrometry data including label-free (LFQ, intensity-based), isobaric labeling (TMT, iTRAQ), and metabolic labeling (SILAC) approaches. Use when extracting protein abundances from MS data for differential analysis.

日本語の概要は準備中です。原文の説明を表示しています。

Generate and interpret quality reports from FASTQ files using FastQC and MultiQC. Assess per-base quality, adapter content, GC bias, duplication levels, and overrepresented sequences. Use when performing initial QC on raw sequencing data or validating preprocessing results.

日本語の概要は準備中です。原文の説明を表示しています。

Gene Ontology over-representation analysis using clusterProfiler enrichGO. Use when identifying biological functions enriched in a gene list from differential expression or other analyses. Supports all three ontologies (BP, MF, CC), multiple ID types, and customizable statistical thresholds.

日本語の概要は準備中です。原文の説明を表示しています。

Post-translational modification analysis including phosphorylation, acetylation, and ubiquitination. Covers site localization, motif analysis, and quantitative PTM analysis. Use when analyzing phosphoproteomic data or other modification-enriched samples.

日本語の概要は準備中です。原文の説明を表示しています。

Similarity Network Fusion (SNF) for patient stratification using multi-omics data. Integrates multiple data types into a unified patient similarity network. Use when performing patient stratification or integrating multi-omics data into unified similarity networks.

日本語の概要は準備中です。原文の説明を表示しています。

Multi-Omics Factor Analysis (MOFA2) for unsupervised integration of multiple data modalities. Identifies shared and view-specific sources of variation. Use when integrating RNA-seq, proteomics, methylation, or other omics to discover latent factors driving biological variation across modalities.

日本語の概要は準備中です。原文の説明を表示しています。

Load and parse mass spectrometry data formats including mzML, mzXML, and quantification tool outputs like MaxQuant proteinGroups.txt. Use when starting a proteomics analysis with raw or processed MS data. Handles contaminant filtering and missing value assessment.

日本語の概要は準備中です。原文の説明を表示しています。

Calculates molecular descriptors and fingerprints using RDKit. Computes Morgan fingerprints (ECFP), MACCS keys, Lipinski properties, QED drug-likeness, TPSA, and 3D conformer descriptors. Use when featurizing molecules for machine learning or filtering by drug-likeness criteria.

日本語の概要は準備中です。原文の説明を表示しています。

Quality control and assessment for proteomics data. Use when evaluating proteomics data quality before downstream analysis. Covers sample metrics, missing value patterns, replicate correlation, batch effects, and intensity distributions.

日本語の概要は準備中です。原文の説明を表示しています。

Preprocessing and harmonization of multi-omics data before integration. Covers normalization, batch correction, feature alignment, and missing value handling across data types. Use when preparing multi-omics datasets for integration analysis.

日本語の概要は準備中です。原文の説明を表示しています。

Data-independent acquisition (DIA) proteomics analysis with DIA-NN and other tools. Use when analyzing DIA mass spectrometry data with library-free or library-based workflows for deep proteome profiling.

日本語の概要は準備中です。原文の説明を表示しています。