Communitygithub.com

latex-posters

Erstellen Sie professionelle Forschungsposter in LaTeX mit den Paketen beamerposter, tikzposter oder baposter. Unterstützt Konferenzpräsentationen, akademische Poster und wissenschaftliche Kommunikation. Enthält Layout-Design, Farbschemata, Mehrspaltenformate, Integration von Abbildungen und Poster-spezifische Best Practices für visuelle Kommunikation.

Was ist latex-posters?

Diese Expertise ermöglicht es KI-Agenten, professionelle Forschungsposter in LaTeX zu erstellen. Sie nutzt die drei wichtigsten LaTeX-Pakete – beamerposter (Beamer-Syntax, institutionelle Designs), tikzposter (modern, farbenfroh, flexibel) und baposter (strukturiert, mehrspaltig) – und bietet umfassende Anleitungen für Layout, Farbschemata, Typografie und visuelle Hierarchie. Der Arbeitsablauf ist in sechs Phasen unterteilt: Planung und Inhaltsentwicklung, KI-gestützte Generierung visueller Elemente (wobei 60-70 % der Posterfläche aus KI-generierten Grafiken bestehen sollten), Design und Layout, Integration von Inhalten (Text und Grafiken), Verfeinerung und Test sowie Kompilierung und Auslieferung. Besondere Aufmerksamkeit wird den KI-Grafikrichtlinien gewidmet, die strenge Grenzen für die Anzahl der Elemente (maximal 3-4), die Wortzahl (maximal 10), den Weißraum (mindestens 50 %) und Schriftgrößen (120pt+ für Schlüsselzahlen, 80pt+ für Beschriftungen, 24pt+ für Fließtext) festlegen. Die Integration mit den Fähigkeiten „scientific-schematics" und „Nano Banana Pro" ist essenziell für die Erstellung qualitativ hochwertiger, veröffentlichungsreifer Grafiken. Das Werkzeug unterstützt auch die Erstellung von QR-Codes, die Überprüfung auf Überläufe (overflow) und die Druckvorbereitung.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/latex-posters

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

LaTeX-Forschungsposter

Überblick

Forschungsposter sind ein kritisches Medium für die wissenschaftliche Kommunikation auf Konferenzen, Symposien und akademischen Veranstaltungen. Diese Expertise bietet umfassende Anleitungen zur Erstellung professioneller, optisch ansprechender Forschungsposter mit LaTeX-Paketen. Erstellen Sie veröffentlichungsreife Poster mit korrektem Layout, Typografie, Farbschemata und visueller Hierarchie.

Wann diese Expertise verwendet werden sollte

Diese Expertise sollte verwendet werden, wenn:

  • Forschungsposter für Konferenzen, Symposien oder Postersessions erstellt werden
  • Akademische Poster für Universitätsveranstaltungen oder Abschlussarbeiten entworfen werden
  • Visuelle Zusammenfassungen von Forschungsergebnissen für die Öffentlichkeitsarbeit vorbereitet werden
  • Wissenschaftliche Arbeiten in ein Posterformat umgewandelt werden
  • Vorlagenposter für Forschungsgruppen oder Abteilungen erstellt werden
  • Poster entworfen werden, die bestimmte Konferenzgrößenanforderungen erfüllen (A0, A1, 36×48" usw.)
  • Poster mit komplexen mehrspaltigen Layouts erstellt werden
  • Abbildungen, Tabellen, Gleichungen und Zitationen in das Posterformat integriert werden

KI-gestützte Generierung visueller Elemente

STANDARD-ARBEITSABLAUF: Generieren Sie ALLE wichtigen visuellen Elemente mit KI, bevor Sie das LaTeX-Poster erstellen.

Dies ist der empfohlene Ansatz zur Erstellung optisch ansprechender Poster:

  1. Planen Sie alle benötigten visuellen Elemente (Titel, Einleitung, Methoden, Ergebnisse, Schlussfolgerungen)
  2. Generieren Sie jedes Element mit Scientific-Schematics oder Nano Banana Pro
  3. Fügen Sie die generierten Bilder in die LaTeX-Vorlage ein
  4. Fügen Sie Textinhalte um die visuellen Elemente hinzu

Ziel: 60-70 % der Posterfläche sollten KI-generierte visuelle Elemente sein, 30-40 % Text.


Harte Grenzen (nicht überschreiten)

Dies sind Grenzwerte, keine Richtlinien. Ihre Verletzung ist der häufigste Grund für ein fehlgeschlagenes Poster. Vollständige Begründungen, tabellarische Angaben pro Grafiktyp und ausgearbeitete Beispiele finden Sie unter references/ai_graphics_for_posters.md.

EinschränkungGrenzwert
Elemente pro KI-generierter Grafikmaximal 3-4 (3 ideal)
Wörter pro Grafikmaximal 10
Weißraum pro Grafikmindestens 50 % (60 % besser)
Schlüsselzahlen / Metriken120pt+
Beschriftungen80pt+
Fließtext auf dem Poster24pt+
Inhaltsabschnitte (A0)maximal 5-6
Gesamtwörter auf dem Poster300-800
Abbildungsbreite0.85\linewidth, niemals 1.0

Jede Grafikaufforderung muss enthalten: POSTER FORMAT for A0, eine explizite Element- oder Wortanzahl (NUR 3 Symbole, insgesamt 3 Wörter), eine Schriftgröße (RIESIG (120pt+)), 60 % Weißraum und eine Betrachtungsentfernung (lesbar aus 3-4 Metern).

Zwei obligatorische Prüfschritte. Das Überspringen führt häufig zu unlesbaren Postern:

  • Vor der Generierung – Überprüfen Sie für jede geplante Grafik, ob sie 3-4 Elemente, eine Botschaft, unter 10 Wörter und kein 5+ Schritte umfassender Arbeitsablauf ist. Wenn nicht, teilen Sie sie in mehrere Grafiken auf.
  • Nach der Generierung, vor dem Zusammenbau – Öffnen Sie jede Abbildung bei 25 % Zoom. Alle Texte lesbar, 4 oder weniger Elemente, 50 %+ Weißraum, in 2 Sekunden verständlich. Jeder Fehler bedeutet Neugenerierung oder Aufteilung. Bauen Sie kein Poster aus Abbildungen zusammen, die diesen Test nicht bestehen.

Muster, die immer fehlschlagen: 7-stufiger Arbeitsablauf, Zeitleiste mit jährlichen Meilensteinen, 3 Fallstudien in einer Grafik, Vergleich von 5+ Methoden, Architektur mit allen Ebenen. Reduzieren Sie jedes auf 3 übergeordnete Elemente oder erstellen Sie mehrere separate Grafiken.

Überlauf ist ein Fehler, keine Warnung. Führen Sie nach der Kompilierung grep -i overfull poster.log aus und überprüfen Sie alle vier Kanten bei 100 % Zoom. Siehe references/compilation_and_quality_control.md.

Integration von Scientific Schematics

Eine detaillierte Anleitung zur Erstellung von Schemata finden Sie in der scientific-schematics-Expertisedokumentation.

Wichtige Fähigkeiten:

  • Nano Banana Pro generiert, überprüft und verfeinert Diagramme automatisch
  • Erstellt veröffentlichungsreife Bilder mit korrekter Formatierung
  • Gewährleistet Barrierefreiheit (farbenblindfreundlich, hoher Kontrast)
  • Unterstützt iterative Verfeinerung für komplexe Diagramme

Kernfunktionen

Drei Posterpakete werden unterstützt – beamerposter (Beamer-Syntax, institutionelle Themen), tikzposter (modern, farbenfroh, flexibel) und baposter (strukturiert, mehrspaltig). Paketvergleich, Layout- und Rastersysteme, Designprinzipien, Standardgrößen, Vorlagen pro Paket, Abbildungs- und Bildintegration, Farbschemata, Typografie und QR-Codes sind dokumentiert in references/latex_poster_reference.md.

Wiederverwendbare abschnittsbezogene Inhaltsmuster, Barrierefreiheitsanforderungen und Hinweise für den Präsentationstag finden Sie unter references/poster_patterns_and_presentation.md.

Arbeitsablauf zur Postererstellung

Phase 1: Planung und Inhaltsentwicklung

  1. Posteranforderungen ermitteln:

    • Konferenzgrößenangaben (A0, 36×48" usw.)
    • Ausrichtung (Hochformat vs. Querformat)
    • Einreichungsfristen und Formatierungsanforderungen
  2. Inhaltsgliederung entwickeln:

    • 1-3 Kernbotschaften identifizieren
    • Schlüsselabbildungen auswählen (in der Regel 3-6 Hauptgrafiken)
    • Prägnanten Text für jeden Abschnitt verfassen (Aufzählungspunkte bevorzugt)
    • Ziel: 300-800 Wörter insgesamt
  3. LaTeX-Paket auswählen:

    • beamerposter: Wenn mit Beamer vertraut, institutionelle Themen benötigt
    • tikzposter: Für moderne, farbenfrohe Designs mit Flexibilität
    • baposter: Für strukturierte, professionelle mehrspaltige Layouts

Phase 2: Visuelle Elemente generieren (KI-gestützt)

ENTSCHEIDEND: Generieren Sie EINFACHE Abbildungen mit MINIMALEM Inhalt. Jede Grafik = EINE Botschaft.

Inhaltsbeschränkungen:

  • Maximal 4-5 Elemente pro Grafik
  • Maximal 15 Wörter insgesamt pro Grafik
  • Mindestens 50 % Weißraum
  • RIESIGE Schriftarten (80pt+ für Beschriftungen, 120pt+ für Schlüsselzahlen)
  1. Abbildungsverzeichnis erstellen:

    mkdir -p figures
    
  2. EINFACHE visuelle Elemente generieren:

    # Einleitung – NUR 3 Symbole/Elemente
    python scripts/generate_schematic.py "POSTER FORMAT for A0. SIMPLE visual with ONLY 3 elements: [icon1] [icon2] [icon3]. ONE word labels (80pt+). 50% white space. Readable from 8 feet." -o figures/intro.png
    
    # Methoden – maximal 4 Schritte
    python scripts/generate_schematic.py "POSTER FORMAT for A0. SIMPLE flowchart with ONLY 4 boxes: STEP1 → STEP2 → STEP3 → STEP4. GIANT labels (100pt+). 50% white space. NO sub-steps." -o figures/methods.png
    
    # Ergebnisse – NUR 3 Balken/Vergleiche
    python scripts/generate_schematic.py "POSTER FORMAT for A0. SIMPLE chart with ONLY 3 bars. GIANT percentages ON bars (120pt+). NO axis, NO legend. 50% white space." -o figures/results.png
    
    # Schlussfolgerungen – EXAKT 3 Elemente mit RIESIGEN Zahlen
    python scripts/generate_schematic.py "POSTER FORMAT for A0. EXACTLY 3 key findings: '[NUMBER]' (150pt) '[LABEL]' (60pt) for each. 50% white space. NO other text." -o figures/conclusions.png
    
  3. Generierte Abbildungen überprüfen – auf Überlauf prüfen:

    • Bei 25 % Zoom anzeigen: Ist der Text noch lesbar?
    • Elemente zählen: Mehr als 5? → Neu generieren, einfacher machen
    • Weißraum prüfen: Weniger als 40 %? → „60 % Weißraum" zur Aufforderung hinzufügen
    • Schrift zu klein?: „NOCH GRÖSSER" hinzufügen oder pt-Größen erhöhen
    • Immer noch Überlauf?: Statt 4-5 auf 3 Elemente reduzieren

Phase 3: Design und Layout

  1. Vorlage auswählen oder erstellen:

    • Mit den bereitgestellten Vorlagen in assets/ beginnen
    • Farbschema an die Markenidentität anpassen
    • Seitengröße und Ausrichtung konfigurieren
  2. Layoutstruktur entwerfen:

    • Spaltenstruktur planen (2, 3 oder 4 Spalten)
    • Inhaltsfluss abbilden (in der Regel von links nach rechts, oben nach unten)
    • Platz für Titel (10-15 %), Inhalt (70-80 %), Fußzeile (5-10 %) zuweisen
  3. Typografie einstellen:

    • Schriftgrößen für verschiedene Hierarchieebenen konfigurieren
    • Mindestens 24pt für Fließtext sicherstellen
    • Lesbarkeit aus 1-2 Metern Entfernung testen

Phase 4: Integration der Inhalte

  1. Posterkopfzeile erstellen:

    • Titel (prägnant, beschreibend, 10-15 Wörter)
    • Autoren und Affiliationen
    • Institutionslogos (hohe Auflösung)
    • Konferenzlogo falls erforderlich
  2. KI-generierte Abbildungen integrieren:

    • Alle Abbildungen aus Phase 2 den entsprechenden Abschnitten hinzufügen
    • \includegraphics mit korrekten Größenangaben verwenden
    • Sicherstellen, dass Abbildungen in jedem Abschnitt dominieren (Visuelles zuerst, Text danach)
    • Abbildungen innerhalb der Blöcke für visuelle Wirkung zentrieren
  3. Minimalen unterstützenden Text hinzufügen:

    • Text minimal und gut erfassbar halten (300-800 Wörter insgesamt)
    • Aufzählungspunkte verwenden, keine Absätze
    • Im Aktiv formulieren
    • Text sollte Abbildungen ergänzen, nicht duplizieren
  4. Ergänzende Elemente hinzufügen:

    • QR-Codes für ergänzendes Material
    • Referenzen (nur Schlüsselarbeiten zitieren, typisch 5-10)
    • Kontaktinformationen und Danksagungen

Phase 5: Verfeinerung und Test

  1. Überprüfen und iterieren:

    • Auf Tippfehler und Fehler prüfen
    • Sicherstellen, dass alle Abbildungen hochauflösend sind
    • Konsistente Formatierung sicherstellen
    • Farbschema auf harmonische Wirkung prüfen
  2. Lesbarkeit testen:

    • Bei 25 % Skalierung ausdrucken und aus 60-90 cm lesen (simuliert Poster aus 2,5-3,5 m)
    • Farbe auf verschiedenen Monitoren prüfen
    • QR-Codes auf korrekte Funktion testen
    • Kollegen um Überprüfung bitten
  3. Für den Druck optimieren:

    • Alle Schriftarten in das PDF einbetten
    • Bildauflösung überprüfen
    • PDF-Größenanforderungen prüfen
    • Beschnittzugabe einfügen falls erforderlich

Phase 6: Kompilierung und Auslieferung

  1. Endgültiges PDF kompilieren:

    pdflatex poster.tex
    # Oder für bessere Schriftunterstützung:
    lualatex poster.tex
    
  2. Ausgabequalität überprüfen:

    • Alle Elemente auf korrekte Sichtbarkeit und Positionierung prüfen
    • Auf 100 % zoomen und Abbildungsqualität inspizieren
    • Farben auf Übereinstimmung mit Erwartungen prüfen
    • PDF auf korrekte Anzeige in verschiedenen Betrachtern testen
  3. Für den Druck vorbereiten:

    • Bei Bedarf als PDF/X-1a exportieren
    • Sicherungskopien speichern
    • Zuerst einen Testdruck auf Normalpapier durchführen
    • Professionellen Druck 2-3 Tage vor Frist bestellen
  4. Ergänzende Materialien erstellen:

    • PNG/JPG-Version für soziale Medien speichern
    • Handout-Version (A4-Zusammenfassung) erstellen
    • Digitale Version für E-Mail-Versand vorbereiten

Integration mit anderen Expertisen

Diese Expertise arbeitet effektiv zusammen mit:

  • Scientific Schematics: ENSCHEIDEND – Zur Erstellung aller Posterdiagramme und Flussdiagramme
  • Generate Image / Nano Banana Pro: Für stilisierte Grafiken, konzeptionelle Abbildungen und zusammenfassende Grafiken
  • Scientific Writing: Zur Entwicklung von Posterinhalten aus wissenschaftlichen Arbeiten
  • Literature Review: Zur Kontextualisierung von Forschungsergebnissen
  • Data Analysis: Zur Erstellung von Ergebnisabbildungen und Diagrammen

Empfohlener Arbeitsablauf: Verwenden Sie immer zuerst die Expertisen scientific-schematics und generate-image, BEVOR Sie das LaTeX-Poster erstellen, um alle visuellen Elemente zu generieren.

Häufige Fehler, die vermieden werden sollten

KI-generierte Grafikfehler (am HÄUFIGSTEN):

  • ❌ Zu viele Elemente in einer Grafik (10+ Elemente) → Maximal 3-5 halten
  • ❌ Text in KI-Grafiken zu klein → „RIESIG (100pt+)" oder „GROSSARTIG (150pt+)" angeben
  • ❌ Zu viele Details in Aufforderungen → „EINFACH" und „NUR X Elemente" verwenden
  • ❌ Keine Weißraumangabe → „50 % Weißraum" zu jeder Aufforderung hinzufügen
  • ❌ Komplexe Flussdiagramme mit 8+ Schritten → Maximal 4-5 Schritte
  • ❌ Vergleichsdiagramme mit 6+ Elementen → Maximal 3 Elemente
  • ❌ Wichtige Ergebnisse mit 5+ Metriken → Nur die Top 3 zeigen

Behebung von Überlauf in KI-Grafiken: Wenn Ihre KI-generierten Grafiken überlaufen oder kleinen Text haben:

  1. „EINFACHER" oder „NUR 3 Elemente" zur Aufforderung hinzufügen
  2. Schriftgrößen erhöhen: „150pt+" statt „80pt+"
  3. „60 % Weißraum" statt „50 %" hinzufügen
  4. Unterdetails entfernen: „KEINE Unterschritte", „KEINE Achsenbeschriftungen", „KEINE Legende"
  5. Mit weniger Elementen neu generieren

Designfehler:

  • ❌ Zu viel Text (über 1000 Wörter)
  • ❌ Schriftgrößen zu klein (unter 24pt Fließtext)
  • ❌ Farbkombinationen mit geringem Kontrast
  • ❌ Überladenes Layout ohne Weißraum
  • ❌ Inkonsistente Formatierung über Abschnitte hinweg
  • ❌ Schlechte Qualität oder verpixelte Bilder

Inhaltsfehler:

  • ❌ Keine klare Erzählung oder Botschaft
  • ❌ Zu viele Forschungsfragen oder -ziele
  • ❌ Übermäßiger Gebrauch von Fachjargon ohne Definitionen
  • ❌ Ergebnisse ohne Kontext oder Interpretation
  • ❌ Fehlende Kontaktinformationen des Autors

Technische Fehler:

  • ❌ Falsche Postermaße für Konferenzanforderungen
  • ❌ RGB-Farben an CMYK-Drucker gesendet (Farbverschiebung)
  • ❌ Schriftarten nicht in PDF eingebettet
  • ❌ Dateigröße zu groß für das Einreichungsportal
  • ❌ QR-Codes zu klein oder nicht getestet

Best Practices:

  • ✅ Einfache KI-Grafiken mit max. 3-5 Elementen generieren
  • ✅ RIESIGE Schriftarten (100pt+) für Schlüsselzahlen in Grafiken verwenden
  • ✅ „50 % Weißraum" in jeder KI-Aufforderung angeben
  • ✅ Konferenzgrößenanforderungen exakt einhalten
  • ✅ Vor dem endgültigen Druck einen Testdruck in verkleinerter Größe durchführen
  • ✅ Farben mit hohem Kontrast und barrierefreie Farbschemata verwenden
  • ✅ Text minimal und gut erfassbar halten
  • ✅ Klare Kontaktinformationen und QR-Codes einfügen
  • ✅ Sorgfältig Korrektur lesen (Fehler werden auf Postern vergrößert!)

Paketinstallation

Stellen Sie sicher, dass die erforderlichen LaTeX-Pakete installiert sind:

# Für TeX Live (Linux/Mac)
tlmgr install beamerposter tikzposter baposter

# Für MiKTeX (Windows)
# Pakete werden normalerweise bei der ersten Verwendung automatisch installiert

# Zusätzlich empfohlene Pakete
tlmgr install qrcode graphics xcolor tcolorbox subcaption

Skripte und Automatisierung

Hilfsskripte im Verzeichnis scripts/:

  • review_poster.sh: Posterüberprüfung und -validierung
  • generate_schematic.py: Generierung wissenschaftlicher Diagramme und Schemata

Referenzen

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Verwandte Skills